Framework de agente personal de IA autohospedado en Python, con WebUI en el navegador, cliente de terminal, canales para apps de chat, herramientas, memoria y compatibilidad con MCP.
49,2 mil8,7 milPythonMITActualizado hace 4 horas
FoundationAgents/OpenManus
Framework de agentes de IA de propósito general y código abierto que ejecuta agentes basados en LLM desde una terminal, con uso de herramientas, compatibilidad con MCP y automatización del navegador.
Alternativa open source a:Manus
- Estrellas
- 58,743
- Forks
- 10,187
- Issues abiertos
- 441
- Último commit
- hace 20 días
¿Qué es?
OpenManus es un framework de Python para crear agentes de IA de propósito general que reciben una tarea en lenguaje natural y la llevan a cabo con herramientas. Se ejecuta desde la terminal: escribes una idea y el agente planifica y ejecuta los pasos necesarios. Se presenta como una alternativa abierta a productos de agentes cerrados que requieren códigos de invitación.
El proyecto se conecta a las API de LLM mediante un archivo de configuración TOML, en el que se definen el modelo, la URL base y la clave de API, además de un modelo independiente opcional para visión. Incluye varios puntos de entrada: un agente general mediante main.py, una versión con herramientas MCP mediante run_mcp.py y un flujo multiagente experimental mediante run_flow.py. En la configuración del flujo se puede habilitar un agente DataAnalysis para analizar y visualizar datos.
Para las tareas web, OpenManus usa Browser Use CLI como servidor MCP predeterminado, que se conecta a Chrome o Chromium local, o a un navegador de Browser Use Cloud. También es compatible con BrowserGym, que requiere tener instalado un navegador Playwright.
Funciones clave
- 01Ejecuta agentes de IA de propósito general desde una terminal a partir de una tarea en lenguaje natural.
- 02Configura proveedores de LLM y un modelo de visión independiente mediante un archivo TOML.
- 03Ofrece una versión con herramientas MCP y un flujo multiagente experimental.
- 04Incluye un agente DataAnalysis para analizar y visualizar datos.
- 05Automatiza navegadores mediante Browser Use CLI, con opciones para usar Chrome local o un navegador en la nube.
Casos de uso
- Prototipar un agente de propósito general que responda preguntas y complete tareas de varios pasos.
- Experimentar con agentes que usan herramientas para navegar por la web en tu nombre.
- Realizar análisis de datos y generar gráficos mediante un agente basado en LLM.
- Estudiar una base de código abierta de agentes basada en API de LLM y herramientas MCP.
Inicio rápido
- 1
Clona el repositorio
git clone https://github.com/FoundationAgents/OpenManus.git - 2
Instala las dependencias
pip install -r requirements.txt - 3
Crea tu archivo de configuración a partir del ejemplo
cp config/config.example.toml config/config.toml - 4
Ejecuta OpenManus e introduce tu idea en la terminal
python main.py
Antes de usarlo
- Debes añadir tu propia clave de API de LLM a config/config.toml antes de poder ejecutarlo.
- En el README se indica que la versión multiagente run_flow es inestable.
- La automatización del navegador requiere una configuración adicional, como instalar Chromium o los navegadores de Playwright.
Temas
Preguntas frecuentes
- ¿Qué es OpenManus?
- Framework de agentes de IA de propósito general y código abierto que ejecuta agentes basados en LLM desde una terminal, con uso de herramientas, compatibilidad con MCP y automatización del navegador. OpenManus es un framework de Python para crear agentes de IA de propósito general que reciben una tarea en lenguaje natural y la llevan a cabo con herramientas. Se ejecuta desde la terminal: escribes una idea y el agente planifica y ejecuta los pasos necesarios. Se presenta como una alternativa abierta a productos de agentes cerrados que requieren códigos de invitación.
- ¿OpenManus es gratuito? ¿Qué licencia tiene?
- OpenManus es open source bajo la licencia MIT. Revisa los términos de la licencia antes de usarlo en productos comerciales.
- ¿OpenManus sigue mantenido?
- Mantenimiento activo. El último commit de OpenManus fue el 30 sept 2026.
- ¿Para qué puedo usar OpenManus?
- Prototipar un agente de propósito general que responda preguntas y complete tareas de varios pasos. Experimentar con agentes que usan herramientas para navegar por la web en tu nombre. Realizar análisis de datos y generar gráficos mediante un agente basado en LLM. Estudiar una base de código abierta de agentes basada en API de LLM y herramientas MCP.
- ¿Cómo se instala OpenManus?
- Clona el repositorio: git clone https://github.com/FoundationAgents/OpenManus.git Instala las dependencias: pip install -r requirements.txt Crea tu archivo de configuración a partir del ejemplo: cp config/config.example.toml config/config.toml Ejecuta OpenManus e introduce tu idea en la terminal: python main.py
- ¿Dónde consigo OpenManus?
- El código fuente y las instrucciones de instalación están en GitHub: https://github.com/FoundationAgents/OpenManus
Resumen generado por IA a partir del README del proyecto. Las estadísticas de GitHub se actualizan a diario.
Proyectos relacionados
Un framework abierto de agentes que ofrece a cada agente de IA su propio escritorio Linux en Docker, con navegador y herramientas para documentos, para realizar tareas reales.
19,5 mil3,8 milPythonOtherActualizado hace 6 días
Entorno open source para agentes autónomos de larga duración que coordina subagentes, memoria y sandboxes para investigar, programar y crear durante minutos u horas.
84,2 mil11,8 milPythonMITActualizado hace 5 horas
Complemento de Blender y servidor MCP que permiten a asistentes de IA como Claude crear, modificar e inspeccionar escenas 3D en Blender mediante prompts.
31,6 mil3 milPythonMITActualizado anteayer
Un harness de agentes para Python, con opiniones claras y todo incluido, que ejecuta tareas largas de varios pasos desde el primer momento sobre LangGraph.
30,4 mil4,3 milPythonMITActualizado hace 4 horas
Agente de investigación autónomo y de código abierto que planifica preguntas, recopila fuentes web y locales, y redacta informes con citas usando cualquier proveedor de LLM.
30,2 mil4,3 milPythonApache-2.0Actualizado hace 10 días