Codex Computer Use y el navegador integrado en la práctica: dejar que el agente vea páginas, opere apps e itere el frontend

Cuando terminas un cambio de frontend y la captura de pantalla sigue sin mostrarle al agente cómo se ve de verdad la página, el bucle se vuelve pesado muy rápido. ¿Y si el agente pudiera abrir el navegador por sí mismo, mirar la página, comentar allí mismo y seguir?

En macOS, el agente puede manejar varias apps en segundo plano mientras tú sigues escribiendo código. En Windows, toma el cursor, así que tienes que pausar el resto del trabajo. Para iterar frontend, el flujo queda muy claro: cambias el código, dejas que el agente abra el navegador, comentas en la página y vuelves a iterar. Ese es el valor práctico de Computer Use y del navegador integrado. Las diferencias de plataforma marcan el flujo de trabajo, y los límites de seguridad marcan los permisos.

1. Conceptos básicos de Computer Use: usar el cursor para ver, hacer clic y escribir en apps

1.1 No es una toma de control total, sino “tú defines el objetivo y él opera la GUI”

Computer Use permite que Codex use su propio cursor para ver, hacer clic y escribir en las apps de tu computadora, incluidas herramientas de escritorio sin API pública. Si dices, por ejemplo, “convierte este PDF a Word”, Codex mueve el foco, hace clic en ventanas, escribe texto y completa el flujo de la GUI.

Eso es distinto de un script en segundo plano. En Windows, Codex toma el cursor en primer plano. En macOS, trabaja en paralelo en segundo plano, así que puedes seguir en otras apps.

Resuelve sobre todo dos tipos de tareas:

1. Operar herramientas sin API: software de diseño, ajustes del sistema y apps de escritorio, siempre que la tarea pueda completarse en una GUI.
2. Tareas que necesitan ver la interfaz real: depuración de GUI, reproducción de maquetas de diseño y pruebas de interacción de escritorio.

1.2 macOS vs Windows: paralelo en segundo plano vs toma de control en primer plano

La gran diferencia en Computer Use es si puedes trabajar en paralelo.

Si usas macOS, Computer Use funciona muy bien como “asistente paralelo”: dejas que un agente maneje una app de diseño mientras tú sigues escribiendo código en el editor. En Windows, conviene reservar un bloque de concentración: Codex toma el cursor, pausarás el resto del trabajo y esperarás a que termine.

2. El navegador integrado: cambias el frontend -> abres la página -> comentas allí -> sigues

2.1 El bucle de iteración frontend en 4 pasos

El problema central que resuelve el navegador integrado es simple: el agente cambia el código frontend, pero no ve el render real. Sin navegador, solo queda depender de capturas.

El flujo es así:

Vultr - Servidor cloud NVMe de alto rendimiento, 32 ubicaciones globales, despliegue Docker con un clic

Ver precios →Anuncio

1. Cambiar el frontend: ajustar estilos, diseño o lógica de interacción.
2. Abrir el navegador: pedirle a Codex que abra localhost o una app web local.
3. Comentar en la página: hacer clic, anotar y comentar directamente en el navegador para dar instrucciones precisas al agente.
4. Seguir iterando: el agente usa el feedback, ajusta otra vez y revisa el siguiente render.

Así, el frontend pasa de “editar código -> enviar captura -> recibir feedback -> editar código” a “editar código -> ver la página -> comentar -> editar código”. El agente ve el render directamente y tú no tienes que estar enviando capturas todo el tiempo.

2.2 Por ahora sirve sobre todo para frontend y juegos

La posición actual de OpenAI es clara: el navegador integrado sirve sobre todo para apps web localhost, desarrollo frontend y desarrollo de juegos.

La expansión hacia un control de navegador más completo sigue en marcha. Si necesitas que Codex opere sitios externos, por ejemplo para depurar producción o probar páginas de terceros, eso todavía está limitado hoy y depende de futuros despliegues.

2.3 Developer mode: darle a Codex acceso a Chrome DevTools Protocol

Developer mode se publicó el 2026-06-11 en la versión 6.609 y le da a Codex acceso controlado a Chrome DevTools Protocol.

