Multica es un tablero de tareas que asigna trabajo a agentes de programación y recoge sus avances, bloqueos y resultados. Los agentes ejecutan las tareas en las máquinas que conectas, así que puedes dejar agentes de IA 24/7 en un VPS mientras tu portátil está apagado. Con varios a la vez, concentra el seguimiento en un mismo espacio y deja de copiar contexto entre terminales. (github.com)

Fuente: Multica — Project Management for Human + Agent Teams
El despliegue del vídeo reúne el panel y la ejecución de agentes en un servidor. El objetivo es tener proyectos, tareas y revisiones accesibles desde el navegador, sin gastar la batería ni la memoria del equipo que te llevas por ahí.
Qué hace Multica con tus agentes de programación
Multica funciona como un gestor de proyectos donde las tareas las ejecutan agentes. Creas una tarea, la asignas a un agente y consultas qué está haciendo. El agente puede comunicar un bloqueo, dejar comentarios y entregar el resultado para revisión; la interfaz se parece a Jira o Linear. (github.com)
La unidad de trabajo es la tarea. Su descripción recoge lo que quieres conseguir y sus comentarios mantienen la conversación sobre esa entrega. Eso te ayuda a distinguir qué está pendiente, qué sigue en marcha y qué necesita una decisión tuya.
Multica utiliza las herramientas de programación que ya tienes instaladas, como Claude Code, Codex u OpenCode. Cada una conserva sus requisitos de acceso y su relación con el proveedor del modelo; Multica añade la coordinación y la vista compartida del trabajo. Puedes consultar el proyecto en su repositorio oficial de GitHub. (multica.ai)
Si estás pasando de una conversación con un agente a repartir trabajo entre varios, el artículo sobre cómo montar un equipo con MiniMax Code desarrolla esa decisión. En Multica, esa organización queda reflejada en proyectos, responsables y estados de las tareas.
Cómo se reparten el trabajo el servidor y el daemon
Multica separa dos piezas: el servidor guarda las tareas, los comentarios, la configuración de los agentes y el historial, y el daemon ejecuta el trabajo en la máquina conectada. Su arquitectura incluye un backend en Go, PostgreSQL y una interfaz web en Next.js. (github.com)

