Sobre o projeto
AgenticX é uma stack tecnológica multiagente unificada e orientada para produção. Fornece um SDK Python e uma CLI `agx` para construir agentes, um servidor Studio que expõe uma API REST FastAPI e backend SSE, e o Near Desktop, um workspace local-first em Electron + React. O projeto também descreve um caminho AgenticX Enterprise com portal web, consola de administração e Go AI Gateway para autenticação, política, quota, relay de modelos, governança e auditoria.
As capacidades principais incluem um motor de execução de agentes com um dispatcher Meta-Agent CEO, uma primitiva SDK ReActAgent incorporável com streaming de eventos tipados e execução paralela de ferramentas, orquestração baseada em grafos, um sistema unificado de ferramentas com MCP Hub e suporte OpenAPI, memória hierárquica com integração Mem0, e adaptadores para mais de 15 fornecedores de LLM. Suporta comunicação inter-agentes A2A, acesso a recursos MCP, validação de saída baseada em Pydantic, e um ecossistema de skills com gestão de ciclo de vida e auto-evolução.
As funcionalidades de conhecimento e recuperação incluem processamento de documentos, GraphRAG, montagem de conhecimento multi-brain, recuperação híbrida vetorial e BM25, e múltiplos backends de embedding. A plataforma inclui suporte autónomo de codificação de longo horizonte com polling de tarefas, workspaces isolados, máquinas de estado de projeto, e ciclos auditáveis de implementar-verificar-commit.
O ferramental de segurança e operações cobre deteção de fugas, sanitização, deteção de injeção, avaliação de políticas, guardrails de ferramentas, fluxos de aprovação, e backends de sandbox como Docker, Microsandbox, subprocess e HTTP remoto. A observabilidade inclui callbacks, integração Prometheus/OpenTelemetry, análise de trajetórias, e um framework de avaliação com juízes LLM e avaliadores de spans. O armazenamento usa por defeito uma árvore de ficheiros `~/.agenticx` com metadados SQLite e sessões Redis opcionais; Chroma é o backend vetorial predefinido para a base de conhecimento do desktop.
O README inclui instruções de instalação via PyPI e a partir do código-fonte, exemplos de CLI, exemplos de uso de agentes e ferramentas em Python, e ligações para numerosos projetos de exemplo que cobrem colaboração multiagente, workflows, comunicação A2A, memória, human-in-the-loop, automação GUI, reconhecimento de intenções, ChatBI, deep research, GraphRAG e mais. Um aviso de segurança alerta sobre as versões maliciosas do LiteLLM 1.82.7 e 1.82.8 e recomenda atualizar para uma versão segura.
Comments
0 people shared their preference · Deer Point appears after 10 participants
Sign in to join the discussion.