PySpur - Plataforma de Desarrollo Visual para Agentes de IA Inteligentes

Resumen del Proyecto

PySpur es una plataforma de flujo de trabajo visual para agentes de IA, que permite a los ingenieros de IA iterar y desarrollar agentes de IA 10 veces más rápido. Este es un proyecto de código abierto respaldado por Y Combinator, diseñado para resolver los principales problemas que enfrentan los ingenieros de IA al construir agentes inteligentes.

Problemas Centrales Resueltos

Los ingenieros de IA generalmente enfrentan tres desafíos al construir agentes inteligentes:

1. Infierno de Prompts: Dedicar mucho tiempo a ajustar prompts y a prueba y error repetitivos.
2. Puntos Ciegos en el Flujo de Trabajo: Falta de visualización de las interacciones paso a paso, lo que conduce a fallas ocultas y confusión.
3. Pesadilla de Pruebas End-to-End: Necesidad de observar la salida sin procesar y analizar manualmente JSON.

Características y Funcionalidades Clave

🔄 Gestión del Flujo de Trabajo

• Interfaz Gráfica Visual: Construcción de flujos de trabajo de IA mediante arrastrar y soltar.
• Soporte de Bucles: Soporte para llamadas iterativas de herramientas con memoria.
• Colaboración Humano-Máquina: Flujos de trabajo persistentes, con soporte para aprobación manual.
• Depuración con Puntos de Interrupción: Puntos de pausa en el flujo de trabajo que requieren aprobación manual para continuar.

📤 Procesamiento de Datos Multimodal

• Carga de Archivos: Soporte para cargar archivos o pegar URLs para procesar documentos.
• Soporte Multimodal: Procesamiento de video, imágenes, audio, texto, código y otros formatos.
• Salida Estructurada: Proporciona un editor de interfaz de usuario para JSON Schema.

🗃️ Sistema RAG

• Flujo RAG Completo: Análisis, fragmentación, incrustación e inserción de datos en una base de datos vectorial.
• Integración de Bases de Datos Vectoriales: Soporte para múltiples bases de datos vectoriales.

🧰 Integración de Herramientas

• Amplio Soporte de Herramientas: Integración con Slack, Firecrawl.dev, Google Sheets, GitHub, etc.
• Extensibilidad: Adición de nuevos nodos creando un solo archivo Python.

📊 Monitoreo y Evaluación

• Seguimiento Automático: Captura automática del historial de ejecución de los agentes inteligentes implementados.
• Sistema de Evaluación: Evaluación del rendimiento del agente inteligente en conjuntos de datos del mundo real.
• Implementación con un Clic: Publicación como API e integración en cualquier lugar.

🎛️ Soporte Multi-Proveedor

• Soporte para Más de 100 Proveedores: Soporte para más de 100 proveedores de LLM, incrustadores y bases de datos vectoriales.
• Impulsado por Python: Construido sobre Python, fácil de extender y personalizar.

Inicio Rápido

Requisitos de Instalación

• Python 3.11 o superior

Pasos Básicos de Instalación

1. Instalar PySpur

pip install pyspur

2. Inicializar un Nuevo Proyecto

pyspur init my-project
cd my-project

3. Iniciar el Servidor

pyspur serve --sqlite

Por defecto, esto iniciará la aplicación PySpur en http://localhost:6080, utilizando una base de datos sqlite. Se recomienda configurar una URL de instancia de postgres en el archivo .env para una experiencia más estable.

4. Configurar el Entorno y las Claves API (Opcional)

• A través de la Interfaz de la Aplicación: Navegar a la pestaña de claves API para agregar claves de proveedor (OpenAI, Anthropic, etc.).
• Manualmente: Editar el archivo .env (se recomienda configurar postgres) y reiniciar con pyspur serve.

Configuración del Entorno de Desarrollo

Método Recomendado: Usar Contenedores de Desarrollo

Se recomienda usar Cursor/VS Code con contenedores de desarrollo (.devcontainer/devcontainer.json) para obtener:

• Un entorno de desarrollo consistente con herramientas y extensiones preconfiguradas.
• Configuraciones optimizadas para el desarrollo de Python y TypeScript.
• Recarga en caliente automática y reenvío de puertos.

Pasos:

1. Instalar Cursor/VS Code y la extensión Dev Containers.
2. Clonar y abrir el repositorio.
3. Hacer clic en "Reabrir en Contenedor" cuando se le solicite.

Método de Configuración Manual

1. Clonar el Repositorio

git clone https://github.com/PySpur-com/pyspur.git
cd pyspur

2. Iniciar con docker-compose

docker compose -f docker-compose.dev.yml up --build -d

3. Configuración Personalizada: Editar el archivo .env para configurar el entorno (como la configuración de PostgreSQL).

Nota: La configuración manual requiere configuración adicional y puede no incluir todas las características del contenedor de desarrollo.

Casos de Uso

PySpur es especialmente adecuado para los siguientes escenarios:

• Flujos de trabajo de IA complejos que requieren depuración visual.
• Procesos de garantía de calidad que requieren supervisión humana.
• Aplicaciones de procesamiento de datos multimodales.
• Construcción y optimización de sistemas RAG.
• Implementación de aplicaciones de agentes inteligentes a gran escala.

Arquitectura Técnica

• Frontend: Editor de flujo de trabajo basado en una interfaz gráfica.
• Backend: Motor de ejecución impulsado por Python.
• Base de Datos: Soporte para SQLite y PostgreSQL.
• Implementación: Soporte para implementación en contenedores y publicación de API con un clic.