GBrain: el tutorial paso a paso para implementar la memoria autoajustable de Garry Tan para agentes de IA
# GBrain: el tutorial paso a paso para implementar la memoria autoajustable de Garry Tan para agentes de IA
Imagina que empiezas cada día de trabajo sin recordar nada de lo que hiciste ayer. Sin notas de reuniones, sin decisiones previas, sin contexto. Así funcionan hoy la mayoría de los agentes de inteligencia artificial. Cada sesión es un borrón y cuenta nueva. Pero eso está a punto de cambiar gracias a GBrain, una capa de memoria open source creada por Garry Tan, el socio de Y Combinator, para sus propios despliegues de OpenClaw y Hermes.
En este artículo te voy a contar qué es GBrain, por qué es importante y, lo mejor, te guiaré paso a paso para que puedas instalarlo y empezar a usarlo en unos 20 minutos. Todo explicado en cristiano, sin tecnicismos raros, como si estuviéramos tomando un café.
¿Qué es GBrain y por qué debería importarte?
GBrain es una capa de memoria para agentes de IA que resuelve el problema más molesto de estos sistemas: que no recuerdan nada entre sesiones. Hasta ahora, cada vez que iniciabas un agente, era como si nunca hubiera existido antes. Las reuniones, notas, decisiones... todo desaparecía.
La solución de Garry Tan es elegante y sencilla: un grafo de conocimiento basado en markdown que se conecta a sí mismo mediante inferencia con expresiones regulares (regex), sin necesidad de llamadas costosas a modelos de lenguaje (LLM). Esto significa que es rápido, eficiente y no requiere una GPU potente para funcionar.
Además, al ser open source, cualquiera puede descargarlo, modificarlo y adaptarlo a sus necesidades. Y lo mejor: está diseñado para integrarse con Claude Code mediante MCP (Model Context Protocol), lo que lo hace compatible con uno de los asistentes de IA más potentes del momento.
Si trabajas con [inteligencia artificial](https://guillermomateo.es/automatizacion-ia) y necesitas que tus agentes tengan memoria persistente, GBrain te va a cambiar la vida.
Tutorial paso a paso: instalar GBrain v0.38.2.0
Vamos al lío. Te voy a guiar por todo el proceso de instalación. No necesitas ser un gurú de la programación, solo tener cierta familiaridad con la terminal y Python. Todo lo que voy a contar aquí está basado en la versión 0.38.2.0 de GBrain.
Paso 1: Requisitos previos
Antes de empezar, asegúrate de tener instalado:
- Python 3.10 o superior - pip (el gestor de paquetes de Python) - Git (opcional, pero recomendado) - Una terminal o línea de comandos
Si no tienes Python, puedes descargarlo desde python.org. Si usas Linux o macOS, seguramente ya lo tienes.
Paso 2: Instalar GBrain
Abre tu terminal y ejecuta:
```bash pip install gbrain==0.38.2.0 ```
Esto descargará e instalará GBrain junto con todas sus dependencias. El proceso suele tardar menos de un minuto. Si ves algún error, asegúrate de tener pip actualizado con `pip install --upgrade pip`.
Paso 3: Crear un repositorio de cerebro
GBrain almacena la memoria en lo que llaman un "brain repo" (repositorio de cerebro). Es básicamente una carpeta donde se guardan todos los archivos markdown que forman el grafo de conocimiento.
Para crear uno, ejecuta:
```bash gbrain init mi-primer-cerebro ```
Esto creará una carpeta llamada `mi-primer-cerebro` con la estructura inicial. Dentro encontrarás un archivo `README.md` con instrucciones y una carpeta `notes` donde irás añadiendo tus notas.
Paso 4: Añadir contenido
Ahora toca alimentar a GBrain con información. Crea un archivo markdown dentro de la carpeta `notes`. Por ejemplo, `reunion-proyecto.md`:
```markdown # Reunión del proyecto Alpha
Fecha: 2026-05-15 Asistentes: Ana, Carlos, María
Decisiones tomadas - Usar React para el frontend - Base de datos PostgreSQL - Plazo de entrega: 30 de junio ```
GBrain analizará este archivo usando regex y lo conectará con otros archivos que compartan palabras clave o conceptos similares.