Puede hacer cosas como:

• Análisis de rendimiento: perfilar JavaScript y medir tiempos de render.
• Depuración de red: revisar solicitudes, respuestas y tiempos.
• Salida de consola: leer errores de ejecución y console.log.
• Inspección del estado de la página: revisar el DOM y los estilos aplicados.

Además de eso, CDP también acelera la iteración. Los DOM snapshots reducen renders repetidos y el envío de capturas. En páginas complejas, la iteración puede ser hasta 2x más rápida porque el agente no necesita recargar la página completa en cada vuelta y puede seguir desde el snapshot.

La ruta para activarlo es Settings > Browser > Enable full CDP access. Si tu organización desactiva Developer mode, no puedes activarlo localmente. Eso es una política de la organización, no una configuración de cuenta personal.

3. Appshots: doble pulsación de Command en macOS y enviar la app a Codex de una vez

3.1 No es una captura normal, sino “captura + texto oculto”

Appshots, publicado el 2026-05-21, resuelve un detalle de las capturas: el contenido fuera del área visible de scroll es difícil de ver.

Si pulsas dos veces la tecla Command, Codex captura la ventana de la app en primer plano y el texto disponible, incluido el texto oculto fuera de la zona visible. Por ejemplo, si una pila de errores web está por debajo de la parte visible, una captura normal no la muestra, pero Appshots puede extraer todo el texto de la página.

3.2 Casos de uso

Casos típicos de Appshots:

• Depurar errores web: enviar a Codex toda la ventana del navegador, incluida la pila de errores fuera de pantalla.
• Reproducir maquetas de diseño: enviar la ventana de una app de diseño al agente para que analice el layout.
• Extraer texto no seleccionable de un PDF: leer directamente el contenido de la ventana PDF.

Es más eficiente que enviar solo una captura, porque el agente ve al mismo tiempo la parte visual y el texto.

3.3 Flujo de Appshots

1. Abre la ventana de la app objetivo y haz clic dentro para darle foco.
2. Pulsa dos veces Command y suelta.
3. Aparece un icono de Codex en la esquina inferior derecha durante unos 1,2 segundos, lo que indica que la captura fue correcta.
4. La captura se adjunta automáticamente al hilo de conversación activo de los últimos 60 segundos.

Nota: Appshots solo funciona en macOS y el idioma del sistema debe ser inglés o chino simplificado. Los entornos japoneses y coreanos tienen limitaciones conocidas. En esos dos idiomas, el texto fuera del área de scroll puede quedar incompleto y algunos textos no seleccionables pueden no capturarse bien. Si usas un sistema japonés o coreano, prueba primero la función en inglés o chino simplificado.

KiloClaw - OpenClaw gestionado para empresas: orquestación de agentes IA y enrutamiento inteligente

Empezar →Anuncio

4. Límites de seguridad: cuándo no dar acceso total

4.1 Sandbox por defecto + acceso bajo demanda

Codex funciona por defecto en modo sandbox, así que el agente queda limitado a la carpeta de trabajo y la rama. Las acciones de mayor privilegio requieren tu aprobación. Computer Use y el navegador integrado son capacidades de mayor privilegio, así que conviene autorizarlas con cuidado.

Los usuarios de Windows tienen un control adicional: Settings > Computer Use > Configure per-app access control permite limitar Codex a apps concretas.

4.2 Cuándo no dar acceso total

Computer Use necesita una postura disciplinada con los permisos. No lo autorices en estos casos:

• Codebases de terceros no confiables, donde el agente podría ver archivos sensibles.
• Bases de datos de producción, donde el agente podría hacer un cambio incorrecto.
• Ajustes del sistema de alto privilegio, donde el control por app en Windows importa mucho.

La regla conservadora es simple:

• Quédate en sandbox por defecto y concede acceso solo cuando la tarea lo necesite de forma clara.
• En Windows, usa per-app access control para reducir el alcance.

5. Decidir: cuándo usar Computer Use y cuándo el código normal sale más barato

5.1 Matriz de escenarios

Computer Use no es una herramienta universal. Decide según el tipo de tarea.

La regla central es simple: si el código normal basta, no actives Computer Use. Su valor está en operar herramientas sin API y en tareas donde hay que ver la interfaz real.

5.2 Aviso de coste: Computer Use y el navegador cuestan más

Computer Use y el navegador integrado cuestan más que el código normal:

• Computer Use consume más tokens por el coste de capturas e interacción.
• La iteración en el navegador dispara una llamada en cada ronda.

