Eigent
Pricing
A cream facade with blue windows refracted through fine vertical glass

AI workspace

  • OverviewSee the whole workspace.
  • Spaces and SessionsKeep each project's files and work together.
  • Skills & ConnectorsTeach agents your way of working. Connect your tools.
  • AutomationsRun Tasks on a schedule or a trigger.
  • Remote ControlCheck in from your browser or phone.
  • Use casesSee real work, finished.

Updates

  • ChangelogCatch up on the latest releases.
  • RoadmapFollow what comes next.
  • WindowsDownload Eigent for Windows.
  • MacDownload Eigent for macOS.
  • LinuxDownload Eigent for Linux.
  • Open SourceInspect, adapt, and make it yours.
  • EnterpriseRoll Eigent out across your company.
Concrete balconies and golden railings refracted through fine vertical glass

Enterprise

  • OverviewAn AI workspace for every team, in your environment.
  • MonitoringSee every run, step by step.
  • GovernanceSet who can build, run, and approve.
  • ControlLimit what agents can reach.
  • Security and trustHow we protect your data.
  • Enterprise servicesWe build it with you, then hand it over to your team.
  • Talk to salesPlan a proof of concept for your company.
A sunlit facade and geometric shadows refracted through fine vertical glass

Environments

  • OverviewTrain and test agents on real work.
  • Environment catalogBrowse 30 categories of environments.
  • Request an environmentTell us what your agents need to learn.
  • AgenticRL-BenchCan agents do agentic RL? See the leaderboard. (opens in a new tab)
  • Env-LabCustom RL environments, training data, and benchmarks for real work. (opens in a new tab)
Weathered window frames refracted through fine vertical glass

Learn

  • DocsGet started and go deeper.
  • BlogIdeas, releases, and stories.
  • SupportFind answers and get help.

Company

  • AboutMeet the people behind Eigent.
  • CareersJoin the team building Eigent.

Community

  • CAMEL-AIThe multi-agent research community behind Eigent. (opens in a new tab)

AI workspace

  • OverviewSee the whole workspace.
  • Spaces and SessionsKeep each project's files and work together.
  • Skills & ConnectorsTeach agents your way of working. Connect your tools.
  • AutomationsRun Tasks on a schedule or a trigger.
  • Remote ControlCheck in from your browser or phone.
  • Use casesSee real work, finished.

Updates

  • ChangelogCatch up on the latest releases.
  • RoadmapFollow what comes next.
  • WindowsDownload Eigent for Windows.
  • MacDownload Eigent for macOS.
  • LinuxDownload Eigent for Linux.
  • Open SourceInspect, adapt, and make it yours.
  • EnterpriseRoll Eigent out across your company.

Enterprise

  • OverviewAn AI workspace for every team, in your environment.
  • MonitoringSee every run, step by step.
  • GovernanceSet who can build, run, and approve.
  • ControlLimit what agents can reach.
  • Security and trustHow we protect your data.
  • Enterprise servicesWe build it with you, then hand it over to your team.
  • Talk to salesPlan a proof of concept for your company.

Environments

  • OverviewTrain and test agents on real work.
  • Environment catalogBrowse 30 categories of environments.
  • Request an environmentTell us what your agents need to learn.
  • AgenticRL-BenchCan agents do agentic RL? See the leaderboard. (opens in a new tab)
  • Env-LabCustom RL environments, training data, and benchmarks for real work. (opens in a new tab)

Learn

  • DocsGet started and go deeper.
  • BlogIdeas, releases, and stories.
  • SupportFind answers and get help.

Company

  • AboutMeet the people behind Eigent.
  • CareersJoin the team building Eigent.

