El motor detrás de nuestra promesa de infraestructura propia. Producto propio, en desarrollo activo.
Un grafo de estados que diseña, genera, despliega, estresa, diagnostica y corrige arquitecturas de IA generativa — RAG, agentes, microservicios— sobre Docker local, SSH remoto o nube efímera. No es un generador de plantillas: levanta contenedores reales, les inyecta tráfico real, lee logs reales y corrige la arquitectura hasta que sea estable.
Un ciclo de ocho pasos entre diseño, despliegue real y auto-corrección.
Interroga el destino real antes de diseñar nada: ¿hay Compose v2? ¿runtime NVIDIA? ¿puertos libres? ¿cuánta VRAM queda disponible? El diseño parte de capacidades reales, no de lo que alguien declaró.
Un LLM decide la arquitectura, pero no escribe YAML: emite un blueprint validado (Pydantic, enums cerrados) contra las capacidades reales del destino. El código, no el modelo, traduce eso a manifiestos.
Un motor de sizing consciente de GQA calcula VRAM, presupuesto de KV-cache, throughput teórico y tamaño del índice vectorial. Es una hipótesis, no un veredicto: solo el paso de pruebas de carga la confirma.
Código determinista, sin LLM, traduce el blueprint a manifiestos de Docker Compose reproducibles y testeables: el ciclo de corrección gasta iteraciones en errores de arquitectura, no de indentación.
El nodo de mayor riesgo es, a propósito, el más aburrido: cero inteligencia, cero decisiones. Ejecuta un plan ya resuelto sobre el destino —local, SSH o nube efímera— a través de drivers intercambiables.
Inyecta tráfico real de forma asíncrona y mide TTFT, TPOT, TPS y percentiles de latencia. Es quien certifica si el sizing calculado era correcto, comparando lo teórico contra lo medido.
Si algo falla, cada hallazgo debe citar una línea real de log. Sin evidencia literal, el hallazgo se descarta antes de llegar al informe: cero especulación sobre causas no observadas.
El ciclo Crítico → Constructor → Desplegador repite con un límite de intentos y nunca repite una configuración que ya falló: cada corrección mueve al menos un parámetro en dirección monotónica.
No son promesas de producto: son validaciones que corren antes de que cualquier comando toque un servidor real.
Prohibido reiniciar o apagar el servidor destino, aplicado en tres capas independientes: validador de comandos, validador de artefactos generados y saneador del informe final.
El catálogo solo admite modelos de texto de pesos abiertos. Un modelo con otra modalidad se rechaza antes de diseñar nada.
Todo hallazgo de diagnóstico debe citar una línea real de log, con su archivo y su número de línea. Sin evidencia, se descarta.
Nunca JSON crudo hacia el frontend: encabezados, tablas y bloques de código legibles, generados desde plantillas.
Mismo criterio que usamos en el resto del sitio: preferimos decir lo que falta a inflar lo que hay.
H0 a H5 completos, más autenticación de API y perfil de despliegue en CPU:
409 tests en verde, ruff limpio y mypy en modo
estricto sin errores en 95 módulos.
El asterisco que importa: toda esa verificación es contra dobles de prueba (fakes), no contra un daemon de Docker real todavía. Los cuatro tests de integración contra Docker ya están escritos, pero nunca se han ejecutado — es el siguiente paso, y el que más información nos va a dar.
Una petición describe la carga de trabajo, el hardware disponible y el destino. El meta-agente responde de inmediato y transmite el progreso por streaming.
curl -X POST localhost:8080/runs -H 'content-type: application/json' -d '{
"workload": {"name": "rag-corporativo", "kind": "rag",
"slo": {"concurrent_users": 16, "min_context_tokens": 8192}},
"hardware": {"nodes": [{"node_id": "srv-b", "role": "server_b", "cpu_cores": 32,
"ram_gb": 256, "disk_gb": 2000,
"gpus": [{"name": "NVIDIA A100-SXM4-80GB", "vram_gb": 80,
"memory_bandwidth_gb_s": 2039}]}]},
"targets": [{"target_id": "srv-b", "kind": "ssh", "node_role": "server_b",
"host": "10.0.0.11", "ssh": {"username": "deploy",
"private_key": {"provider": "env", "key": "DEPLOY_SSH_KEY"}}}]
}'
Responde 202 de inmediato con un run_id. El progreso llega por
streaming (SSE) — cerrar la conexión no interrumpe el despliegue. El informe final llega en
Markdown estructurado.
Cada corrida termina en un informe, no en una promesa. Y si quieres que se vuelva real, hay una versión que lo hace.
Al final de cada corrida, el meta-agente entrega un informe en Markdown con la arquitectura evaluada, el sizing calculado, lo medido con tráfico real, la desviación entre ambos y qué haría falta para llevarla a producción. Mismo criterio que usamos con nuestros clientes: mostrar lo que hay, no venderlo de más.
Si el informe te convence y quieres el proyecto implementado —en tus propios servidores o en la nube—, la versión premium del agente no se queda en el diagnóstico: despliega la arquitectura certificada y la deja operando.
Hablar sobre la versión premiumEste es el motor que hace posible nuestra promesa de infraestructura propia: en vez de improvisar cuánta VRAM necesita tu RAG o tu agente, el meta-agente la calcula, la despliega y la certifica con tráfico real, sobre tus propios servidores.
Está en desarrollo activo. Si quieres acceso temprano o ver el informe técnico completo, escríbenos.