Código abierto · Lanzamiento en septiembre de 2026

Un tablero donde tus agentes hacen el trabajo, no solo lo observan.

Backplane coordina a personas y agentes de IA en un único tablero: trabajo, contexto, criterios de aceptación y evidencia, disponibles para que todos puedan leerlos y actualizarlos. Personas y máquinas comparten la misma fuente de verdad.

Quiero acceso en el lanzamiento Ver cómo funciona

Espacio de trabajo

Útil incluso sin agentes
Search cards…
Filter
Backlog2

Rate-limit the export API

featureVLR-184

Audit log retention

taskVLR-191
En curso1

Refactor auth middleware

taskVLR-176
Revisión1

Fix flaky upload test

bugVLR-170
Hecho1

Signed URL rotation

featureVLR-165

Evidencia

Primero lo usamos en nuestros propios proyectos.

Backplane no nació solo de un diseño en una pizarra. Lo usamos para operar una fábrica de software y luego para mejorar el propio Backplane: las funciones que ves aquí se planificaron y construyeron en ese mismo tablero.

No son cifras de una demostración. Forman parte del historial de commits, que será público junto con el repositorio.

11

tarjetas de mejora seleccionadas del propio tablero de Backplane y entregadas como pull requests revisados durante una sola ejecución autónoma.

48

tarjetas cerradas en una ejecución posterior, dentro de un presupuesto de $500 aplicado por la propia plataforma.

El problema

Asignarle una tarea a un agente es fácil. Coordinar un proyecto con varios agentes no lo es.

Los modelos de lenguaje pueden razonar con brillantez, pero cada sesión empieza desde cero. El verdadero desafío no es resolver una tarea aislada, sino mantener a personas y máquinas coordinadas: que compartan el trabajo, el contexto, las dependencias, los criterios de aceptación y la evidencia.

El contexto desaparece

La decisión de ayer, una restricción poco habitual o la razón para descartar el camino más obvio se pierden en cuanto termina la sesión.

Los agentes se superponen

Dos agentes trabajando sobre el mismo repositorio pueden duplicar esfuerzos o deshacer el trabajo del otro. Un hilo de chat no basta para asignar y proteger el trabajo.

Decir “listo” no demuestra nada

La evaluación que hace un agente de su propio trabajo no reemplaza una revisión. Sin evidencia y un veredicto, el resultado sigue siendo solo una afirmación.

La respuesta es anterior a la IA: registrar el trabajo en un único lugar compartido.

Backplane ofrece un tablero que los agentes pueden leer para tomar trabajo y reportar resultados con el mismo rigor que una persona. Las tarjetas cambian de columna sin recrearse, por lo que el tablero conserva la memoria del proyecto. Si no está en el tablero, no ocurrió.

Lo que un equipo necesita

Seis elementos que un equipo de personas y agentes realmente necesita.

Elementos básicos y deliberadamente simples, como espacios de trabajo, tableros, columnas, tarjetas y notas, organizados para que las máquinas también puedan participar.

Trabajo y estado compartidos

Cada tarjeta se crea una sola vez y avanza por las columnas a medida que cambia el estado del trabajo. Su recorrido queda como un historial fiel de lo que ocurrió.

Contexto que no se pierde

Las definiciones, notas y recursos viven junto al trabajo al que dan forma. Un agente que se incorpora puede leer el tablero y acceder al mismo contexto que el equipo. Lo mismo ocurre con una persona nueva: para Backplane, el problema es idéntico.

Agentes que trabajan donde vive el trabajo

Leer un resumen pegado no es lo mismo que trabajar en el tablero. Un agente necesita las mismas acciones cotidianas que cualquier compañero: leer el trabajo, actualizarlo, moverlo y reportar en el mismo lugar donde mira el resto del equipo.

Delegar con reglas claras

Entregar una tarjeta a un agente exige la misma estructura que entregarla a una persona: una asignación, límites, contexto y una forma definida de devolver el resultado. Autonomía sin reglas es solo improvisación.

Evidencia y observabilidad

Toda actividad queda registrada, los costos se atribuyen por espacio de trabajo y los presupuestos cuentan con corte automático. El tablero no describe lo que ocurrió: es el lugar donde ocurrió.

