Cómo instalar OpenHands en tu servidor para tener un agente de IA que ejecuta tareas por sí solo

Todo lo que instalamos hasta ahora en esta serie —Ollama, n8n, AnythingLLM— le da a un modelo la capacidad de responder o de seguir un flujo que tú diseñaste paso a paso. OpenHands es distinto: es un agente de código abierto al que le describes una tarea técnica en lenguaje natural, y él mismo escribe código, lo ejecuta, revisa el resultado, corrige errores y repite el proceso hasta terminar — todo dentro de un entorno aislado en tu propio servidor.

Si todavía no tienes Docker instalado, instálalo primero — ya cubrimos el proceso completo en una guía anterior. OpenHands lo necesita no solo para correr él mismo, sino porque cada tarea que ejecuta corre dentro de un contenedor de "sandbox" (aislado) que crea automáticamente, separado del resto de tu servidor.

Crea una carpeta para guardar la configuración de OpenHands, igual que hicimos con las otras herramientas de esta serie:

mkdir -p ~/.openhands

Levanta OpenHands con Docker. Este comando es distinto a los anteriores en un punto importante: monta el socket de Docker de tu propio servidor dentro del contenedor, porque así es como OpenHands crea y controla los entornos aislados donde ejecuta cada tarea:

docker run -it -d --pull=always \
  -e SANDBOX_RUNTIME_CONTAINER_IMAGE=docker.all-hands.dev/all-hands-ai/runtime \
  -v /var/run/docker.sock:/var/run/docker.sock \
  -v ~/.openhands:/.openhands \
  -p 3000:3000 \
  --add-host host.docker.internal:host-gateway \
  --name openhands-app \
  docker.all-hands.dev/all-hands-ai/openhands

Antes de seguir, entiende qué significa ese montaje del socket de Docker, porque es la parte de esta guía que más importa: darle a un contenedor acceso al socket de Docker del servidor le da, en la práctica, la capacidad de crear y controlar otros contenedores en esa misma máquina — un nivel de acceso considerable. Es necesario para que OpenHands funcione como está diseñado, pero es también la razón por la que esta herramienta no debería correr jamás en el mismo servidor donde tienes sitios o aplicaciones de producción corriendo. Dale su propio servidor o su propia máquina virtual, separada de todo lo demás.

Entra a la interfaz desde tu navegador en http://IP-DE-TU-SERVIDOR:3000.

Configura qué modelo va a usar el agente. En el panel de configuración, puedes apuntar a un modelo local con Ollama (si ya lo instalaste en guías anteriores) o conectar la clave de API de un proveedor externo si prefieres un modelo más potente para tareas complejas — la elección depende de qué tan exigente sea la tarea que le vayas a pedir.

Dale tu primera tarea describiéndola en lenguaje natural, por ejemplo: "Crea un script en Python que lea un archivo CSV y genere un resumen con la cantidad de filas y las columnas disponibles". El agente va a mostrar en tiempo real cada paso que toma —qué archivo crea, qué comando ejecuta, qué error encuentra y cómo lo corrige— dentro de su entorno aislado, sin tocar el resto de tu servidor.

No le des tareas que involucren credenciales reales, datos sensibles o sistemas de producción hasta que entiendas bien qué tipo de acciones toma por su cuenta. Ya cubrimos aquí un caso real de lo que puede pasar cuando un agente de IA con más autonomía de la esperada termina interactuando con infraestructura que no debería tocar — la forma de evitarlo no es dejar de usar estas herramientas, es darles un entorno donde, si algo sale mal, el daño se queda contenido ahí adentro.

Correr un agente que crea y destruye contenedores por su cuenta, potencialmente varias tareas a la vez, exige recursos serios y, sobre todo, aislamiento real del resto de tu infraestructura — no es algo para compartir con otras cargas de trabajo. En /planes/servidores-dedicados tienes los recursos para dedicarle a esto una máquina completamente separada, que es exactamente lo que esta herramienta necesita para usarse con tranquilidad.