Orca Starter Guide: aprende a trabajar con varios AI Coding Agents

Si es la primera vez que utilizas Orca, la forma más sencilla de entenderlo es esta: no es otro Claude Code ni un nuevo modelo de IA, sino un entorno de desarrollo diseñado específicamente alrededor de los AI Coding Agents. Actualmente, Orca se presenta oficialmente como un ADE (Agent Development Environment) capaz de ejecutar en un mismo lugar Agents como Claude Code, Codex, OpenCode, Cursor CLI y Pi, proporcionando a cada tarea su propio Git Worktree, Terminal, Diff y entorno de navegador.

Puedes entenderlo así:

Por tanto, Orca no pretende sustituir a Claude Code, Codex u OpenCode. El proyecto utiliza explícitamente un modelo Bring Your Own Subscription: utilizas los Agents y suscripciones que ya tienes y Orca se encarga de organizarlos. Actualmente, el proyecto también indica que cualquier Coding Agent que pueda ejecutarse desde un terminal puede integrarse con Orca.

¿Qué necesitas antes de empezar?

Para utilizar Orca por primera vez, conviene tener preparado:

• Un ordenador con macOS, Windows o Linux.

• Git.

• Un CLI Coding Agent que ya funcione, como Claude Code, Codex u OpenCode.

• La cuenta, sesión iniciada o suscripción necesaria para el Agent correspondiente.

Orca no es un modelo de IA ni un sustituto de Claude Code. Su función es iniciar estos CLI Agents y colocarlos dentro de los Worktrees y entornos de trabajo que gestiona Orca. Actualmente admite numerosos Agents, entre ellos Claude Code, Codex, Cursor CLI, GitHub Copilot, OpenCode, Pi, Kiro y Qwen Code.

Si ya puedes ejecutar normalmente:

claude

o:

codex

normalmente ya tienes lo necesario para empezar a utilizar Orca. El Agent concreto que utilices dependerá de tu cuenta y de la configuración de su CLI.

Paso 1: instalar Orca

Orca ofrece actualmente versiones de escritorio para macOS, Windows y Linux. El proyecto recomienda descargar Orca directamente desde su sitio web oficial, aunque también puedes obtener las versiones correspondientes desde GitHub Releases.

macOS

La opción más sencilla es descargar directamente la versión correspondiente.

Si utilizas Homebrew habitualmente, puedes emplear el nombre completo del Cask oficial:

brew install --cask stablyai/orca/orca

Aquí conviene no utilizar:

brew install --cask orca

Homebrew tuvo anteriormente otro proyecto llamado Plotly Orca que no está relacionado con este Orca. Utilizar simplemente orca puede provocar que instales el software equivocado. El README oficial de Orca utiliza actualmente el comando completo con stablyai/orca/orca.

Windows

Descarga directamente el instalador oficial .exe para Windows. No es necesario compilar el proyecto desde el código fuente para realizar la primera prueba. El README oficial ofrece actualmente una versión de escritorio para Windows.

Linux

Los usuarios de Linux pueden utilizar directamente el AppImage oficial:

orca-linux.AppImage

Después de descargarlo, ejecútalo siguiendo el procedimiento habitual para aplicaciones AppImage en Linux. Los usuarios de Arch Linux también pueden utilizar el paquete oficial de AUR:

yay -S stably-orca-bin

Para una primera experiencia con Orca, no es necesario compilarlo desde el código fuente.

Linux remoto

Orca también admite Headless Linux Server. Puedes iniciar el modo servidor con:

orca serve

Sin embargo, esto forma parte de un flujo de trabajo remoto o basado en servidores y no es el mejor punto de entrada para probar Orca por primera vez. Actualmente, el proyecto admite escritorios locales, SSH Host, Remote Orca Server y diferentes entornos basados en la nube o en espacios de trabajo.

Paso 2: abrir Orca por primera vez

Después de instalarlo, no necesitas empezar estudiando Parallel Agents, Mobile, SSH y todas las demás funciones.

Primero completa este flujo básico:

Abrir Orca
↓
Añadir un Git Repository
↓
Crear un Worktree
↓
Elegir un Coding Agent
↓
Ejecutar una tarea
↓
Revisar el Diff

El flujo inicial oficial también parte de Add Repo → Create Worktree → Pick an Agent. Orca lee el estado Git del Repository y utiliza la rama predeterminada como referencia inicial del nuevo Worktree.

