Alistair Gray detalla en esta segunda parte la implementación técnica de Minions, los agentes de codificación de extremo a extremo de Stripe, que ahora fusionan más de 1.300 pull requests por semana, frente a las 1.000 anunciadas en la Parte 1.

La infraestructura se apoya en devboxes — instancias EC2 de AWS efímeras tratadas como "ganado, no mascotas". Un pool precalentado permite que cada agente obtenga un entorno completo en 10 segundos, idéntico al de los ingenieros humanos. Este aislamiento total es fundamental: permite que los agentes se ejecuten sin supervisión ni confirmación, ya que no pueden acceder a producción ni a datos de usuarios.

El harness del agente es un fork personalizado de goose, la herramienta open source de Block, optimizado para el funcionamiento sin asistencia. Los avisos de confirmación se han eliminado porque el aislamiento de los devboxes vuelve redundante esta salvaguarda.

La gran innovación arquitectónica reside en los blueprints — un sistema de orquestación híbrida que combina nodos deterministas y nodos de agente dentro de una máquina de estados. Los pasos predecibles (clonar un repositorio, crear una rama) los ejecuta código tradicional, mientras que los pasos creativos (comprender un problema, escribir código) se delegan a bucles de LLM. Este enfoque "encierra a los LLM en cajas contenidas", lo que ahorra tokens y mejora significativamente la fiabilidad en comparación con un enfoque puramente agéntico.

Como contexto, Stripe ha estandarizado sus archivos de reglas en el formato de Cursor, con sincronización automática al formato de Claude Code. Las mismas reglas sirven a Minions, a los desarrolladores que usan Cursor y a los que usan Claude Code — una unificación que amplifica el retorno de inversión de cada mejora de contexto.

La gestión de herramientas está centralizada mediante Toolshed, un servidor MCP que expone unas 500 herramientas. Cada agente recibe un subconjunto curado adaptado a su tarea, evitando la sobrecarga de contexto que degrada el rendimiento del LLM.

El bucle de retroalimentación funciona en dos etapas. Primero, los hooks de lint previos al push se ejecutan en menos de un segundo para detectar errores triviales. Después, el agente envía su código a uno o dos ciclos de CI como máximo frente a una batería de más de 3 millones de pruebas.

Gray concluye con una filosofía transversal: las inversiones que Stripe ha realizado para mejorar la productividad de sus ingenieros humanos — herramientas, infraestructura, CI — ahora rinden un doble dividendo al beneficiar también a los agentes. Es un argumento contundente para las organizaciones que dudan en invertir en su plataforma de desarrollo.