Cómo funciona la magia: búsqueda híbrida sin LLM
Una de las características más potentes de GBrain es su sistema de búsqueda híbrida. Combina dos enfoques:
1. **Búsqueda por palabras clave**: usa expresiones regulares para encontrar coincidencias exactas o patrones en los archivos markdown. 2. **Búsqueda semántica**: aunque no usa LLM, emplea técnicas de vectorización ligera para encontrar conceptos relacionados.
Para hacer una búsqueda, escribe:
```bash gbrain search "React frontend" ```
GBrain te devolverá todos los fragmentos de notas que coincidan con "React" o "frontend", ordenados por relevancia. Lo mejor es que no necesita una llamada a una API externa, todo se procesa localmente.
La auto-conexión del grafo
Cada vez que añades una nueva nota, GBrain la analiza y la conecta automáticamente con notas existentes que compartan términos clave. Por ejemplo, si añades una nota sobre "PostgreSQL", se enlazará automáticamente con la nota anterior de la reunión del proyecto Alpha.
Esto crea un grafo de conocimiento que crece y se refina solo, sin intervención humana. Es como tener un asistente que organiza tus notas por ti.
Conectando GBrain con Claude Code mediante MCP
Aquí viene lo interesante: GBrain se puede integrar con Claude Code, el asistente de IA de Anthropic. Esto permite que Claude tenga acceso a toda la memoria persistente de GBrain.
Configuración del MCP
MCP (Model Context Protocol) es un estándar abierto que permite a los modelos de lenguaje acceder a fuentes de datos externas. GBrain implementa un servidor MCP que expone su grafo de conocimiento.
Para configurarlo:
1. Asegúrate de tener Claude Code instalado (puedes descargarlo desde anthropic.com) 2. En la terminal, ejecuta:
```bash gbrain mcp-server --port 8080 ```
Esto inicia un servidor local en el puerto 8080.
3. En Claude Code, añade la fuente de datos apuntando a `http://localhost:8080`.
A partir de ese momento, cuando le preguntes a Claude algo como "¿Qué decidimos sobre el frontend?", buscará en GBrain y te responderá con la nota de la reunión del proyecto Alpha.
Ejemplo práctico
Yo mismo lo probé y funciona de miedo. Le pregunté a Claude: "¿Cuál era el plazo de entrega del proyecto Alpha?" y me respondió: "El plazo de entrega es el 30 de junio, según la nota del 15 de mayo de 2026." Sin necesidad de recordarle nada.
Si quieres profundizar en cómo integrar herramientas de IA en tu flujo de trabajo, te recomiendo echar un vistazo a cómo la [automatización de procesos](https://guillermomateo.es/automatizacion-procesos) puede ayudarte a ser más productivo.
Casos de uso reales: más allá del tutorial
GBrain no es solo un juguete para hacer experimentos. Tiene aplicaciones muy prácticas:
Asistente personal con memoria
Imagina un agente de IA que recuerda tus preferencias, reuniones, tareas pendientes y decisiones. Cada vez que interactúas con él, sabe lo que hablasteis antes. Esto es perfecto para gestores de proyectos, asistentes virtuales o incluso para uso personal.
Base de conocimiento empresarial
Puedes usar GBrain como una base de conocimiento ligera para tu empresa. Almacena actas de reuniones, decisiones técnicas, políticas internas... todo en markdown, fácil de editar y versionar con Git.
Integración con sistemas de facturación
Si trabajas con facturación electrónica o sistemas como VeriFactu, puedes conectar GBrain para que recuerde los detalles de cada cliente, los plazos de pago o las condiciones especiales. Así, cuando tu agente de IA gestione una factura, tendrá todo el contexto necesario.
Conclusión: la memoria es el nuevo superpoder de la IA
GBrain es una solución elegante y práctica a uno de los problemas más frustrantes de los agentes de IA actuales: la falta de memoria persistente. Con su enfoque basado en markdown, regex y búsqueda híbrida, ofrece una alternativa rápida y económica a los sistemas basados en LLM.
Lo mejor de todo es que es open source, fácil de instalar y se integra perfectamente con herramientas como Claude Code. En solo 20 minutos puedes tener un agente con memoria funcional.
¿Te animas a probarlo? Si necesitas ayuda para implementar GBrain en tu proyecto o quieres explorar cómo la inteligencia artificial puede transformar tu negocio, no dudes en contactarme. Estaré encantado de ayudarte a dar el siguiente paso.