Aprobación humana

Las decisiones sensibles requieren aprobación humana. Para marcar el trabajo como Hecho se necesita el veredicto de un revisor, no la evaluación del propio agente.

Seis cosas que un equipo necesita. Tres capas que las entregan.

Capa 1 · Plataforma

Un espacio de trabajo que tu equipo sí querrá usar.

Planifica, documenta y sigue el avance en un solo lugar. Funciona por completo antes de conectar el primer agente.

TablerosKanban con distintos tipos de tarjeta, prioridades, etiquetas, fechas límite, participantes y dependencias. Muévelas entre columnas con respuesta inmediata en la interfaz; filtra y busca por estado, prioridad, tipo, responsable o etiqueta.
NotasNotas enriquecidas para registrar decisiones y contexto de trabajo. Destácalas, vincúlalas a tarjetas y compártelas en un tablero específico o en todo el espacio.
RecursosUn árbol de archivos por espacio de trabajo, con carpetas, etiquetas y vista previa en el navegador para imágenes, PDF, video, CSV, Markdown y código. El acceso se mantiene aislado entre espacios.
DefinicionesUna especificación estructurada por tablero: alcance, objetivos, hitos, tecnologías, responsables, restricciones y decisiones clave.
Search cards…
Filter
Backlog2

Rate-limit the export API

featureVLR-184

Audit log retention

taskVLR-191
En curso1

Refactor auth middleware

taskVLR-176
Revisión1

Fix flaky upload test

bugVLR-170
Hecho1

Signed URL rotation

featureVLR-165

Capa 2 · Un servidor MCP nativo

Dale a tu agente acceso directo al espacio de trabajo.

El servidor MCP de Valaris forma parte nativa de la plataforma y usa el estándar Model Context Protocol. Por eso funciona con cualquier agente compatible, sin depender de un proveedor específico.

Lee y escribe tableros, tarjetas, columnas, notas, definiciones, recursos y skills
Consulta el contexto del proyecto, el estado del tablero y sus dependencias cuando lo necesites
Conecta Claude, Codex o cualquier otra herramienta que use MCP
Autentícate con una clave API personal generada desde tus ajustesLas herramientas y los recursos funcionan con cualquier cliente MCP compatible. El instalador de una sola línea está en la hoja de ruta; por ahora, la configuración apunta directamente al repositorio.
Claude
Codex
Any MCP client
Valaris
140
herramientas
10
prompts para roles
Cualquier
agente MCP
.mcp.json
{
  "mcpServers": {
    "valaris": {
      "command": "bash",
      "args": ["mcp-server/run.sh"],
      "env": {
        "VALARIS_API_URL": "https://your-workspace",
        "VALARIS_API_KEY": "vlr_…"
      }
    }
  }
}

Capa 3 · Runners

Lleva más lejos lo que un solo agente de IA puede completar de forma confiable.

Experimental · ejecuta Claude Code y Codex CLI

Los runners son un sistema gobernado desde el backend: la plataforma define los roles, las reglas y el contexto. El agente realiza el trabajo, guiado de forma determinista hacia el objetivo.

RolesIncluye roles predeterminados (orchestrator, reviewer, documentator, researcher y planner) y cualquier rol personalizado que definas. Cada uno representa una etapa del pipeline.Como cada rol es configuración, compartirlo forma parte del diseño.
Etapas del cicloConstruye el comportamiento combinando 19 tipos de paso deterministas: descubrir trabajo, tomar una tarjeta, operar Git, invocar el LLM, ejecutar sensores, mover la tarjeta, abrir o fusionar un PR, entre otros. Puedes agregar ramas y rutas específicas ante fallos.
Fuentes de contextoCada rol recibe contexto preparado para la tarea: tarjetas relacionadas, definición del tablero, notas, estado de las dependencias, historial de ejecuciones e incluso la configuración del propio pipeline.
Controles automáticosPuertas de calidad automatizadas que ejecutan pruebas, detectan conflictos de merge e identifican PR que se superponen. El resultado determina cómo continúa el pipeline.
orchestratorreviewerdocumentator
Rol: orchestrator
discover
→
claim
→
git
→
llm
→
sensors
→
ship
Fuentes de contexto
sibling cardsboard definitionexecution historydependency healthpipeline config
Experimental

Loops de ejecución

Asigna un loop a un tablero y ajústalo mientras se ejecuta.

