Plataforma profesional de gobernanza de agentes IA: catalogación, versionado de prompts y políticas, guardrails runtime, ejecución stateful con Human-in-the-Loop, observabilidad y trazabilidad end-to-end.

¿Por qué?

Poner agentes IA en producción sin una capa de gobierno produce sistemas opacos: prompts que cambian sin historial, validaciones inconsistentes, acciones de alto impacto sin supervisión, sin auditoría de decisiones. AgentForge aporta el plano de control mínimo que un equipo de plataforma necesita antes de operar agentes con impacto real.

Arquitectura

┌───────────────────────── docker-compose ──────────────────────────┐
│                                                                    │
│  ┌─────────────────────┐     HTTP/JSON     ┌────────────────────┐ │
│  │ agentforge-dashboard│ ────────────────► │ agentforge-core    │ │
│  │ Streamlit  :8501    │ ◄──────────────── │ FastAPI    :8000   │ │
│  └─────────────────────┘                   └────────────────────┘ │
│                                                                    │
│   Strategy pattern (Protocol) para LLMProvider, GuardrailEngine,  │
│   AgentRegistry. Persistencia mixta: YAML (definiciones), JSON    │
│   (registry), JSONL (logs append-only), SQLite (checkpoints).     │
└────────────────────────────────────────────────────────────────────┘

Detalles completos en ARCHITECTURE.md. Además:

docs/walkthrough.html — walkthrough HTML autocontenido (de alto a bajo nivel, con diagramas). Ábrelo directamente en el navegador (xdg-open docs/walkthrough.html); no requiere servidor.
docs/explicacion.md — explicación didáctica de extremo a extremo (conceptos, recorrido por todos los módulos y sus interrelaciones, y el viaje de una petición de principio a fin).
docs/componentes.md — referencia de cableado a bajo nivel (grafo de dependencias de módulos, inyección de dependencias, firmas de los contratos entre capas, cadenas de llamada de cada endpoint).

Quickstart

cp .env.example .env
docker compose up

Abre http://localhost:8501.

Funciona out-of-the-box (LLM_PROVIDER=mock, sin API keys). Si quieres usar Azure OpenAI real, edita .env.

Demo guiada (3 pasos)

Registro → ver incident_analyzer y comparar v1 vs v2.
Ejecutar → seleccionar el escenario 01_sip_registration_drop y pulsar Invocar. Verás el grafo recorrer validate_input → llm_reason → validate_output → propose_actions → approve_gate y pausarse en HITL.
Aprobaciones → revisar las acciones propuestas (con risk_score y rollback_plan), aprobar las seguras y comprobar que la ejecución completa.

Capacidades implementadas

Feature	Ubicación
Agent Registry	`core/src/agentforge_core/registry/repository.py`
Versionado tipo Git	`agents/<name>/versions/` + `registry/versioning.py`
Guardrails runtime	`core/src/agentforge_core/guardrails/`
LangGraph stateful + checkpointing	`core/src/agentforge_core/runtime/`
Human-in-the-Loop	nodo `approve_gate` + endpoints `/approve` y `/reject`
Observabilidad	`observability/logging.py` (structlog + trace_id)
LLM provider abstraction	`core/src/agentforge_core/llm/`
Política versionada	`policies/default/versions/v1.yaml`

Variables de entorno

Ver .env.example.

Roadmap

Ver docs/futuro.md.

Estructura del repositorio

agentforge/
├── core/                 servicio FastAPI
├── dashboard/            servicio Streamlit
├── agents/               definiciones declarativas (YAML)
├── policies/             políticas de guardrails
├── data/                 estado runtime (gitignored)
├── tests/                pytest unit + integration
└── docs/                 documentación adicional

Tests

make install
make test         # solo unit
make test-all     # unit + integration
make lint         # ruff + mypy
make smoke        # docker-compose + curl health

Licencia

MIT (a confirmar).