Empieza con un proyecto sencillo, por ejemplo una pequeña aplicación React, Node.js o Python.

Añade ese Git Repository a Orca.

Después, crea un nuevo Worktree junto al Repository. Para la primera prueba puedes llamar a la tarea:

first-agent-test

Al crearlo, selecciona una rama base, por ejemplo:

origin/main

Por último, selecciona el Agent que ya tengas instalado, como Claude Code o Codex.

Paso 3: ejecutar tu primer Coding Agent

La primera vez no le pidas al Agent que refactorice todo el proyecto.

Empieza con una tarea de solo lectura:

Analiza la estructura de este proyecto y dime cuáles son los principales archivos de entrada, qué tecnologías utiliza y cómo se inicia.
No modifiques ningún archivo.

Si el Agent puede leer el proyecto y responder correctamente, significa que la cadena básica Orca → Worktree → Agent ya funciona.

Después puedes hacer una modificación muy pequeña:

Añade al proyecto un README sencillo con las instrucciones de uso.
Cuando termines, dime qué archivos has modificado y cómo puedo verificar el resultado.

En este punto deberías poder observar el flujo completo de AI Coding:

Orca
  ↓
Worktree
  ↓
Coding Agent
  ↓
Lectura del Repository
  ↓
Modificación del código
  ↓
Git Diff

Esta es también una de las principales diferencias entre Orca y un simple Agent Terminal: la tarea del Agent, su espacio de trabajo y los cambios realizados quedan integrados en un mismo entorno de desarrollo.

Paso 4: entender Git Worktree

Worktree es uno de los conceptos más importantes de Orca.

Imagina que solo tienes un directorio:

my-project/

Si haces que dos Agents lo modifiquen al mismo tiempo:

Agent A → modifica login.ts
Agent B → modifica login.ts

es fácil que uno sobrescriba los cambios del otro o que el proyecto termine en un estado difícil de interpretar.

La idea de Git Worktree es permitir que un mismo Repository tenga varios directorios de trabajo independientes:

Repository
├── Worktree A → Agent A
├── Worktree B → Agent B
└── Worktree C → Agent C

Cada Worktree tiene sus propios archivos, rama y terminal del Agent. De esta forma, diferentes Agents pueden trabajar en entornos aislados. Orca utiliza precisamente este modelo como una parte central de su arquitectura: cada tarea dispone de su propio Git Worktree, rama y entorno de trabajo.

Por eso Orca resulta especialmente interesante para Multi-Agent Coding.

Paso 5: probar Parallel Worktrees por primera vez

Ahora puedes experimentar con una de las funciones centrales de Orca.

Imagina que quieres añadir una página de inicio de sesión a un proyecto.

Crea tres Worktrees:

login-page
login-page-2
login-page-3

Y ejecuta:

Agent A → Claude Code
Agent B → Codex
Agent C → Cursor CLI

Después envía el mismo Prompt a los tres Agents:

Diseña e implementa una página de inicio de sesión sencilla para este proyecto.
Mantén la estructura actual del proyecto. Cuando termines, explica los cambios realizados y ejecuta las comprobaciones necesarias.

Los tres Agents trabajarán de forma independiente en distintos Git Worktrees. El flujo de Parallel Agents de Orca consiste precisamente en crear varios Worktrees, iniciar diferentes Agents, enviarles la misma tarea y comparar sus respectivos Diff.

Al final tendrás:

Agent A → Worktree A → Diff A
Agent B → Worktree B → Diff B
Agent C → Worktree C → Diff C

Esto es muy diferente de abrir tres ventanas de chat al mismo tiempo.

El valor de Parallel Worktrees no consiste simplemente en ejecutar tres Agents simultáneamente, sino en mantener sus cambios completamente aislados a nivel de código para poder comparar sus implementaciones.

Si una de las soluciones resulta más adecuada para tu proyecto, puedes continuar trabajando en su Worktree, hacer Review, Commit y Push. Los demás Worktrees pueden eliminarse junto con las ramas correspondientes.

Paso 6: aprender a revisar los Diff

Cuando un AI Agent termina una modificación, no conviene aceptarla directamente.

Orca proporciona un Diff View para cada Worktree, donde puedes consultar los cambios respecto a la referencia inicial, incluidos archivos staged, unstaged y untracked.

