Asistentes de IA en el terminal Linux

La generación actual de asistentes de IA ha salido del navegador y ha entrado en el terminal — donde trabajan realmente el sysadmin y el desarrollador. Leen archivos, explican errores, escriben scripts y ejecutan comandos con tu aprobación. Este post es el mapa actualizado de septiembre de 2026: qué hay disponible, cómo instalar cada uno y qué hacer para no pegarte un tiro en el pie.

Qué ha cambiado desde la primera versión de este post

Dos cosas, y ambas importan:

• El Gemini CLI se acabó. Google ha desactivado el comando gemini en 18 de junio de 2026, sin periodo de gracia para el nivel gratuito, y ha consolidado todo bajo la marca Antigravity. El sustituto es el agy. Si tenías un script de CI llamando a gemini, dejó de funcionar ese día.
• El campo se llenó. En 2025 había dos o tres. Hoy son al menos ocho CLIs relevantes, y la elección pasó a ser de harness — el programa que orquesta el agente — más que de modelo.

Las opciones en septiembre de 2026

Comando	Herramienta	Modelo subyacente	Licencia
claude	Claude Code (Anthropic)	Claude	Propietaria, suscripción o API
codex	Codex CLI (OpenAI)	GPT	Código abierto, cuenta de ChatGPT o API
agy	Antigravity CLI (Google)	Gemini	Propietaria; sucesora de Gemini CLI
opencode	OpenCode	Cualquiera — tú eliges	Código abierto
copilot	GitHub Copilot CLI	Varios, a través de GitHub	Propietaria, suscripción
crush	Crush (Charm)	Varios proveedores	Código abierto
grok	Grok Build (xAI)	Grok	Código abierto, Apache-2.0
ollama	Ollama	Modelo local, sin nube	Código abierto

Claude Code

El agente que popularizó el formato: navega por el proyecto, lee y edita archivos, ejecuta comandos y pide aprobación antes de actuar.

npm install -g @anthropic-ai/claude-code
cd ~/meu-projeto
claude

En la primera ejecución solicita inicio de sesión. Después solo hay que conversar:

> explique o que esse script faz e onde ele pode falhar

> escreva um script bash que faça backup do /etc para
  /backup com data no nome e mantenha só os últimos 7

Codex CLI

El agente de OpenAI, escrito en Rust y de código abierto. Se autentica con tu cuenta de ChatGPT o con una clave de API:

# instalador oficial
curl -fsSL https://chatgpt.com/codex/install.sh | sh

# ou, se você já vive no npm
npm install -g @openai/codex

codex

También se ejecuta en modo no interactivo, lo que resulta útil para la automatización:

echo "resuma os erros deste log e sugira a causa" | codex exec -

Antigravity CLI (el agy)

El sustituto de Gemini CLI. Escrito en Go, enfocado en orquestrar varios agentes en paralelo, con traspaso de tareas entre ellos y estado que sobrevive a sesiones largas.

curl -fsSL https://antigravity.google/cli/install.sh | bash
agy

Quien venía del gemini necesita migrar de verdad: es una instalación nueva, no un alias. Las skills, hooks y los subagentes que tenías siguen siendo válidos, pero el binario es otro.

OpenCode

El comodín de la lista, y el más interesante para quien no quiere quedarse atado a un proveedor: es abierto y agnóstico de modelo — puedes apuntarlo a Anthropic, OpenAI, Google, un proveedor local o lo que quieras.

curl -fsSL https://opencode.ai/install | bash

# ou
npm install -g opencode-ai

opencode

GitHub Copilot CLI

Tiene sentido si tu empresa ya paga Copilot y el código está en GitHub — la integración con issues y pull requests es el diferencial.

npm install -g @github/copilot
copilot

Grok Build

El agente de xAI, y el más reciente de la lista — el repositorio xai-org/grok-build se abrió en julio de 2026 bajo la licencia Apache-2.0 y ya supera las 26 mil estrellas. Está escrito en Rust, lo que se nota al arrancar: se abre al instante.

La diferencia de formato respecto a los demás es que no es un prompt desplazándose en la terminal, sino una TUI a pantalla completa — interactiva, con ratón — que entiende el proyecto, edita archivos, ejecuta comandos de shell, busca en la web y realiza un seguimiento de tareas largas.

