Code-mode — la historia de una idea simple que tus agentes ya deberían estar usando
Esta mañana le soltamos a un agente un manual de identidad de 126 páginas —un PDF pesado, casi puro escaneo— con una instrucción de dos líneas. Veinte minutos después había extraído los colores institucionales con sus Pantone, las reglas tipográficas, las restricciones del logotipo y hasta el teléfono del área que autoriza el uso de la identidad. Lo guardó como cinco notas curadas en la memoria del equipo y tomó una decisión que nadie le dictó: no tocó la marca activa del workspace, porque el manual era de un cliente, no nuestro.
Lo interesante no es qué hizo. Es cómo: no ejecutó una cadena de "herramientas". Escribió programas — inspeccionó el PDF con comandos, se dio cuenta de que su lector estándar no podía con él, cambió de estrategia solo, y llamó a nuestra plataforma únicamente para el paso final de guardar. A ese patrón se le llama code-mode, y tiene una historia que vale la pena contar, porque explica varias decisiones de fondo de cómo construimos Ghosty.
El problema: los agentes hablan JSON como Shakespeare habla mandarín
La forma canónica de darle capacidades a un LLM son las tool calls: le describes
cincuenta funciones en su contexto, y el modelo emite un JSON — {"tool": "send_email", "args": {...}} — cada vez que quiere hacer algo. Funciona. Pero tiene
dos impuestos que crecen con la ambición:
- Cada herramienta descrita engorda el contexto de cada turno, la use o no.
- Cada paso intermedio pasa por el modelo. Si hay que leer 40 filas y sumarlas, las 40 filas viajan al contexto, aunque al modelo sólo le importe el total.
Kenton Varda, de Cloudflare, lo dijo con la imagen perfecta: pedirle a un LLM que domine las tool calls es como pedirle a Shakespeare que tome un curso intensivo de mandarín y escriba una obra en chino. Puede, pero no es su lengua. Su lengua — la que aprendió de millones de repositorios — es el código.
Mucho aparato, mucho humo, poco oro.
2024: el paper que lo midió
La idea tiene partida de nacimiento académica: (Wang et al., ICML 2024, Illinois) propuso consolidar todas las acciones del agente en un solo espacio: código Python ejecutable. En vez de elegir entre cincuenta herramientas, el agente escribe un programa; el programa compone, itera, maneja errores. Midieron contra tool calls en JSON y texto: hasta 20 puntos más de tasa de éxito, con menos turnos.
Hugging Face lo productizó meses después en
, donde el agente
default no es el que emite JSON: es el CodeAgent.
La alquimia se volvió química el día que alguien empezó a medir.
2025: Cloudflare le pone nombre y Anthropic le pone filesystem
En septiembre de 2025, Cloudflare publicó : en vez de conectar los servidores MCP como tools, los convierte en una API TypeScript y deja que el modelo escriba código contra ella. El resultado que reportó la comunidad: en tareas por lotes, porque los datos intermedios ya no pasan por el contexto — viven en variables.
En noviembre, Anthropic publicó su versión — — con un giro elegante: las herramientas se presentan como archivos en el filesystem del agente. Un índice chico siempre visible; el detalle de cada módulo se lee sólo cuando se necesita. El agente descubre sus capacidades igual que un programador descubre una librería: abriendo el archivo.
Hasta aquí la historia pública. Ahora el capítulo nuestro.
Nuestro capítulo: code-mode para un equipo, no para una persona
Un taller, muchas manos — y cada plancha firmada por la suya.
En Ghosty cada agente trabaja dentro de su propia caja aislada con un SDK
descubrible por filesystem — un índice y módulos (web, render, db, image,
voice, connectors…) que el agente importa desde sus propios scripts. Es la
arquitectura del post de Anthropic, corriendo en producción desde antes de que
existiera el post. Y como el SDK vive en la caja y no en el modelo, los tres
cerebros que ofrecemos (Claude, Codex y DeepSeek) usan exactamente las mismas
herramientas: el cerebro es intercambiable; el arnés es el producto.
Pero los posts de Cloudflare y Anthropic comparten un supuesto silencioso: un solo usuario. Un desarrollador, su agente, sus llaves. Nuestro caso es otro: N espacios de trabajo, cada uno con su equipo, y dentro de cada equipo N personas invocando al mismo agente con permisos distintos. Ahí el code-mode ingenuo se rompe — un agente que puede escribir código puede escribirle a la API lo que sea, y "lo que sea" incluye los datos de otro tenant.
Nuestra respuesta es un pase firmado por turno: cada vez que un agente arranca un turno, la plataforma le entrega un token efímero que lleva firmado quién lo invocó, de qué workspace y hacia qué conversación puede escribir. Las herramientas de plataforma —crear un formulario, escribir en la memoria del equipo, abrir un PR— no viven en la caja del agente: viven en nuestro servidor, y cada llamada valida ese pase. El agente escribe todo el código que quiera; el radio de daño lo pone la firma, no la prosa del prompt. Y como esas herramientas son funciones del servidor, agregar una nueva es editar un archivo: segundos de deploy, cero cambios en las cajas, y los tres cerebros la ven al instante.
El caso de esta mañana, completo
Con esas piezas, la memoria del workspace que estrenamos hoy costó una mañana de trabajo:
- Sueltas un documento en la Memoria del equipo. El agente lo lee en su caja, con sus propios programas — OCR incluido si hace falta.
- Lo que vale la pena se guarda con una herramienta de plataforma: notas cortas, con título, ligadas al documento del que salieron. Conocimiento destilado, no texto copiado.
- Cualquier agente del workspace, en cualquier conversación, ve el índice de esa memoria y lee la nota completa sólo cuando la necesita — otra vez el patrón del filesystem: índice barato siempre, detalle bajo demanda.
- Y el equipo la cura: cualquier miembro corrige o borra un hecho desde la interfaz, porque una memoria que nadie puede podar acaba llena de mentiras con autoridad.
El manual de 126 páginas quedó en cinco notas y una marca nueva lista para usarse — sin pisar la nuestra. Eso es code-mode con apellido: la libertad del código dentro de la caja, la autoridad de la firma fuera de ella.
La idea lleva dos años demostrando que funciona — el paper, smolagents, Cloudflare, Anthropic. Lo que faltaba era llevarla del playground del desarrollador solitario al lugar donde trabaja un equipo real. Ahí es donde estamos jugando.