[ Agent Infrastructure ]

Vessel

Un agente de IA que controla un escritorio Linux aislado, en vivo en tu navegador

EL RETO

La demo de computer use de Vercel muestra la idea, pero es una prueba de concepto mínima: sin historial de sesiones, sin visibilidad de las llamadas individuales a herramientas y con una integración del modelo que no funcionaba para computer use en AWS Bedrock. Quería una versión que se ejecute en Bedrock, mantenga las credenciales en el servidor y permita ver al agente trabajar y revisar lo que hizo.

ROL:Full-Stack Developer
AÑO:2026
TIPO:Open-Source Project
ESTADO:Live Demo

STACK TECNOLÓGICO

Next.jsTypeScriptAWS BedrockAnthropic SDKVercel AI SDKVercel SandboxnoVNCZustandTailwind CSS
I

Enfoque de ingeniería

Bucle de agente en el servidor

Todo el bucle de herramientas se ejecuta dentro de una única petición POST /api/chat: recibir el stream de Claude, ejecutar cada tool_use en el entorno aislado, devolver el tool_result y repetir hasta que el modelo se detiene. El frontend sigue viendo un data stream estándar del SDK de IA, así que useChat no necesitó cambios.

SDK nativo de Anthropic en Bedrock

Sustituí el proveedor de Bedrock del SDK de IA por @anthropic-ai/bedrock-sdk (InvokeModel) para que el flag beta de computer use de Anthropic llegue al modelo.

Conversión explícita del historial

toAnthropicMessages() convierte el historial UIMessage del SDK de IA en los turnos alternos de usuario y asistente que exige Anthropic, descartando las llamadas a herramientas incompletas y convirtiendo los resultados con capturas de pantalla al formato de imagen que espera el modelo.

Estado separado

Las sesiones de chat y la línea de tiempo de eventos de llamadas a herramientas viven en stores de Zustand separados, y el historial de mensajes se lee a través de una ref dentro de onFinish para que los callbacks nunca actúen sobre valores obsoletos.

II

Decisiones técnicas clave

Las decisiones que dieron forma a la arquitectura y a lo fácil que es mantenerla.

SDK nativo en lugar del proveedor de Bedrock del SDK de IA

Las llamadas pasan por @anthropic-ai/bedrock-sdk usando InvokeModel.

POR QUÉ

Con el proveedor de Bedrock del SDK de IA, Claude recibía las definiciones de las herramientas pero describía las acciones en texto en lugar de emitir bloques tool_use. El SDK nativo envía el flag beta en el cuerpo de la petición y el modelo empezó a actuar.

Ejecutar el bucle en el servidor

La ejecución de herramientas ocurre dentro de la ruta de la API, no en el navegador.

POR QUÉ

Ejecutar en el cliente añadiría un viaje de ida y vuelta al navegador por cada llamada a herramienta y pondría en el cliente las credenciales del entorno aislado. Hacerlo en el servidor mantiene ambos en el servidor.

maxSteps: 1 en useChat

El bucle de varios pasos se queda dentro de una única petición al servidor.

POR QUÉ

Con maxSteps superior a 1, useChat vuelve a enviar el historial tras cada turno, y los resultados con capturas de pantalla pierden su formato de imagen en la serialización JSON y vuelven como cadenas de texto, así que el modelo ya no puede verlos.

Dos stores separados

La canalización de eventos y la gestión de sesiones son stores de Zustand separados.

POR QUÉ

Cambian a ritmos distintos y por motivos distintos. Mantenerlos separados mantiene cada uno simple.

III

Retos y soluciones

[ RETO ]

En AWS Bedrock, Claude describía las acciones en texto en lugar de realizarlas.

[ SOLUCIÓN ]

Lo rastreé hasta que el flag beta de computer use no llegaba al modelo a través del proveedor de Bedrock del SDK de IA, y pasé al SDK nativo de Anthropic.

[ RETO ]

Los resultados con capturas de pantalla dejaban de funcionar después del primer turno, porque el historial reenviado los devolvía como cadenas de texto.

[ SOLUCIÓN ]

Mantuve el bucle de varios pasos dentro de una única petición al servidor con maxSteps: 1, y convertí el historial de forma explícita en toAnthropicMessages().

[ RETO ]

Anthropic exige que cada tool_use vaya seguido de un tool_result, y las ejecuciones interrumpidas dejaban llamadas a herramientas huérfanas.

[ SOLUCIÓN ]

Descarto los turnos del asistente con llamadas a herramientas incompletas antes de enviar, y marco las llamadas abortadas como resultados cuando el usuario detiene una ejecución.

IV

Resultados

Vessel ejecuta tareas de navegador y de terminal de principio a fin en un escritorio Linux aislado, transmitido en vivo en el navegador, con cada llamada a herramienta visible en una línea de tiempo de depuración. Es de código abierto y está desplegado en Vercel.

1
Request runs the full agent loop
2
Agent tools: computer and bash
2
Zustand stores: sessions and events

CONCLUSIONES CLAVE

Los errores más difíciles estaban en las fronteras: entre el SDK y el proveedor, y entre los formatos de mensajes de la interfaz y las reglas de turnos del modelo. Leer directamente el formato de red fue más rápido que adivinar a partir de los síntomas.