Community

  • CAMEL-AIThe multi-agent research community behind Eigent. (opens in a new tab)
Pricing
Blogs
Tutorial|Jan 30, 2026

Eigent: la Cowork de código abierto se encuentra con Z.ai GLM-4.7

Automatización empresarial de navegador y terminal con CAMEL Workforce y GLM-4.7

EigentEigent
Share to
Eigent: la Cowork de código abierto se encuentra con Z.ai GLM-4.7
  • Resumen
  • Antecedentes: Qué es Eigent y cómo admite GLM-4.7
  • Repositorio de GitHub y cómo configurar Eigent
  • Clone the repository
  • Install frontend dependencies
  • Run in development mode
  • Bajo el capó: stack completo de Eigent y arquitectura de CAMEL Workforce
  • CAMEL Workforce: un sistema multiagente inspirado en las organizaciones
  • Probando GLM-4.7 con automatización de terminal en el mundo real
  • Cómo GLM-4.7 impulsa el rendimiento de tareas agentic
  • Conclusión y próximos pasos
  • Participa
Automate Everything with
AI Workforce on Desktop
Download Eigent

Resumen

En entornos empresariales reales, muchas herramientas internas, paneles de control y sistemas heredados operan completamente en el navegador o en la terminal, formando la base de las operaciones diarias del negocio.

Para automatizar estos sistemas complejos, presentamos Eigent, una aplicación de fuerza laboral multiagente de código abierto que se ejecuta localmente y puede configurarse por completo desde el código fuente, con un fuerte enfoque en la automatización de navegador y terminal, sirviendo esencialmente como tu alternativa open-source a Cowork para flujos de trabajo empresariales.

En esta publicación, exploraremos cómo Eigent aprovecha la arquitectura de Workforce de CAMEL y la automatización de terminal para manejar tareas empresariales de varios pasos. También examinaremos más de cerca GLM-4.7, analizando su rendimiento en la automatización de terminal y las características arquitectónicas que respaldan flujos de trabajo agentic de largo horizonte.

Antecedentes: Qué es Eigent y cómo admite GLM-4.7

Eigent es un producto de fuerza laboral multiagente de código abierto que se ejecuta localmente en tu escritorio. Está construido sobre una arquitectura multiagente estilo workforce y equipado con capacidades de propósito general como:

  • Automatización de navegador
  • Automatización de terminal
  • Integraciones de MCP (Model Context Protocol)

Este diseño permite que los agentes en Eigent se comporten como trabajadores humanos reales, operando directamente dentro de entornos de escritorio, sin requerir integraciones API profundas ni reconfiguración constante del flujo de trabajo.

A medida que los modelos fundacionales siguen mejorando, integrarlos con el sistema multiagente de código abierto de Eigent permite a desarrolladores y empresas aplicar capacidades de LLM a casos de uso del mundo real de forma rápida y eficaz.

Por eso Eigent integró GLM-4.7 inmediatamente después de su lanzamiento.

Primeros pasos con GLM-4.7

  • Modo Cloud:

    Solo selecciona GLM-4.7 en el desplegable superior de modelos.

  • Bring Your Own Key (BYOK):

    Ve a Model Settings → GLM, introduce tu clave de API de Z.ai y establece el nombre del modelo en GLM-4.7.

¿Necesitas ayuda? Consulta nuestra guía para configurar tu clave de API de Z.ai.

También tienes disponible abajo un tutorial en vídeo paso a paso.

Repositorio de GitHub y cómo configurar Eigent

Repositorio de GitHub

👉 https://github.com/eigent-ai/eigent

Inicio rápido: configuración del entorno

Puedes ejecutar Eigent de dos maneras:


Opción A: aplicación de escritorio sin configuración (recomendada para usuarios)

Para usuarios que quieren empezar a automatizar tareas de inmediato:

  1. Descarga el cliente desde el sitio web oficial
  2. Instala el archivo .dmg (macOS) o .exe (Windows)
  3. Abre la aplicación — el backend local se inicia automáticamente

Opción B: configuración para desarrolladores (desde el código fuente)

Para desarrolladores que quieren inspeccionar o personalizar el sistema.

1. Requisitos previos

  • Node.js v18–22
  • Python 3.10+

2. Clonar e instalar

# Clone the repository
git clone https://github.com/eigent-ai/eigent.git
cd eigent

# Install frontend dependencies
npm install

3. Ejecutar la aplicación

# Run in development mode
npm run dev

Una vez en ejecución, puedes configurar directamente en los ajustes los proveedores de LLM (GLM-4.7, etc.).

