Son las nueve de la mañana y abres la tapa de tu portátil esperando ver la tabla lista con los pedidos nocturnos que tu agente de IA debía procesar y cotejar con el almacén antes del inicio de la jornada. En lugar del informe, en la consola aparece congelada una línea sobre una conexión interrumpida: a mitad de la noche el ordenador entró en modo de suspensión en silencio, el router de casa reinició la sesión durante un segundo y tu asistente digital «autónomo» se detuvo antes de la medianoche.
El intento de mantener bots de larga duración en tu máquina de trabajo choca enseguida con una pregunta: ¿cómo desplegar un agente de IA autónomo en un servidor Linux para que funcione las 24 horas y no se cuelgue al cerrar la terminal? Revisé el reciente taller práctico del fundador de Cloudroom, David Ondrej y lo contrasté con la documentación de systemd.service. Para un funcionamiento continuo necesitas aislar el entorno en Linux mediante el multiplexor de terminal tmux y los demonios del sistema systemd en un VPS en la nube económico. Recorramos toda la ruta con el ejemplo práctico de un desarrollador que migra el script en Python de monitorización de pedidos agent_runner.py a un servidor con Ubuntu 24.04 LTS por $5 al mes.
Por qué un ordenador doméstico y una terminal abierta no sirven para tareas autónomas
Migrar un agente desde el portátil empieza por entender por qué una máquina doméstica falla incluso con la suspensión desactivada en los ajustes de macOS o Windows. En cuanto el script pasa a hacer guardia durante horas, saltan las limitaciones de la red doméstica y de la arquitectura de procesos.
Los sistemas de escritorio suspenden la tarjeta de red en reposo, cortando las conexiones WebSocket y HTTP keep-alive con las que el agente se comunica con las API de los modelos. Añádele el cambio de direcciones IP dinámicas en el Wi-Fi de casa, el bloqueo de puertos entrantes por parte del proveedor y los reinicios por actualizaciones del sistema operativo. Pero aún más traicionero es el propio funcionamiento de la terminal: al ejecutar python3 agent_runner.py en la ventana de consola, vinculas el script como proceso hijo a la sesión de conexión actual. Basta con cerrar la pestaña de la terminal o perder internet para que el sistema envíe a todos los programas hijos de la ventana la señal SIGHUP (hangup — «colgar el teléfono»), cortando al instante el procesamiento de pedidos en mitad de la escritura de un archivo.
Precisamente por eso el 100% de los 500 mayores superordenadores del mundo y más del 60% de los servidores en la nube funcionan sobre Linux. Para los modelos de lenguaje es su entorno natural: toda la configuración y los registros se presentan como archivos de texto plano, fáciles de gestionar mediante comandos bash. Alquilar un servidor en la nube básico (Virtual Private Server, o VPS) con 2 núcleos vCPU, 4 GB de RAM y 40 GB NVMe en Ubuntu 24.04 LTS por $5 al mes le da al bot una IP estática y un canal permanente. Según los cálculos de David Ondrej, un solo VPS así reemplaza suscripciones externas de hosting y automatización de $20–$30 al mes, y al desplegar analítica propia con ClickHouse permite ahorrar hasta $230 mensuales.
Configuración básica de un servidor Linux limpio y aislamiento de permisos con un usuario dedicado
Al entrar en un servidor recién creado por clave SSH, es importante no caer en la tentación de lanzar el agente con el administrador principal: root. Darle permisos de superusuario a una red neuronal es como entregarle a un becario en su primer día las llaves de todas las cajas fuertes de la empresa.
Nuestro bot de monitorización de pedidos lee comentarios de compradores. Si un atacante esconde una instrucción maliciosa en el texto del pedido (ataque de Prompt Injection) o el modelo se equivoca al generar un comando shell, un proceso con permisos root podrá borrar directorios del sistema o filtrar claves. Para proteger el servidor, montamos dos líneas de defensa:
- Cortafuegos UFW. Actualizamos los paquetes (
sudo apt update && sudo apt install -y tmux ufw python3-venv git curl), bloqueamos las conexiones entrantes (sudo ufw default deny incoming), permitimos las peticiones salientes hacia las API (sudo ufw default allow outgoing), dejamos abierto solo el puerto SSH (sudo ufw allow OpenSSH) y activamos la protección (sudo ufw --force enable). - Usuario dedicado y protección de claves. Creamos una cuenta sin contraseña ni privilegios de administrador:
sudo adduser --disabled-password --gecos "" agentuser. Tras cambiar a ella (sudo su - agentuser), creamos dentro de/home/agentuserun entorno virtual de Python 3.12 (python3 -m venv venv). Guardamos las clavesOPENAI_API_KEYyANTHROPIC_API_KEYen el archivo/home/agentuser/.envy restringimos sus permisos conchmod 600para que soloagentuserpueda leerlo.
