Microsoft Research presentó el 3 de agosto Orchard, un framework abierto para entrenar, evaluar y ejecutar agentes de inteligencia artificial a escala. El proyecto reúne una infraestructura basada en Kubernetes, datos de entrenamiento, métodos de evaluación y tres configuraciones especializadas en ingeniería de software, interacción gráfica y asistencia personal. La publicación aborda uno de los obstáculos más persistentes del desarrollo agéntico: reproducir experimentos complejos y llevarlos a entornos operativos sin reconstruir toda la infraestructura.
Los agentes actuales trabajan durante secuencias prolongadas, utilizan herramientas, modifican archivos y toman decisiones a partir del estado acumulado. Cada ejecución necesita aislamiento, trazabilidad y capacidad para recuperarse de errores. Orchard convierte ese entorno de ejecución en un servicio independiente y reutilizable, preparado para crear miles de componentes aislados en paralelo y atender tareas de dominios distintos.
Microsoft acompaña el framework con Orchard-SWE, Orchard-GUI y Orchard-Claw. Las tres propuestas cubren agentes de programación, uso de interfaces y asistentes conectados a herramientas. La compañía publica también las recetas de entrenamiento, los conjuntos de datos y los procedimientos de evaluación, de manera que universidades, empresas y equipos de desarrollo puedan estudiar el sistema, reproducir resultados y adaptarlo a sus propios casos.
Una capa común para ejecutar agentes a escala
Orchard Env constituye la base técnica del proyecto. Su arquitectura sobre Kubernetes administra contenedores aislados para cada ejecución y separa el entorno operativo de los modelos, los algoritmos de entrenamiento y las aplicaciones que los utilizan. Esta separación permite introducir nuevos agentes o benchmarks manteniendo una infraestructura común.
El mismo servicio puede atender tareas de programación, navegación web, manejo de aplicaciones y asistencia personal. También cubre las distintas fases del ciclo de aprendizaje: recopilación y destilación de datos, ejecuciones de aprendizaje por refuerzo y evaluación. Los equipos ganan así una forma coherente de comparar configuraciones y localizar el origen de los fallos.
El aislamiento adquiere especial relevancia cuando un agente dispone de terminal, navegador, repositorios o credenciales temporales. Una acción incorrecta puede alterar archivos o procesos y contaminar las siguientes pruebas. Los contenedores efímeros limitan ese impacto y facilitan que cada ejecución comience desde un estado conocido, una condición básica para obtener métricas fiables y aplicar controles de seguridad.
La escalabilidad aporta otro cambio práctico. El aprendizaje y la evaluación de agentes requieren numerosas trayectorias completas, con varios turnos y llamadas a herramientas. Orchard puede crear y retirar miles de entornos en paralelo, concentrando en una única capa la programación de recursos, el ciclo de vida de los contenedores y la recogida de resultados. Esa capacidad reduce la cantidad de ingeniería interna necesaria para comparar modelos o mejorar un agente.
Entrenamiento dentro de Codex, Claude Code y otros entornos
Microsoft destaca la compatibilidad con los llamados harnesses, las aplicaciones que rodean al modelo y coordinan su memoria, herramientas, turnos y conexiones. Codex, Claude Code y OpenClaw son algunos de los ejemplos citados. El comportamiento final depende de esa capa: dos agentes construidos sobre el mismo modelo pueden producir resultados muy diferentes por la manera en que exploran el contexto, ejecutan comandos y gestionan errores.
Orchard incorpora un proxy ligero que registra las llamadas al modelo realizadas por el propio harness mientras cada trayectoria se ejecuta en su contenedor. Esos registros se transforman en material de entrenamiento. El agente aprende dentro de la aplicación que utilizará después y conserva los patrones reales de interacción con herramientas, procesos y estados intermedios.
Orchard-SWE aplica este enfoque a tareas de ingeniería de software. La receta se apoya en Mini-SWE-Agent y utiliza SWE-bench Verified, un benchmark compuesto por incidencias reales de repositorios que exigen localizar, diagnosticar y corregir errores. La dificultad reside en completar el recorrido entero: interpretar el problema, navegar por una base de código, seleccionar archivos, ejecutar pruebas y entregar una modificación válida.
Orchard-GUI extiende la lógica a interfaces gráficas, donde el agente debe observar pantallas y actuar sobre elementos visuales. Orchard-Claw se orienta a asistentes personales conectados con servicios como calendarios y correo. Estas áreas muestran la amplitud del diseño: una empresa puede reutilizar la capa de ejecución y cambiar la receta según el proceso que quiera automatizar.
Qué aporta Orchard a los proyectos empresariales
El valor empresarial aparece en la estandarización del ciclo de desarrollo. Un piloto agéntico suele comenzar con unas pocas herramientas y pruebas manuales. Su paso a producción exige control de versiones, conjuntos de evaluación, gestión de permisos, observabilidad, aislamiento y criterios de aceptación. Orchard ofrece una referencia abierta para organizar esos componentes desde las primeras iteraciones.
La publicación de datos y evaluaciones permite además medir avances con mayor rigor. Las demostraciones individuales muestran capacidad, aunque aportan poca información sobre estabilidad, coste o comportamiento ante excepciones. Las trayectorias repetibles ayudan a calcular tasas de éxito, consumo de recursos y tipos de error, y permiten comparar una nueva versión con la anterior antes de desplegarla.
Los responsables tecnológicos pueden emplear esta arquitectura como punto de partida para agentes de mantenimiento de software, operaciones internas, soporte o tratamiento documental. Cada caso necesita límites propios: herramientas autorizadas, datos accesibles, acciones que requieren aprobación humana y registros que deben conservarse. Kubernetes resuelve la ejecución aislada; el gobierno del proceso continúa siendo una responsabilidad de diseño y operación.
El carácter abierto de Orchard también reduce la dependencia de infraestructuras cerradas durante la investigación y facilita que distintos equipos compartan recetas y resultados. Microsoft sitúa el proyecto en un terreno donde la competencia se desplaza hacia la calidad del sistema completo: entorno, datos, evaluación, herramientas y modelo. Para las empresas, esa visión ofrece una ruta más concreta para convertir los agentes en componentes tecnológicos mantenibles, auditables y sometidos a mejora continua.