Para una configuración avanzada y solución de problemas, consulta la documentación oficial.

Bajo el capó: stack completo de Eigent y arquitectura de CAMEL Workforce

Visión general del sistema

Eigent es una aplicación de escritorio local-first impulsada por un motor de orquestación multiagente construido sobre CAMEL Workforce.

Principios arquitectónicos clave:

  • Ejecución completamente local
  • Diseño full-stack desacoplado
  • Fuertes garantías de soberanía de datos
  • Sin ejecución de agentes en la nube

1. Frontend

El frontend actúa como el plano de control para la configuración de agentes y la supervisión de flujos de trabajo.

Stack tecnológico:

  • React + TypeScript
  • Electron
  • Zustand (gestión de estado)
  • React Flow (orquestación visual de agentes)

El frontend se comunica con el backend mediante solicitudes HTTP locales seguras.

2. Backend

El backend es un servidor Python local construido con:

  • FastAPI + Uvicorn
  • Python 3.10+ (gestionado por uv)
  • PostgreSQL (a través de SQLModel / SQLAlchemy)

Aloja el framework multiagente CAMEL, que gestiona:

  • Orquestación de workforce
  • Interacciones con LLM (remotas vía Z.ai o locales vía vLLM)
  • Toolkits para automatización de navegador, terminal y documentos

CAMEL Workforce: un sistema multiagente inspirado en las organizaciones

En el núcleo de Eigent se encuentra CAMEL Workforce, un sistema multiagente descentralizado diseñado para tareas empresariales complejas.

Roles de los agentes

  • Agente Coordinador

    Mantiene el estado global y asigna subtareas.

  • Agente de Tareas

    Descompone los objetivos de alto nivel en tareas atómicas.

  • Agente Trabajador

    Ejecuta tareas usando herramientas específicas del dominio.

Comunicación asíncrona: TaskChannel

La ejecución de tareas se coordina mediante una cola de mensajes asíncrona:

  1. Workforce inicia una tarea
  2. Los agentes trabajadores consultan asignaciones pendientes
  3. Los resultados se envían de vuelta al completarse

Este diseño garantiza una ejecución escalable y sin bloqueos.

Construcción dinámica de DAG

Los flujos de trabajo empresariales rara vez son lineales.

CAMEL Workforce construye dinámicamente un grafo acíclico dirigido (DAG):

  • Las tareas independientes se ejecutan en paralelo
  • Las tareas dependientes quedan bloqueadas hasta que se completan los requisitos previos

Ejemplo:

  • Search Flights y Search Hotels se ejecutan de forma concurrente
  • Generate Itinerary espera hasta que ambos estén DONE

Mecanismos tolerantes a fallos

Los fallos se tratan como estados esperados, no como errores fatales.

Estrategias de recuperación admitidas:

  • RETRY – Reejecutar la tarea
  • REPLAN – Modificar la tarea según los registros de fallo
  • REASSIGN – Mover la tarea a otro agente
  • DECOMPOSE – Dividir la tarea en subtareas más pequeñas

Probando GLM-4.7 con automatización de terminal en el mundo real

Evaluamos GLM-4.7 usando la automatización de terminal de Eigent en un flujo de trabajo realista de fin de jornada.

Tarea de ejemplo

"¡Ya termino de trabajar! Ayúdame a organizar los archivos de trabajo de mi escritorio en la carpeta de hoy y luego escribe un informe diario en HTML resumiendo lo que hice hoy."

Lo que debe hacer el agente

  1. Escanear los archivos del escritorio
  2. Crear una carpeta basada en la fecha
  3. Identificar y mover los archivos relacionados con el trabajo
  4. Inferir las actividades diarias a partir de los cambios en los archivos
  5. Generar un informe HTML estructurado

Esto requiere razonamiento de largo horizonte, preservación del contexto y múltiples llamadas a herramientas.

En nuestras pruebas, GLM-4.7 completó con éxito el flujo de trabajo.

