Agent Activity: un toolkit de reconocimiento de actividad de usuario para agentes Claude

Publicado esta semana en GitHub y recogido en Hacker News, Agent Activity es un toolkit open source desarrollado por Rafa Gómez Guillén que aborda un problema concreto en el diseño de agentes: darles contexto sobre qué está haciendo el usuario en su entorno de trabajo, no solo sobre lo que el usuario le dice explícitamente al agente.

La premisa es directa. Un agente Claude que solo recibe instrucciones textuales opera con información incompleta. Si el agente sabe que el usuario lleva diez minutos editando un archivo de configuración, que acaba de cambiar de directorio o que ha ejecutado una serie de comandos relacionados, puede responder con más precisión y anticiparse mejor a la siguiente necesidad. Agent Activity intenta cubrir esa brecha.

Qué hace exactamente

El toolkit funciona como una capa de recopilación de señales de actividad del usuario, pensada para integrarse con agentes que corren sobre Claude Code o como servidor MCP. Según el repositorio, captura eventos como:

• Actividad de ficheros (apertura, edición, guardado)
• Historial de comandos en terminal
• Cambios de contexto de trabajo (directorio activo, proyecto)
• Metadatos de sesión

Esta información se estructura y se expone como contexto consumible por el agente, de modo que pueda incorporarla en su razonamiento sin que el usuario tenga que verbalizarla en cada prompt.

El nombre "User Activity Recon Toolkit" —reconocimiento de actividad— es deliberado: recoge el vocabulario de inteligencia operativa para describir lo que hace, que es básicamente observar y sintetizar señales del entorno antes de que el agente actúe.

Por qué es relevante para el ecosistema Claude

En el modelo de trabajo actual con Claude Code, los hooks y los servidores MCP son los mecanismos naturales para enriquecer el contexto que recibe el agente. Un hook `PreToolUse` puede, por ejemplo, inyectar información del estado del sistema antes de que el agente llame a una herramienta. Agent Activity parece operar en esa capa: no modifica el comportamiento del modelo, sino que mejora la calidad del contexto de entrada.

Esto conecta con una tendencia que llevamos meses observando en el ecosistema: los equipos que obtienen mejores resultados de sus agentes no son necesariamente los que usan el modelo más grande, sino los que construyen pipelines de contexto más ricos y precisos. Con Claude Opus 4.7 y su ventana de un millón de tokens, la capacidad de absorber contexto ya no es el cuello de botella; el cuello de botella es qué contexto vale la pena incluir.

Para quién tiene sentido

El caso de uso más inmediato es el de desarrolladores que construyen agentes de asistencia técnica o de automatización de flujos de trabajo locales. Si tu agente necesita entender en qué punto del trabajo se encuentra el usuario para decidir qué hacer a continuación, un toolkit como este puede ahorrar mucha lógica ad hoc.

También hay un ángulo interesante para equipos que construyen subagentes especializados dentro de Claude Code: un subagente de revisión de código, por ejemplo, puede beneficiarse de saber qué ficheros ha tocado el usuario en los últimos minutos antes de recibir la tarea formal.

Hay que tener en cuenta, sin embargo, que el repositorio acaba de publicarse y la tracción en Hacker News es aún mínima (un punto, ningún comentario en el momento de la recogida). No hay documentación extensa ni casos de uso probados en producción que podamos citar. Es un proyecto en fase muy inicial.

Consideraciones de privacidad

Monitorizar la actividad del usuario en local para alimentar a un agente es útil, pero también implica decisiones de diseño que el repositorio debería explicar con claridad: qué se registra, durante cuánto tiempo, si los datos salen del entorno local y con qué granularidad. En entornos corporativos o en máquinas compartidas, estos aspectos no son opcionales.

El proyecto merece seguimiento si el autor mantiene el ritmo de desarrollo y añade documentación sobre integración con Claude Code y MCP. La idea es sólida; la ejecución está por ver.

---

Fuente original: Agent Activity en GitHub, recogido en Hacker News el 26 de mayo de 2026.

Opinión EP: El enfoque de enriquecer el contexto del agente con señales de comportamiento real del usuario es uno de los problemas más prácticos del desarrollo de agentes hoy. Que alguien lo aborde con una herramienta dedicada y open source es una señal positiva, aunque el proyecto necesita madurar bastante antes de ser una referencia en el ecosistema.