# macOS e Linux
curl -fsSL https://x.ai/cli/install.sh | bash
grok --version

# rodar dentro do projeto
cd ~/meu-projeto
grok

Tres cosas que vale la pena saber antes de adoptarlo:

• Modo headless. Además de la TUI, se ejecuta sin interfaz para scripts y CI — es lo que permite meterlo dentro de un pipeline.
• ACP. Implementa el Agent Client Protocol, así que se puede integrar el agente dentro del editor en lugar de alternar entre ventanas.
• Compilar desde la fuente es tedioso. Se puede hacer, pero la compilación requiere el toolchain de Rust fijado por rust-toolchain.toml más DotSlash no PATH para resolver el protoc hermético. Para un uso normal, usa el binario publicado.

Un matiz honesto sobre el “código abierto”: el repositorio es la fuente Rust del CLI y del runtime del agente, sincronizada periódicamente desde el monorepo de la empresa — no es un proyecto de desarrollo comunitario. El modelo sigue siendo un servicio de pago de xAI. Tú auditas y modificas el harness, no el cerebro.

Sin nube: modelo local

Para un servidor aislado, datos sensibles o simple tozudez, el camino es ejecutar el modelo en tu propia máquina. Es más lento y el resultado es peor que el de los modelos frontera, pero nada sale de la red:

curl -fsSL https://ollama.com/install.sh | sh
ollama run qwen2.5-coder:7b

El paso a paso completo está en Ejecutando IA local en Linux con Ollama. Para dar servicio a varios usuarios al mismo tiempo con rendimiento de verdad, consulta vLLM.

Cuál elegir

• ¿No sabe por dónde empezar? Claude Code o Codex. Son los dos con el flujo de agente más maduro.
• ¿No quiere depender de un proveedor? OpenCode, apuntando al proveedor que usted quiera.
• ¿Quiere el harness auditable, en Rust, con TUI de pantalla completa? Grok Build — el código del agente es Apache-2.0.
• ¿La empresa ya paga GitHub? Copilot CLI, por la integración.
• ¿Dado que no puede salir de la máquina? Ollama, y acepte el resultado más débil.
• ¿Quiere todos instalados sin trabajo? Una distro Omarchy ya viene con todos estos CLI pre-conectados como stubs — no se descarga nada hasta el primer uso.

Para qué sirven realmente estas herramientas

• Explicar error sin rodeos: pegue el stacktrace y pida el diagnóstico.
• Generar boilerplate: unit de systemd, playbook de Ansible, configuración de nginx, Dockerfile.
• Leer log: “resuma los errores de este journalctl y agrúpelos por servicio”.
• Adentrarse en código ajeno: “¿dónde este proyecto valida el token?” resuelve en segundos lo que llevaría una tarde de grep.
• Aprender: “por qué este find usa -print0 e xargs -0?”

Y dónde son malas: decisiones de arquitectura, cualquier cosa que dependa de contexto que no le hayas dado, y comandos destructivos. La confianza del modelo no tiene relación con el acierto.

Cuestiones de sysadmin

La IA falla con confianza. Reglas de supervivencia, en orden de importancia:

1. Leia TODO comando antes de aprovar a execução.
2. Nunca rode sugestão de IA como root em produção sem testar antes.
3. Senha, chave privada e token não entram no prompt — nem "só para
   o agente ver". O que entra no contexto sai da sua máquina.
4. Trabalhe em repositório com git limpo: o desfazer é o `git diff`.
5. Desconfie do modo automático. "Não pergunte, faça" economiza
   cliques até o dia em que economiza o seu /etc.
6. Em servidor isolado ou com dado regulado, prefira modelo local.

Vale un párrafo sobre el ítem 5. Todos esos agentes tienen un modo de aprobación automática, y es tentador activarlo. Es aceptable en un contenedor desechable o en un repositorio versionado que puedas revertir. En un servidor de producción, con acceso de root, no lo es.

Qué viene después: MCP y skills

La evolución reciente no está en el modelo, sino en lo que el agente puede alcanzar. Dos mecanismos lo han estandarizado:

• MCP (Model Context Protocol) — un protocolo abierto para que el agente hable con herramientas externas: tu base de datos, tu WordPress, tu API interna, Kubernetes. En lugar de pegar la salida del comando en el prompt, el agente consulta la fuente.
• Skills — instrucciones empaquetadas que enseñan al agente a realizar una tarea a tu manera, cargadas solo cuando hacen falta.

Tratamos el tema en Vibe coding en Linux: cuatro skills de IA en el CLI.

Cerrando

La ganancia real no es “la IA lo hace por mí” — es tener un par técnico disponible 24 horas dentro del terminal, que ya ha leído toda la documentación y nunca se cansa de explicar. Quien aprende a usarlo bien, con revisión y sin externalizar el juicio, produce visiblemente más. Quien aprueba comandos sin leer, tarde o temprano restaura una copia de seguridad.