Your browser does not support the video tag.

Cómo GLM-4.7 impulsa el rendimiento de tareas agentic

GLM-4.7 es un modelo orientado a código optimizado para flujos de trabajo agentic, que ofrece un sólido equilibrio entre coste y rendimiento.

Pensamiento intercalado y preservado

GLM-4.7 introduce controles avanzados de razonamiento:

  • Interleaved Thinking

    Piensa antes de cada respuesta y llamada a herramienta.

  • Preserved Thinking

    Retiene bloques de razonamiento entre turnos, reduciendo la deriva de contexto.

  • Control del pensamiento a nivel de turno

    Activa el razonamiento para tareas complejas y desactívalo para las ligeras para ahorrar coste y latencia.

Estas funciones hacen que GLM-4.7 sea especialmente adecuado para la automatización de largo horizonte y multi paso.

Conclusión y próximos pasos

Eigent ofrece un entorno de grado de producción y local-first para desplegar agentes de IA que operan directamente dentro de sistemas empresariales reales.

Al combinar:

  • La arquitectura multiagente basada en workforce de CAMEL
  • Autonomía a nivel de terminal y navegador
  • Fuerte observabilidad y tolerancia a fallos

Eigent ofrece las propiedades fundamentales necesarias para un despliegue de IA de nivel empresarial:

controlabilidad, auditabilidad y soberanía de datos.

También mostramos cómo GLM-4.7, cuando se integra con Eigent, ofrece capacidades de razonamiento robustas para flujos de trabajo complejos.

Participa

Eigent es totalmente de código abierto. Invitamos a desarrolladores, investigadores y equipos empresariales a explorar y contribuir.

  • 👉 GitHub: https://github.com/eigent-ai/eigent
  • 👉 Discord: https://discord.camel-ai.org

Recent Posts

Notas de la versión de Eigent v1.0.8 — Nuevo inicio, búsqueda global y conversaciones más claras
ProductoNov 17, 2026

Notas de la versión de Eigent v1.0.8 — Nuevo inicio, búsqueda global y conversaciones más claras

Eigent v1.0.8 renueva el inicio y el cuadro de mensajes, añade búsqueda entre espacios y muestra por defecto una cronología para seguir lo que hace el agente.

Douglas LaiDouglas Lai
GPT-6.2 Astra y Sol: Novedades, Precios y Benchmarks
SectorNov 17, 2026

GPT-6.2 Astra y Sol: Novedades, Precios y Benchmarks

GPT-6.2 Astra y Sol son los modelos más recientes de OpenAI para ChatGPT Work, Codex y la API. Descubre qué cambió, los precios, los benchmarks y cuál usar.

EigentEigent
¿Qué es NVIDIA Nemotron for Science? Modelos abiertos para agentes de investigación
SectorNov 17, 2026

¿Qué es NVIDIA Nemotron for Science? Modelos abiertos para agentes de investigación

NVIDIA Nemotron for Science explicado: el modelo abierto, el conjunto de datos de química LitmusBench v0.2 y las recetas de post-entrenamiento para construir agentes de IA para la investigación científica.

EigentEigent
Automate everything with AI workforce on desktop
Download Eigent

Prueba Eigent hoy

Descarga la aplicación de escritorio de código abierto y empieza a automatizar con una fuerza laboral de IA en tu equipo.

Descargar Eigent
Eigent

Recibe las últimas actualizaciones y tutoriales sobre automatización de la fuerza laboral con IA.

¡Gracias por suscribirte!

ProductoEigentEntornosPreciosEmpresarial
ExplorarSolucionesCasos de usoHabilidadesPluginsBlogNovedades
DesarrolladoresDocumentaciónGitHubCAMEL-AIFondo Open SourceSocio
DescargarPara código abierto
EmpresaSobre nosotrosMarcaEmpleosSoporteTérminos de usoPolítica de privacidadSeguridad y confianzaPolítica de cookiesPolítica de reembolso y prueba

Todos los derechos reservados © 2026 EIGENT UK LTD