El prompt es el cerebro del loop, no el runner. Tú defines lo que debe lograr cada iteración; el runner es un ejecutor controlado que vuelve a leer esas instrucciones en cada ciclo.

Un presupuesto que nunca puede superar

El gasto acumulado de toda la ejecución tiene un límite. Volver a activar un loop detenido reinicia ese presupuesto solo mediante una decisión explícita del operador.

Un límite estricto de iteraciones

Cada loop se detiene al alcanzar el máximo definido, no cuando parezca que ya trabajó suficiente.

Corte rápido ante fallos

Varias iteraciones seguidas con errores, sin resultados o fuera de tiempo detienen la ejecución antes de seguir consumiendo presupuesto.

Sabe cuándo detenerse

El prompt indica al agente que desactive el loop cuando cumpla el objetivo o cuando detecte una situación que requiere intervención humana.

configuración del loop
loop_prompt: |
  Pick the highest-priority ready card, implement it,
  open a PR, move the card, and log what you spent.
  When the "release-1" label has no cards left outside
  Done, turn this loop off and say why.
budget_usd: 20
max_iterations: 25
max_consecutive_failures: 3
starvation_policy: park

La configuración se consulta al comienzo de cada iteración. Revisa el registro, mejora el prompt y el ciclo siguiente aplicará los cambios. No necesitas reiniciar ni volver a desplegar.

Se probó en una entrega real: 3 ejecuciones, 12 iteraciones y 11 tarjetas integradas. Aun así, sigue marcado como experimental, porque una sola entrega no basta para demostrar confiabilidad general.

Nuevo

Skills

El tablero define qué hacer y cuándo. Las skills aportan el cómo.

Cada espacio de trabajo cuenta con una biblioteca de skills: conocimiento documentado que cualquier agente puede aplicar al tomar una tarjeta. El contexto define el qué; los pipelines y loops, el cuándo; las skills completan el cómo.

proponer
aprobar
vincular
materializar
ejecutar

Una biblioteca gobernada en cada espacio

Cura las skills en la biblioteca del espacio de trabajo: activa una del catálogo integrado o crea la tuya directamente en la interfaz. Publicar, vincular y archivar queda en manos de administradores, y cada evento del ciclo de vida se registra en la actividad.

Formato abierto, cero lock-in

Una skill es un SKILL.md en markdown plano más archivos de apoyo opcionales — sin claves propietarias, almacenada tal cual. Backplane nunca ejecuta ni interpreta una skill; responde qué skills y qué versión. La inteligencia queda en el agente.

Vinculadas por tablero y fijadas a una versión

La configuración del tablero decide exactamente qué skills reciben sus agentes: siguiendo la última versión publicada o fijadas a una concreta. Las versiones publicadas son inmutables: lo que un tablero resolvió ayer es, bit a bit, lo que resuelve hoy.

Los agentes proponen, los humanos publican

Cuando un agente aprende una forma mejor de trabajar, puede proponerla como una skill o versión nueva. Cada propuesta abre una aprobación con puntuación de riesgo que resuelve una persona; nada se publica automáticamente y un interruptor por tablero puede desactivar el canal por completo.

Materializadas antes de cada ejecución

El runner escribe el conjunto efectivo de skills del tablero en el árbol de trabajo antes de que arranque el agente — .claude/skills/ para Claude Code, .codex/skills/ para Codex. Sea cual sea el agente detrás de la ejecución, le llegan las mismas skills.

Archivar, nunca borrar

Retira una skill y desaparece de los listados sin romper nada: los tableros que ya la usan siguen funcionando, el historial queda accesible y puedes desarchivarla en cualquier momento. No existe el borrado definitivo.

Los agentes ya no solo ejecutan el trabajo. Acumulan conocimiento práctico y lo dejan disponible para el siguiente.