Usa código normal para tareas simples y reserva Computer Use para trabajos GUI complejos.

6. FAQ: preguntas comunes

Q1: ¿Qué es Computer Use y hasta dónde llega?

Computer Use permite que Codex vea, haga clic y escriba con su propio cursor para operar todas las aplicaciones de tu computadora, incluidas herramientas de escritorio sin API pública. No es una toma de control total. Tú defines el objetivo y Codex opera la GUI en primer plano en Windows o en segundo plano en macOS.

Q2: ¿Cuál es la diferencia entre macOS y Windows?

macOS admite trabajo paralelo en segundo plano, así que varios agentes pueden operar apps distintas sin molestar tu trabajo. Windows ahora funciona en primer plano, el agente toma el cursor y normalmente tienes que pausar el resto. Ambos pueden operar todas las apps; la elección depende de tu flujo.

Q3: ¿Cómo uso el navegador integrado para iterar frontend?

Cambias el frontend, abres la página localhost en el navegador integrado, comentas directamente en la página, dejas que el agente siga con los cambios y luego vuelves a abrir el navegador para revisar el resultado. Así se crea un bucle editar-ver-comentar-editar. Ahora mismo sirve sobre todo para frontend y juegos.

Alibaba Cloud - Opción preferida para desarrolladores, 15 % de descuento exclusivo en Lighthouse

Obtener 15% dto. →Anuncio

Q4: ¿Es seguro y hace falta acceso total?

Por defecto, Codex está en sandbox y el agente queda limitado a la carpeta de trabajo y la rama. Los privilegios altos requieren aprobación. Computer Use y el navegador son capacidades de mayor privilegio, así que solo debes concederlas cuando haga falta. En Windows también puedes restringir por app, y los escenarios no confiables nunca deberían tener acceso total.

Q5: ¿Cuándo merece la pena usar Computer Use?

Para herramientas de escritorio sin API, como software de diseño o ajustes del sistema, y para tareas en las que el agente necesita ver la interfaz real, como depuración GUI o recreación de maquetas. La generación simple de código sale más barata con código normal.

Q6: ¿Qué puede hacer el navegador Developer mode?

Le da a Codex acceso controlado a Chrome DevTools Protocol para análisis de rendimiento, depuración de red, salida de consola e inspección de DOM y estilos. Esta función se añadió el 2026-06-11. En algunos casos, el DOM snapshotting puede mejorar la iteración hasta 2x.

7. Próximos pasos y recursos

Artículos relacionados

• Upstream: sandbox de seguridad de Codex y límites de permiso: cuándo no dar acceso total (pendiente de publicar)
• Downstream: workflow de Codex Cloud Agent: operación y monitorización de dispositivos remotos (pendiente de publicar)
• Downstream: coste de Codex en la práctica: controlar presupuestos para Computer Use, navegador y tareas largas (pendiente de publicar)

Recursos oficiales

• Documentación oficial de Codex
• Changelog de Codex
• Codex for (almost) everything, la gran actualización del 2026-04-16

Conclusión

Computer Use y el navegador integrado resuelven el mismo problema central: la IA necesita ver la interfaz real para terminar la tarea. El frontend necesita el render real, y las herramientas sin API necesitan una GUI.

La diferencia de plataforma define el flujo. En macOS puedes dejar que el agente opere una app en segundo plano mientras tú sigues escribiendo código. En Windows hace falta un bloque de concentración y dejar que el agente tome el cursor.

La seguridad también pide contención. Mantén el sandbox por defecto, concede acceso solo cuando la tarea lo necesite y usa per-app access control en Windows para limitar el alcance.

El equilibrio de coste también es claro: el código normal es más barato para tareas simples, mientras que Computer Use aporta valor en trabajos GUI complejos.

Siguientes pasos recomendados:

• Si usas macOS, prueba a tener una app de diseño en segundo plano mientras sigues editando código.
• Si necesitas iterar frontend, construye el bucle editar-ver-comentar-editar con el navegador integrado.
• Si todavía dudas sobre los límites de seguridad, lee primero la sandbox de seguridad de Codex y los límites de permiso antes de dar acceso total.