BrowserOS es un navegador de código abierto basado en Chromium que puede entenderse como un ecosistema en capas. Por un lado, permite navegar con asistencia de IA; por otro, incluye una variante orientada a agentes,

BrowserOS neo, por su partem esta pensada para trabajar con MCP. A eso se suma la posibilidad de usar modelos locales con Ollama o LM Studio y, en flujos más exigentes, de escalar la inferencia con NVIDIA PAIR. El resultado no es solo “otro navegador con IA”, sino una propuesta que combina automatización, modelos propios, compatibilidad con agentes y una ruta razonable para quien prefiere no tocar demasiada configuración técnica.

Primer vistazo

La forma más rápida de entender la propuesta de BrowserOS neo es ver su presentación oficial como navegador secundario para agentes: un browser con sesiones reales, pensado para trabajar junto a herramientas de IA en vez de reemplazar al navegador principal del usuario.

¿Qué es BrowserOS?

BrowserOS es un proyecto abierto construido sobre Chromium. Conserva las ventajas que muchos usuarios esperan de un navegador moderno —compatibilidad con extensiones, hábitos heredados de Chrome e importación de datos—, pero añade una capa más ambiciosa: permitir que la IA no solo responda preguntas, sino que también trabaje con el navegador como una herramienta real. La diferencia entre el navegador que usa la persona y el navegador que puede usar un agente queda bien resumida en la guía oficial sobre cómo funciona BrowserOS neo.

La idea central es simple: BrowserOS es el navegador que conduce el usuario; BrowserOS neo es el navegador que puede conducir el agente.

¿Qué hace diferente a BrowserOS?

La mayoría de los navegadores con IA siguen tratando la inteligencia artificial como una función añadida: una barra lateral, un resumen o una sugerencia. Aquí el enfoque cambia. La IA no aparece solo como una capa de consulta; también puede conectarse con herramientas externas, trabajar con sesiones reales y convertirse en una interfaz operativa para agentes.

La documentación oficial de MCP Clients explica que el navegador puede dar a un agente control del browser y acceso directo a servicios como Gmail, Slack, GitHub, Google Calendar, Linear y Notion a través de una sola conexión.

Apps conectadas

Una de las partes más útiles del ecosistema es el sistema de apps conectadas. En vez de limitarse a la pestaña activa, el asistente puede trabajar entre correo, calendario, tareas, mensajería y archivos sin exigir que el usuario configure un conector separado para cada servicio. Esto vuelve mucho más natural pedir tareas como resumir correos, revisar eventos, crear pendientes o cruzar información entre varias herramientas.

¿Cómo se compara con otros navegadores con IA?

Si el objetivo es trabajar con IA dentro del navegador, BrowserOS no es la única opción útil. Pero sí destaca por tratar la capa local y la integración con agentes como piezas de primer nivel, no como añadidos secundarios.

En BYOM de Brave Leo, el usuario puede conectar un modelo local o remoto mediante un endpoint compatible con OpenAI. Es una solución útil para chat local dentro de un navegador principal, aunque no convierte automáticamente toda la experiencia de Brave Search en local.

En Opera One Developer, la referencia oficial más clara sigue siendo el anuncio de abril de 2024, cuando Opera incorporó soporte experimental para modelos locales como parte de su programa de AI Feature Drops.

¿BrowserOS es gratis o también tiene servicios pagos?

Aunque BrowserOS neo se presenta como gratuito y de código abierto, el ecosistema también contempla componentes por suscripción. Los términos del servicio indican que ciertas partes pueden ofrecerse bajo pago recurrente, con posibilidad de prueba gratuita y acceso condicionado a funciones premium.

Además, la documentación oficial de Bring Your Own LLM explica que BrowserOS incluye un modelo predeterminado con límites estrictos, permite conectar cuentas ya existentes como ChatGPT Pro o GitHub Copilot y recomienda Kimi K2.5 como proveedor destacado para una experiencia más amplia sin montar toda la infraestructura local desde cero.

¿Qué ruta conviene para usuarios menos técnicos?

La vía más simple consiste en instalar BrowserOS, importar datos desde Chrome y empezar con el modelo predeterminado o con una cuenta ya existente. Esa ruta permite probar resúmenes, explicaciones y borradores sin tocar runtimes locales, endpoints ni archivos de configuración. Solo cuando el usuario necesita más control o privacidad tiene sentido pasar a LM Studio, Ollama o MCP.

¿Cómo se instala BrowserOS para IA local?

Paso 1: instalar el navegador

1. Instalar BrowserOS.
2. Abrirlo como cualquier navegador basado en Chromium.
3. Importar marcadores, extensiones y ajustes desde Chrome si se desea.

Paso 2: elegir el runtime

Paso 3: configurar el runtime

1. En LM Studio, descargar un modelo compatible y activar el servidor local en la pestaña de desarrollo.
2. En Ollama, descargar un modelo y comprobar que el servidor local responda en su puerto habitual.
3. En ambos casos, añadir el endpoint correspondiente dentro de BrowserOS y seleccionar el modelo activo.

