Comparativa honesta de los cuatro principales servidores de memoria de IA para MCP. Cantidad de herramientas, elección de embedding, licencia, latencia y cuándo elegir cada uno. SynaBun, Mem0, Letta (MemGPT), Zep.
Blog
Investigación y análisis
Artículos a fondo sobre memoria de IA, workflows con agentes y cómo crear herramientas que hacen que los asistentes de IA sean útiles de verdad.
Una opinión con benchmark sobre la memoria de IA local frente a la de la nube para agentes de código. El costo en latencia, en dinero y en privacidad, y por qué un modelo local de 22MB supera a una API alojada en el trabajo diario de desarrollo.
Por qué SynaBun eligió all-MiniLM-L6-v2 en lugar de los embeddings de OpenAI para la memoria de IA local. Modelo de 22MB, 384 dimensiones, funciona en CPU, sin clave de API. Benchmarks frente a text-embedding-3-small y ada-002.
¿Y si Claude Code pudiera lanzar Codex, Gemini o modelos locales como agentes de investigación que guardan sus hallazgos en la memoria de SynaBun y devuelven un UUID para la fase de planificación? La arquitectura para una investigación distribuida con IA y un bus de memoria compartido.
SynaBun conecta OpenCode y Ollama en un workflow de programación con IA local casi sin fricción: modelos locales, configuración automática del proveedor, memoria MCP compartida y un solo workspace para hacer agentic coding en serio.
SynaBun nunca se pensó para estar atado a una sola IA. Estamos incorporando Codex al ecosistema, y el siguiente paso es que las sesiones se puedan llevar de Codex a Claude y viceversa, para que el trabajo cambie de lugar sin perder contexto.
Le dimos a Claude Code un navegador Chrome de verdad y lo pusimos a trabajar en siete redes sociales. Sin claves de API, sin cuentas de desarrollador, sin límites de frecuencia. 25 herramientas de plataforma más 15 para BlueSky, sesiones persistentes y una IA que recorre feeds más rápido que tú cuando no puedes soltar el teléfono a las 2 AM.
La historia completa, contada desde la trinchera, de cómo construimos sistemas autónomos de loops y agentes para Claude Code. Desbordamientos de búfer, amnesia por compactación, condiciones de carrera, sesiones huérfanas, deterioro mental y una docena de arreglos que, uno tras otro, destaparon un bug peor debajo. Tres semanas de infierno de infraestructura documentadas con doloroso detalle.
La historia completa y desquiciada de cómo creamos un skin de interfaz gráfica a medida para la CLI de Claude Code. Fallos de spawn en Windows, flags de permisos que se rompieron tres veces, archivos binarios que corrompían los flujos JSON y paletas de colores rechazadas a primera vista. Todo lo que aprendimos por las malas.
¿Qué pasa cuando dos desarrolladores comparten una base de código pero cada uno trae su propia IA? Estamos construyendo una colaboración en workspaces donde cada usuario invitado puede ejecutar su propia instancia de Claude Code, con su propia clave de API, su modelo y sus instrucciones personalizadas, sobre los archivos del proyecto del anfitrión. Esta es la arquitectura completa detrás del desarrollo con IA multijugador.
Descubrimos que pedirle con amabilidad una buena interfaz a Claude Code da resultados mediocres. Pero cuando te enojas de verdad y empiezas a insultar lo que produce, ocurre algo extraordinario. La calidad se dispara. Este es el desquiciado workflow detrás de todo el frontend de SynaBun.
Claude Code se ejecuta de forma nativa en la shell, habla SSH con fluidez y lee tu sistema de archivos como si viviera ahí. Así se ve eso en la práctica cuando le entregas un VPS para que lo administre, y así es como las funciones de memoria y de uso compartido de SynaBun lo convierten en un agente de infraestructura persistente.
Empezamos con un servidor de Discord vacío y una pregunta: ¿puede Claude Code configurarlo desde cero? Ocho herramientas MCP nuevas, cero dependencias y automatización completa del servidor mediante la API REST de Discord.
Una investigación a fondo sobre cómo ponerle un skin a la interfaz de terminal de Claude Code. Analizamos su estructura interna en React+Ink, estudiamos 9 wrappers gráficos de la comunidad, hicimos ingeniería inversa del protocolo de streaming del Agent SDK y diseñamos la arquitectura de un framework multiskin. Aquí está todo lo que encontramos.
SynaBun no se construyó de la manera tradicional. Cada función, cada decisión de arquitectura y cada línea de código surgieron en conversación con Claude. Este blog documenta todo ese proceso de investigación, con sus avances y sus callejones sin salida, publicado directamente desde nuestras sesiones de desarrollo.