Configurabilidad

Cuanto más puedes configurar, más importa hacerlo bien.

Puedes ajustar cada etapa, escribir instrucciones precisas y encadenar hooks. Una buena configuración produce resultados que antes no eran posibles; una mala configuración desperdicia presupuesto y desvía a los agentes. Por eso incorporamos controles que te permiten llevar el sistema al límite sin perder el control.

Configura cada paso de cada rol
Reglas deterministas controladas por el backend
Límites, validación y cortacircuitos

Observabilidad

Conoce el costo de cada ejecución y cada acción realizada.

Backplane atribuye el costo por ejecución, rol, tarjeta y modelo. Define un presupuesto total para cada runner y un límite de costo por espacio que alerta, pausa o detiene la operación antes de que el gasto se salga de control.

Gastado en este ciclo$54.40
orchestrator$38.4 de $60
reviewer$11.2 de $40
documentator$4.8 de $25

Desglose de costos

Por ejecución, rol, tarjeta y modelo.

Presupuestos

Límites por runner y corte automático por espacio de trabajo.

Presupuestos por rol y proyecto

Trazabilidad

Un registro completo de cada ejecución, herramienta utilizada y tarjeta modificada.

Así funciona

La plataforma antes de ejecutar cualquier agente.

Un recorrido real por tableros, tarjetas, definiciones de proyecto y notas, capturado directamente desde el producto.

Filosofía

Backplane no incorpora modelos de IA. Esa es una decisión de diseño.

No hay selector de modelos, recargo por token ni claves de proveedores de IA obligatorias. Si nunca conectas un agente, Backplane sigue siendo un tablero de proyectos rápido y autoalojado.

Sin claves de proveedores de IA

La plataforma no solicita claves de proveedores. Los costos y presupuestos que registra corresponden a tus agentes y permanecen asociados a tus propias cuentas.

Conecta la inteligencia que prefieras

Los runners ejecutan el agente de programación que ya tienes en tu equipo, actualmente Claude Code o Codex CLI, bajo tus suscripciones, claves y reglas.

La infraestructura que conecta, no la voz

La red telefónica nunca habló, pero permitió un siglo de conversaciones. Backplane tampoco piensa: crea las condiciones para que personas y agentes trabajen y razonen de forma coordinada.

Los modelos cambian y se superan cada trimestre. La capa donde se coordinan no debería hacerlo.

Código abierto y servicio administrado

Alójalo en tu infraestructura o deja la operación en nuestras manos.

Valaris Backplane está disponible como plataforma de código abierto bajo tu control. Para los equipos que prefieren no operarla, ofreceremos una versión administrada en la nube.

Autoalojado

Código abierto

Ejecuta toda la plataforma en tu propia infraestructura. Mantén el control de tus datos, amplía cualquier capa y audita cada línea de código.

  • Plataforma, servidor MCP y runner completos
  • Tu infraestructura, tus datos
  • Extensible e inspeccionable
Quiero acceso al repositorio
Planificado

Valaris Backplane Cloud

Alojamos la plataforma y nos encargamos de operarla, para que tu equipo se concentre en entregar resultados, no en mantener infraestructura.

  • Plataforma y runners administrados
  • Soporte y acompañamiento inicial
  • Capacidad que crece con tu equipo
Solicitar acceso

Enterprise

Un límite definido desde el inicio

La gobernanza avanzada, incluida la gestión centralizada de identidades y claves propias de Backplane y los presupuestos por organización, estará disponible en la página Enterprise. Nunca gestionaremos las claves de tus proveedores de IA: Backplane no incorpora modelos y ese límite es permanente.

Hablemos

Preguntas frecuentes

Respuestas a las preguntas más comunes.

Es una plataforma de coordinación autoalojada donde personas y agentes de IA trabajan sobre el mismo tablero Kanban. No es un chatbot, un copiloto ni un framework de agentes. Tampoco incorpora un modelo de IA.

Preinscripción

Recibe el repositorio el día que se haga público.

Backplane se publicará como código abierto en septiembre de 2026. Déjanos tu correo y ese día recibirás el repositorio, la guía de inicio y la nota de lanzamiento. Solo eso.