Hunter abre su código: agentes de IA para bolsa que corren en tu máquina
La plataforma agentpit-io/hunter-community publica bajo Apache 2.0 un stack de agentes de IA para analizar mercados que guarda conversaciones, carteras y tesis en la máquina del usuario.
El proyecto agentpit-io/hunter-community está en GitHub bajo licencia Apache 2.0 y acumula 509 estrellas y 57 forks desde que se creó el 10 de agosto. Se presenta como una plataforma de agentes de IA para inversores particulares: vigila precios, recoge noticias, lanza análisis, proyecta tendencias y monitoriza una lista de seguimiento siguiendo las instrucciones que definen sus archivos SKILL. Lo que la distingue, y su README lo repite varias veces, es que todo corre en la máquina del usuario.
Tres decisiones que explican el proyecto
La primera es que no obliga a usar la clave del fabricante. Para alimentar de datos al sistema hay tres caminos: las fuentes gratuitas akshare y yfinance, que funcionan sin configurar nada; herramientas propias y servidores MCP del usuario; o el canal de datos de la plataforma, que entrega una clave gratuita en 30 segundos. El consejo del equipo es empezar por las fuentes libres y completar el ciclo entero antes de gastar un céntimo.
La segunda es cómo mide los modelos. La tabla de pruebas no puntúa la calidad de las respuestas, sino cuántas veces el modelo invoca herramientas correctamente en siete escenarios. DeepSeek v4 pro pasa 6 de 7 con 30 segundos de latencia y Claude Sonnet 5 pasa 7 de 7 en 25,7 segundos. El equipo sostiene que esa es la métrica que importa cuando hablas de un agente y no de un chatbot.
La tercera es que expone sus propios problemas legales. Al revisar el MCP de dos proveedores chinos de datos no encontró condiciones de uso comercial en su documentación, así que fija como norma que las claves del equipo sirven solo para desarrollo y pruebas, nunca para actuar en nombre del usuario, y remite a cada cual a confirmar los términos con el proveedor. Que eso esté escrito en el README que usan para promocionarse dice bastante.
El detalle más singular del producto es lo que llaman memoria de inversión: guarda por qué compraste, las cinco hipótesis que sostenían la tesis y el coste de la posición, y va comprobando esas hipótesis con datos nuevos, desde resultados hasta señales de proveedores y canales. Ese estado vive en un Postgres del usuario. A eso se suman 23 SKILL con métodos de análisis: valoración profunda en 22 dimensiones, un debate de seis analistas a dos rondas, DCF, comparables y cinco cribados cuantitativos.
Antes de instalarlo
La integración continua no está verde. Las dos últimas ejecuciones de CI terminaron en failure, una de ellas el mismo día de la publicación, aunque el trabajo de publicación de la imagen Docker sí pasó en ambas. El repositorio acumula 454 commits.
Los requisitos tampoco son de broma: 20 GB de disco libre y 4 GB de memoria, y solo la imagen del motor de conversación ronda los 7,5 GB. Necesitas tus propias claves de modelo. El equipo calcula entre 0,0001 y 0,0008 dólares por llamada cuando la respuesta llega en unos 30 segundos; un análisis profundo tarda entre 60 y 300 y se cobra en proporción. Con DeepSeek hay que activar el ajuste de reestructuración de respuestas o las llamadas a herramientas se rompen.
El autor del post en X que dio a conocer el proyecto no aparece en la lista de colaboradores del repositorio, donde solo hay una cuenta que agrupa los commits, así que no está claro si lo creó o simplemente lo usa. Las 509 estrellas de hoy son 24 más que las de la captura del post, tomada unas horas antes. Queda por ver si el CI se pone verde y si el proyecto aguanta el interés ahora que el código está abierto.