Un flujo recomendable es:

Agent modifica
↓
Revisar Diff
↓
Review
↓
Señalar problemas
↓
Agent modifica
↓
Volver a revisar
↓
Commit

La función Annotate AI Diff permite añadir comentarios directamente sobre líneas concretas del código en el Diff y después enviar varios comentarios al Agent. Por ejemplo:

Aquí no se gestiona el error de la solicitud. Añade un manejo de errores adecuado.

Después puedes enviar las Review Notes al Agent para que continúe trabajando sobre las ubicaciones concretas del código.

Por tanto, el valor de Orca no consiste únicamente en permitir que un Agent escriba código. También convierte generación mediante IA → revisión humana → modificación mediante IA en un flujo de trabajo continuo.

Paso 7: probar varios Agents por primera vez

Una vez completado el flujo con un solo Agent, puedes probar varios.

Por ejemplo:

Claude Code
Codex

Haz que ambos implementen de forma independiente la misma función:

Añade una función de búsqueda sencilla al proyecto actual.
Implementa la solución de forma independiente y no consultes el código del otro Agent.
Cuando termines, ejecuta las pruebas y explica tu enfoque.

Después puedes comparar:

No conviene asumir de antemano que Claude Code, Codex u OpenCode será necesariamente superior. Precisamente, Orca permite comparar sus resultados reales utilizando el mismo Repository, la misma tarea y Worktrees independientes.

Terminal Splits: organizar el espacio de trabajo

Cuando aumenta el número de Agents, el método tradicional suele acabar así:

Terminal 1 → Agent A
Terminal 2 → Agent B
Terminal 3 → npm test
Terminal 4 → git

Orca ofrece Terminal Splits para organizar varios terminales y Agents dentro del mismo entorno de trabajo. Actualmente admite divisiones ilimitadas y conserva el contenido desplazable del terminal después de reiniciar.

Pero hay que tener claro que Terminal Splits no añade una nueva capacidad de IA. Su función es solucionar la organización de la interfaz y de los terminales dentro de un flujo de trabajo con varios Agents.

Mobile Companion: el móvil sirve principalmente para supervisar

Orca también dispone de un Companion para iOS y Android que puede vincularse con Orca de escritorio para consultar y controlar Agents desde el móvil. Su función principal es supervisar Agents, recibir notificaciones cuando terminan tareas y enviar Follow-ups.

Un escenario típico sería:

El Agent empieza a trabajar en el ordenador
↓
Te alejas del ordenador
↓
El Agent termina la tarea
↓
Recibes una notificación en el móvil
↓
Compruebas el estado
↓
Envías un Follow-up

Por eso no deberías entenderlo como un «IDE completo en el móvil». Está más orientado a la supervisión y al control remoto.

Remote / SSH Worktree

Si el ordenador local tiene recursos limitados, puedes ejecutar el Agent en otra máquina.

Por ejemplo:

Orca local
    ↓ SSH
Linux remoto / VPS / Dev Box
    ↓
Remote Worktree
    ↓
Coding Agent

Orca admite actualmente SSH Worktree. El Agent, el Git Worktree y el terminal se ejecutan en la máquina remota, mientras que en el equipo local sigues utilizando el editor, Diff y UI de Orca. También admite reconexión automática y port forwarding.

Para empezar, no recomendamos comenzar directamente con SSH.

Primero completa localmente:

Agent → Worktree → Diff → Review

Una vez que entiendas el flujo, puedes cambiar Run on a un SSH Host.

Ruta recomendada para tu primera experiencia

No necesitas aprender todas las funciones de Orca durante la primera sesión.

Puedes seguir este recorrido:

Instalar Orca
↓
Abrir un proyecto Git
↓
Añadir Repository
↓
Crear el primer Worktree
↓
Conectar un Coding Agent
↓
Ejecutar una tarea sencilla
↓
Revisar el Diff
↓
Crear un segundo Worktree
↓
Ejecutar un segundo Agent
↓
Comparar los dos resultados
↓
Hacer Review
↓
Elegir e integrar una solución

El tutorial oficial para trabajar con tres Agents también gira alrededor de Repository → Worktree → Agent → Parallel → Diff → Ship.

Preguntas frecuentes

¿Orca es un AI Coding Agent?

No. Actualmente Orca se presenta como AI Orchestrator / ADE y se encarga de ejecutar los CLI Coding Agents que ya utilizas.

¿Cuál es la diferencia entre Orca y Claude Code?

