¿Qué hace agloom?
Marco de trabajo para agentes en producción basado en LangChain/LangGraph: nueve patrones de ejecución, memoria persistente, habilidades, retroalimentación, HITL multinivel, MCP, protocolo AGP, puente de ejecución y enlaces de observabilidad.
Descripción General
agloom es un marco de trabajo modular y extensible para construir agentes de IA robustos y escalables en producción. Está construido sobre las bibliotecas LangChain y LangGraph, aprovechando sus capacidades de encadenamiento y grafos de estado para definir flujos de trabajo complejos.
Características Principales
- Nueve Patrones de Ejecución: Desde ejecución secuencial hasta paralela, con soporte para loops, condicionales y subagentes.
- Memoria Persistente: Almacena y recupera el contexto entre sesiones usando almacenamiento configurable (base de datos, archivos, etc.).
- Sistema de Habilidades: Extiende las capacidades del agente mediante habilidades registrables (plugins).
- Retroalimentación Integrada: Mecanismos para recibir y procesar retroalimentación del usuario o el sistema.
- HITL Multinivel: Soporte para intervención humana en niveles de decisión, confirmación y depuración.
- Protocolo MCP: Implementación del Model Context Protocol para integración con otras herramientas.
- Protocolo AGP: Protocolo propietario para comunicación entre agentes.
- Puente de Ejecución: Interfaz para conectar diferentes entornos de ejecución (local, cloud, edge).
- Hooks de Observabilidad: Puntos de extensión para logging, métricas y trazabilidad.
Instalación
pip install agloom
Uso Básico
from agloom import Agent
agent = Agent(
model="gpt-4",
memory_type="persistent",
patterns=["sequential", "parallel", "feedback"]
)
response = agent.run("Realiza una investigación sobre el clima en Madrid.")
print(response)
Plataformas Soportadas
- Claude Code
- Cursor
- Codex
- Otros entornos compatibles con LangChain
Documentación Completa
Para más detalles, consulta la documentación oficial.
Licencia
MIT