Gestión de sesiones con tmux y reinicio automático de scripts caídos mediante servicios systemd
Con el perfil seguro listo, toca desvincular el script de pedidos de la ventana de terminal combinando tmux (para depuración manual) y systemd (para piloto automático 24/7).
La utilidad tmux (multiplexor de terminal) funciona como un monitor virtual en la sala de servidores que no se apaga cuando te marchas. Abres una sesión tmux new -s agent-session, lanzas python3 agent_runner.py, compruebas los primeros pedidos y luego pulsas Ctrl+b seguido de d (detach — «desconectar») y cierras el portátil. Puedes volver a la pantalla en vivo en cualquier momento con el comando tmux attach -t agent-session. Contamos más sobre cómo organizar flujos paralelos en nuestro análisis del multiplexor de terminal tmux.
Sin embargo, si por la noche la API del modelo devuelve un error de red y el script de Python cae con una excepción, o el proveedor reinicia el VPS, dentro de la ventana de tmux solo quedará una línea de consola vacía. Para que el agente resucite solo, convertiremos nuestro script /home/agentuser/agent_runner.py en un servicio en segundo plano (demonio) supervisado por el gestor del sistema systemd:
sudo tee /etc/systemd/system/ai-agent.service << 'EOF'
[Unit]
Description=Autonomous AI Agent Production Daemon
After=network.target network-online.target
Wants=network-online.target
[Service]
Type=simple
User=agentuser
Group=agentuser
WorkingDirectory=/home/agentuser
EnvironmentFile=/home/agentuser/.env
ExecStart=/home/agentuser/venv/bin/python3 -u /home/agentuser/agent_runner.py
Restart=always
RestartSec=5s
KillMode=process
TimeoutStopSec=30
StandardOutput=journal
StandardError=journal
[Install]
WantedBy=multi-user.target
EOF
sudo systemctl daemon-reload
sudo systemctl enable ai-agent.service
sudo systemctl start ai-agent.service
Mira cómo ha cambiado el funcionamiento del servicio de pedidos. Antes, cualquier timeout nocturno de la red neuronal tumbaba el script hasta la mañana y los clientes esperaban horas su confirmación. Ahora, al reiniciar el VPS, la directiva After=network-online.target levanta el bot en cuanto arranca la red, y las reglas Restart=always y RestartSec=5s reinician automáticamente el proceso caído en 5 segundos, evitando sobrecargar la CPU y el bloqueo start-limit-hit.
También cumple un papel clave el flag -u (unbuffered) en ExecStart: sin él, Python retiene los mensajes en el búfer de memoria y pierde el último error si ocurre un fallo. Con el flag -u, cada línea pasa de inmediato al registro del sistema y el problema de los cuelgues al cerrar la terminal queda resuelto de raíz.
Protección del sistema de archivos, lectura de registros con journalctl y límites de un VPS
Cuando el agente trabaja en segundo plano, las líneas StandardOutput=journal y StandardError=journal envían todos sus informes al registrador del sistema systemd-journald. En lugar de llenar los 40 GB del disco con archivos de texto, basta con escribir sudo journalctl -u ai-agent.service -f -n 100 para ver al instante las últimas 100 líneas y el flujo de eventos en vivo. Al mismo tiempo, las directivas User=agentuser y WorkingDirectory=/home/agentuser encierran el proceso en el sandbox de su carpeta personal.
Con toda su resistencia, conviene evaluar con realismo los recursos de un servidor económico:
- Para qué tareas sobra esta configuración: ejecución continua de 1 a 15 agentes en segundo plano que llaman por API a modelos pesados en la nube (Claude Opus 5.5, GPT-6.1), mientras el propio VPS aloja el servidor web Caddy, la base PostgreSQL y la analítica ClickHouse. Gestionar estos flujos sobre el servidor resulta cómodo con el panel abierto Cloudroom, y para conectar al bot del servidor memoria a largo plazo en Obsidian y control por Telegram puedes leer el análisis aparte sobre configuración de un agente de IA en servidor.
- Cuándo un VPS básico se queda corto: ejecutar redes neuronales locales pesadas (4 GB de RAM y 2 núcleos vCPU sin tarjeta gráfica no pueden con los pesos de los modelos; para eso hacen falta máquinas con GPU del nivel de NVIDIA DGX Spark), así como ejecutar código ajeno no verificado sin aislamiento adicional en contenedores Docker. Además, en el esquema básico de David Ondrej no está configurada la rotación de
journald, así que con un registro muy detallado conviene vigilar el espacio libre en disco.
Puedes comprobar en un minuto cómo se desvincula un proceso de la consola en la terminal de tu servidor Linux o entorno local WSL: crea una sesión tmux new -s test-agent, ejecuta ping 8.8.8.8, pulsa Ctrl+b, luego d y cierra por completo la ventana de terminal. Al volver a abrirla y escribir tmux attach -t test-agent, verás que el comando siguió intercambiando paquetes con total normalidad en segundo plano.

