Turnstone es una plataforma de escritorio para Mac que coordina un equipo de agentes de IA impulsados por cuentas externas, claves de API o inferencia local, manteniendo la memoria y los datos bajo control local.
Qué hace el producto y cómo se presenta oficialmente
Turnstone es un espacio de trabajo agéntico diseñado para macOS que coordina perfiles especializados de inteligencia artificial para gestionar tareas continuas de administración, investigación, redacción y operaciones. En lugar de exigir medidores de tokens propietarios, la aplicación permite conectar suscripciones existentes de proveedores como OpenAI, Anthropic, xAI y Cursor, ingresar claves de API para desarrolladores o ejecutar modelos abiertos de forma local mediante Ollama.
El entorno se articula en torno a un agente Jefe de gabinete que distribuye el trabajo entre subagentes dedicados y adaptados a funciones empresariales concretas. Turnstone recopila periódicamente datos de herramientas de productividad externas como Gmail, Slack, Granola y Google Calendar, actualizando el contexto de los agentes y redactando comunicaciones acordes con los patrones de escritura del usuario, manteniendo la autorización final de envío en manos humanas.
Casos de uso respaldados por fuentes oficiales
Configuración de una rutina matutina automatizada donde un agente recopila reuniones de calendario, respuestas pendientes y obligaciones urgentes en un informe consolidado.
Generación de respuestas contextuales de correo e invitaciones a fases beta que reflejan los patrones de redacción individuales, reteniéndolas para su aprobación manual antes del envío.
Instrucción al agente Jefe de gabinete para delegar la redacción de publicaciones de lanzamiento a un agente especializado, alternando modelos de lenguaje subyacentes durante la sesión.
El proceso documentado, cuando está disponible
Defina las prioridades operativas iniciales con el agente coordinador principal, el cual establece subagentes especializados para roles de proyecto específicos.
Inicie sesión con suscripciones existentes de proveedores de IA, entornos locales de Ollama y aplicaciones de productividad como Gmail, Slack y Google Calendar.
Configure frecuencias periódicas de informes y autorice a los agentes a navegar por páginas web, investigar temas o rellenar formularios en pestañas dedicadas.
Inspeccione los resúmenes generados, las modificaciones de código y los borradores de comunicación directamente en la interfaz antes de autorizar su transmisión externa.
Turnstone estructura la asistencia autónoma en torno a agentes con roles específicos gestionados por un Jefe de gabinete central. En lugar de vincular todas las tareas a una única instrucción de propósito general, los usuarios asignan responsabilidades diferenciadas (como análisis de ingeniería, redacción de contactos comerciales o textos de lanzamiento) a agentes independientes. Estos agentes pueden transferirse el contexto y los resultados de trabajo entre sí, devolviendo resúmenes consolidados a la interfaz principal de usuario.
Un elemento central de la arquitectura es la independencia de los modelos. Los usuarios pueden asignar agentes individuales a diferentes modelos fundacionales según la idoneidad de la tarea, utilizando cuentas de OpenAI, Anthropic, xAI o Cursor, así como conexiones de API a Gemini o ejecución local mediante Ollama. Turnstone conserva el estado de la conversación, las reglas de comportamiento aprendidas y las memorias persistentes incluso al cambiar de modelo a mitad de una sesión.
Comprobaciones con tus propios materiales y flujo de trabajo
Qué fuentes se revisaron y cuándo
Respuestas basadas en el registro de producto con fuentes verificadas
Todas las configuraciones de agentes, registros de chat y memorias operativas se almacenan localmente en el Mac del usuario dentro de una carpeta de archivos accesible.
Los usuarios pueden conectar cuentas de ChatGPT, Claude, Grok y Cursor, proporcionar claves de API para modelos como Gemini o ejecutar modelos locales mediante Ollama.
Sí, los usuarios pueden cambiar los modelos de lenguaje en medio de una conversación mientras el agente conserva su función asignada, su contexto y la memoria acumulada.
No, los datos recopilados de las aplicaciones de trabajo conectadas se utilizan estrictamente para crear la memoria del agente de cada usuario y no se emplean para entrenar modelos.
Los agentes preparan borradores de comunicación basados en los estilos de escritura aprendidos, pero los mensajes permanecen como borradores hasta que el usuario los revisa y envía manualmente.