Paso 4: probar una tarea útil

1. Abrir un artículo, una documentación o un correo largo.
2. Pedir un resumen, una explicación o una extracción de ideas clave.
3. Repetir la consulta una vez cargado el modelo en memoria si la primera respuesta tarda.

La documentación oficial sobre modelos locales es el mejor punto de partida para afinar esta parte del flujo.

¿Cómo se instala BrowserOS neo para agentes con MCP?

Paso 1: instalar BrowserOS neo

1. Instalar BrowserOS neo.
2. Usarlo como navegador secundario dedicado a agentes.

Paso 2: preparar las sesiones reales

1. Iniciar sesión en Gmail, Calendar, Notion, GitHub, Slack o cualquier herramienta relevante.
2. Confirmar que extensiones y credenciales importadas funcionen bien.

Paso 3: localizar el endpoint MCP

1. Abrir una nueva pestaña.
2. Entrar a la sección MCP del panel lateral.
3. Copiar la URL del endpoint local.

Paso 4: conectar el agente

1. Si se usa Claude Code, Codex, Cursor, VS Code u otra app con integración directa, pulsar Connect.
2. Si se usa Hermes u OpenClaw, pegar el endpoint MCP en su configuración manual.
3. Reiniciar o recargar el agente.

Paso 5: lanzar una primera tarea

1. Pedir una acción concreta.
2. Ejemplos:
   • Resumir correos importantes no leídos.
   • Buscar un hueco libre en el calendario.
   • Entrar a un dashboard y extraer cifras.
3. Seguir la ejecución desde la guía oficial de funcionamiento de neo.

La configuración manual para Hermes y OpenClaw es especialmente útil cuando la herramienta no aparece en la integración directa o cuando se quiere controlar el enlace con más detalle.

¿Cómo encajan Hermes, OpenClaw y NVIDIA PAIR en un stack más avanzado?

Cuando el flujo deja de ser solo un chat en el navegador y pasa a ser una cadena de tareas con varias solicitudes al modelo, BrowserOS puede convivir con dos capas adicionales: un agente orquestador, como Hermes u OpenClaw, y un enrutador de inferencia como NVIDIA PAIR.

1. Instalar BrowserOS neo y conectar el agente por MCP.
2. Configurar Hermes u OpenClaw con ese endpoint.
3. Instalar Ollama o LM Studio para servir los modelos.
4. Si el flujo genera varias solicitudes simultáneas, instalar PAIR en los equipos que aportarán cómputo.
5. Apuntar el agente al endpoint local de PAIR en vez de a una única instancia fija del runtime local.

La guía oficial de NVIDIA PAIR explica cómo formar el clúster local y cómo enrutar solicitudes independientes entre varios nodos.

¿Qué casos de uso reales de productividad justifican BrowserOS?

¿Qué ejemplos concretos de productividad se pueden esperar?

Gestión del inbox

Un uso inmediato es pedir un resumen de correos importantes no leídos ordenados por urgencia. Si la sesión de Gmail ya está abierta y el agente está conectado, la tarea ocurre sobre el entorno real del usuario.

Planeación semanal

Otra tarea útil es buscar un espacio libre de 30 minutos para la próxima semana y proponer horarios. Este tipo de petición aparece entre los ejemplos más naturales del producto.

Reporte desde dashboards y documentos

Un agente puede entrar a un dashboard en Notion o en una herramienta interna, extraer cifras relevantes y dejar un resumen listo. En equipos donde esa tarea se repite cada semana, BrowserOS neo evita el trabajo manual de abrir sitios, ubicar widgets y copiar datos.

Automatización de investigación

Con BrowserOS, un modelo local o un proveedor integrado puede resumir documentación, artículos y páginas de ayuda sin depender del clásico copiar y pegar. Con BrowserOS neo, además, el agente puede moverse entre pestañas, capturar contexto y organizar hallazgos.

Soporte para desarrollo y QA

Uno de los flujos más atractivos es usar un agente de código para probar una app web, tomar capturas y devolver errores o pasos reproducibles. En ese escenario, el navegador deja de ser solo el lugar donde se ve el producto y pasa a formar parte del trabajo técnico.

¿Cómo se ve la inferencia distribuida en la práctica?

La demostración pública más clara sobre inferencia distribuida con agentes locales muestra a Hermes trabajando junto con PAIR para repartir solicitudes entre varios nodos de la red.

¿Qué modelos conviene usar?

¿Cuándo conviene pagar y cuándo conviene quedarse en local?

¿Qué problemas comunes pueden aparecer?

Conclusión

BrowserOS destaca porque no obliga a pensar la IA en un solo formato. Puede ser un navegador para preguntar, resumir y redactar. Puede ser un navegador para que un agente externo trabaje con cuentas reales mediante MCP. Puede ser una interfaz para modelos locales con Ollama o LM Studio. Y, si el flujo crece, puede convivir con un enrutador como NVIDIA PAIR para repartir inferencia sobre varios equipos.

Ese diseño lo hace más flexible que un navegador tradicional y más abierto que varias propuestas AI-first cerradas. También explica por qué puede servir tanto a quien solo quiere una ruta sencilla con un proveedor integrado como a quien prefiere montar un stack local completo.