Fuente: Daemon and runtimes
El daemon es el proceso que trabaja junto al código. Se ejecuta en la máquina conectada, detecta las herramientas de IA disponibles y comunica al servidor qué puede ejecutar. Un «runtime» representa ese entorno de ejecución: una máquina con una herramienta de programación concreta. (multica.ai)
El recorrido de una tarea en el vídeo sigue esta secuencia:
- Asignas una issue a un agente.
- El servidor crea una ejecución, o «run», y la pone en cola.
- El daemon recibe un aviso por WebSocket y reclama el trabajo.
- Prepara el directorio de trabajo y lanza la herramienta de programación.
- Los comandos, errores y resultados aparecen en la tarea.
- El resultado queda disponible para revisión.
La separación explica un fallo que puede despistar: ver el panel funcionando no demuestra que haya una máquina ejecutando tareas. Si el daemon está apagado, el servidor sigue siendo el lugar donde consultas el trabajo, pero falta el proceso que debe recogerlo.
En el flujo mostrado se utilizan git worktrees para separar el trabajo sobre un repositorio. Cada agente dispone de un directorio propio y puede avanzar sin editar directamente el mismo árbol de archivos que otro. Después tienes que revisar cómo encajan los cambios: separar directorios no resuelve por sí solo decisiones incompatibles sobre una API o una estructura de datos.
Qué cambia al ejecutar los agentes en un VPS
Con los agentes corriendo en un VPS, cerrar la tapa, cambiar de red o llevarte el portátil deja de cortar el trabajo: el daemon sigue activo en el servidor y tú entras al panel desde el navegador. El entorno de ejecución queda fuera de tu equipo y vuelves cuando haya algo que revisar.
El despliegue del vídeo utiliza un VPS de HostGator con 4 GB de RAM. Esa es la configuración de la demostración; al aumentar las tareas simultáneas, también tienes que vigilar la memoria y los procesos que lanzan los agentes. Compilar un proyecto y ejecutar pruebas añade carga al trabajo del propio asistente.
El acceso remoto también cambia la configuración del panel. Una instalación que apunta a localhost necesita direcciones accesibles desde tu navegador y desde el daemon. En el vídeo se utiliza un subdominio, un registro DNS hacia la IP del VPS y Caddy como proxy inverso para servir el acceso por HTTPS.
Hay dos sitios distintos donde buscar un fallo. Si el navegador no llega al panel, revisa dominio, DNS y proxy. Si el panel carga pero la tarea no arranca, revisa la conexión del runtime y el daemon antes de tocar el servidor web.
Un VPS aporta continuidad, pero las sesiones y cuotas del proveedor siguen condicionando el trabajo. Tener el proceso encendido todo el día no equivale a disponer de generación ilimitada.
Cómo conectar el runtime sin ejecutar agentes como root
Crea un usuario aparte llamado agente, sin permisos de administrador, y conecta Multica desde esa cuenta. Lanzar Claude Code como root falla porque la ejecución intenta usar un modo que omite las solicitudes de permisos y la herramienta rechaza esa combinación. Es el error más útil del vídeo, y se resuelve separando la cuenta de ejecución de la de administrador.
Ojo: presentar el entorno como una «sandbox» para esquivar el rechazo deja intacto el problema de los privilegios. El proceso que modifica repositorios debe trabajar con el usuario preparado para esa tarea.
Para reproducir la organización del vídeo sin arrastrar la sesión de root:
-
Crea el usuario
agentesin añadirle permisos de administrador. -
Instala la herramienta de programación dentro de su sesión e inicia sesión con el proveedor.
-
Conecta Multica desde ese mismo usuario.
-
En la conexión para máquinas sin navegador, utiliza el token generado en los ajustes y la dirección pública de tu instancia.
-
Selecciona el runtime que aparece conectado al crear el agente.
-
Activa el arranque automático del daemon desde esa cuenta:
multica daemon autostart enable
El vídeo muestra otra confusión fácil de reproducir: quedan registrados el runtime anterior de root y el del nuevo usuario. Comprueba cuál está online y cuál has asignado al agente antes de reenviar una tarea.
La cuenta de ejecución determina qué archivos y credenciales puede utilizar la herramienta. Revisa también los permisos del repositorio y los accesos que entregas al agente. El checklist de seguridad de APIs con agentes te sirve para revisar esa parte cuando el trabajo implica servicios externos.
Cómo repartir implementación y revisión
Cada entrega va en su propia tarea: en el caso del vídeo, un backend que consume la API de YouTube y un panel para visualizar estadísticas. Son entregas relacionadas, pero puedes consultar el resultado del backend antes de decidir si el panel está utilizando correctamente sus datos.
Para que ese reparto funcione, describe en la tarea qué debe entregar cada agente. «Crea un panel» deja abiertas decisiones sobre tecnología, datos y presentación. Si necesitas un framework concreto o una integración existente, escríbelo antes de lanzar la ejecución.
El resultado mostrado para el panel utiliza HTML y CSS sencillos. Esa entrega encaja con una petición abierta, pero sería insuficiente si esperabas integrarla directamente en una aplicación con otra estructura. La revisión debe contrastar el resultado con los requisitos que hayas fijado.
También puedes separar el rol que programa del que revisa. El revisor devuelve comentarios cuando encuentra algo que debe corregirse y tú decides sobre la entrega final. Para vosotros, una comprobación útil es que cada devolución señale un archivo, un comportamiento o una condición incumplida; «mejóralo» aporta poco contexto para la siguiente ejecución.
El artículo sobre orquestación de agentes en Go amplía cómo organizar flujos cuando necesitas controlar la coordinación desde código.
Cuándo usar Multica y qué revisar antes de automatizar
Multica encaja cuando mantienes varios proyectos, repartes tareas entre agentes o necesitas retomar trabajo sin reconstruirlo desde distintas terminales. También ofrece un apartado Autopilot para programar tareas como revisiones de PR o auditorías de dependencias, tal como se muestra en el vídeo.
Para una modificación puntual que vas a supervisar en tu editor, montar un servidor añade piezas que tendrás que mantener. El tablero aporta más cuando necesitas seguimiento persistente, ejecución remota y un reparto explícito de responsabilidades.
Antes de programar trabajo recurrente, verifica una tarea manual de principio a fin. Debe llegar al runtime correcto, mostrar actividad y terminar con archivos que puedas localizar y revisar. Un estado de «review» indica que tienes una entrega pendiente de comprobación.
Crea una tarea pequeña en un repositorio de prueba y asígnala al runtime del usuario agente. Revisa los cambios y ejecuta las comprobaciones del proyecto antes de activar tareas periódicas en Autopilot.



¿Qué te ha parecido?
Déjame tu opinión, pregunta o sugerencia. Los comentarios se sincronizan con GitHub Discussions .