Claude Code es un Coding Agent; Orca es el entorno de desarrollo que ejecuta y organiza Claude Code y otros Agents. Uno ejecuta las tareas y el otro organiza espacios de trabajo, Worktrees, terminales, Review y otros elementos del flujo.

¿Cuál es la diferencia entre Orca y Cursor?

No son exactamente el mismo tipo de producto. Cursor es un AI Code Editor, mientras que Orca se centra en crear flujos de trabajo alrededor de varios CLI Agents, Worktrees y tareas paralelas. Orca también admite Cursor CLI, por lo que ambos pueden formar parte del mismo flujo.

¿Necesito Claude Code o Codex para utilizar Orca?

Si quieres ejecutar esos Agents, deben estar disponibles por separado. Orca no sustituye sus modelos ni sus suscripciones, sino que utiliza las capacidades de los Agents que ya tienes.

¿Orca necesita su propia API Key de IA?

No deberías entender Orca como un servicio de IA que requiere comprar créditos de un modelo propio. El proyecto destaca actualmente el uso de tus propias suscripciones de Claude, Codex, OpenCode y otros Agents. El método de autenticación concreto depende del Agent utilizado.

¿Orca funciona en Windows?

Sí. Actualmente existe una versión de escritorio oficial para Windows en formato .exe.

¿Orca funciona en Linux?

Sí. El proyecto ofrece un AppImage para Linux y también un paquete para Arch Linux mediante AUR.

¿Puedo ejecutar varios Agents en un mismo proyecto?

Sí. De hecho, es uno de los principales casos de uso de Orca. Los distintos Agents pueden ejecutarse en Git Worktrees independientes.

¿Por qué Orca utiliza Git Worktree?

Porque cuando varios Agents modifican código simultáneamente es necesario aislar archivos y ramas. Worktree proporciona a cada tarea su propio directorio de trabajo y evita que los Agents sobrescriban directamente los cambios de los demás.

¿Puedo utilizar Orca sin Git Worktree?

Puedes utilizar un flujo de trabajo Git convencional, pero perderás una de las partes más importantes del modelo de trabajo paralelo de Orca. El entorno está diseñado alrededor de Worktrees.

¿Orca puede ejecutarse en un servidor remoto?

Sí. Actualmente admite SSH Host, Remote Orca Server y otras modalidades de ejecución remota. Para la primera experiencia, sin embargo, es más sencillo empezar con el entorno de escritorio local.

¿Para qué sirve la aplicación móvil de Orca?

Principalmente para supervisar y controlar Agents que se ejecutan en el entorno de escritorio, consultar su estado, recibir notificaciones cuando terminan y enviar Follow-ups. No pretende convertir el móvil en un entorno de desarrollo de escritorio completo.

¿Con qué función debería empezar a utilizar Orca?

Empieza con un Git Repository + un Worktree + un Agent. Primero comprueba que el flujo de un solo Agent funciona, después añade un segundo Worktree y finalmente prueba Parallel Agents.

¿Para quién resulta realmente útil Orca?

Si solo utilizas IA ocasionalmente para modificar unas pocas líneas de código, Orca quizá no sea una herramienta imprescindible. Un CLI Agent convencional ya puede resolver muchas tareas sencillas.

La situación cambia cuando utilizas Claude Code, Codex, OpenCode u otros Agents de forma intensiva. A medida que aumenta el número de Agents, los problemas realmente difíciles empiezan a ser otros:

¿Qué Agent está modificando qué?

¿Cómo aislar diferentes implementaciones?

¿Cómo ejecutar varias soluciones en paralelo?

¿Cómo comparar sus Diff?

¿Cómo conseguir que un Agent continúe trabajando a partir de un Review?

¿Cómo trasladar un Agent a una máquina remota?

Estos son precisamente los problemas que Orca intenta organizar.

Por eso, el valor de Orca no está simplemente en conseguir que una IA escriba código por primera vez. Su función se vuelve más relevante cuando entras en Multi-Agent Coding y necesitas reunir Agents, Git Worktrees, Terminales, Diff Review, ejecución remota y entrega del código dentro de un mismo entorno de trabajo.

Si estás empezando con Orca, el experimento más útil es también muy sencillo:

Un proyecto → dos Worktrees → dos Agents → el mismo Prompt → comparar dos Diff.

Cuando completes este ejercicio, tendrás una idea bastante clara de por qué existe Orca.