Traer agentes de IA a cualquier IU: el protocolo AG-UI para las corrientes de frontend de agentes estructurados en tiempo real

Los agentes de IA ya no son solo chatbots que escupen respuestas. Están evolucionando a sistemas complejos que pueden razonar paso a paso, llamar a las API, actualizar los paneles y colaborar con humanos en tiempo real. Pero esto plantea una pregunta clave: ¿Cómo deberían los agentes hablar con las interfaces de usuario?

Los enchufes ad-hoc y las API personalizadas pueden funcionar para prototipos, pero no se escala. Cada proyecto reinventa cómo transmitir salidas, administrar llamadas de herramientas o manejar correcciones de usuario. Esa es exactamente la brecha del Protocolo AG-UI (interacción agente-usuario) tiene como objetivo llenar.

Lo que ag-ui trae a la mesa

Ag-ui es un Protocolo de eventos de transmisión Diseñado para la comunicación de agente a UI. En lugar de devolver una sola gota de texto, los agentes emiten un secuencia continua de eventos JSON:

  • Text_message_content para transmitir respuestas token por token.
  • Tool_call_start / args / end para llamadas de funciones externas.
  • State_snapshot y state_delta para mantener el estado de la interfaz de usuario sincronizado con el backend.
  • Lifecycle Events (run_started, run_finished) para enmarcar cada interacción.

Todo esto fluye sobre transportes estándar como HTTP SSE o Redes webpor lo que los desarrolladores no tienen que construir protocolos personalizados. El frontend se suscribe una vez y puede generar resultados parciales, actualizar gráficos e incluso enviar correcciones de usuario a mitad de carrera.

Este El diseño hace ag-ui más que una capa de mensajería, es un contrato entre agentes y UI. Los marcos de backend pueden evolucionar, las UI pueden cambiar, pero mientras hablen AG-UI, todo se mantiene interoperable.

Integraciones de primera parte y socios

Una razón Ag-ui está ganando tracción es su amplitud de integraciones compatibles. En lugar de dejar a los desarrolladores para conectar todo manualmente, muchos marcos de agentes ya se envían con soporte AG-UI.

  • Mastra (Mecanografiado): nativo Ag-ui Soporte con una tipificación fuerte, ideal para finanzas y copilotos basados ​​en datos.
  • Langgraph: AG-UI integrado en flujos de trabajo de orquestación para que cada nodo emite eventos estructurados.
  • Crewai: Coordinación de múltiples agentes expuestos a UI a través de AG-UI, permitiendo que los usuarios sigan y guíen a “equipos de agentes”.
  • Agno: Sistemas de agentes múltiples de pila completa con Ag-ui-El backends listos para paneles y herramientas de OPS.
  • Llamado: Agrega flujos de trabajo de recuperación de datos interactivos con la transmisión de evidencia en vivo a la UI.
  • Pydantic AI: Python sdk con Ag-ui Horneado, además de aplicaciones de ejemplo como el dojo Ag-UI.
  • Copilotkit: Frontend Toolkit ofreciendo componentes React que se suscriben a las transmisiones AG-UI.

Otras integraciones son en curso—-Como agentes de roca madre de AWS, Google ADK y los agentes de Cloudflare, lo que hará que AG-UI sea accesible en las principales plataformas en la nube. Los SDK del lenguaje también se están expandiendo: el soporte de Kotlin se completa, mientras que .NET, GO, Rust, NIM y Java están en desarrollo.

Casos de uso del mundo real

Uso de equipos de salud, finanzas y análisis Ag-ui Para convertir las transmisiones críticas de datos en interfaces en vivo ricas en contexto: los médicos ven la actualización de Patient Vitals sin recarga de páginas, los comerciantes de acciones desencadenan un agente de análisis de acciones y los resultados de los resultados en línea, y los analistas ven un panel de control de langgraph que visualiza los planes de gráficos Token por token como el agente razona.

Más allá de la pantalla de datos, Ag-ui Simplifica la automatización del flujo de trabajo. Los patrones comunes (migración de datos, resumen de investigación, relleno de formularios) se reducen a una sola corriente de evento SSE en lugar de enchufes personalizados o bucles de votación. Debido a que los agentes emiten solo parches State_Delta, la UI actualiza solo las piezas que cambiaron, cortando el ancho de banda y eliminando las recargas discordantes. El mismo mecanismo alimenta los bots de apoyo al cliente 24/7 que muestran indicadores de escritura, progreso de llamadas de herramientas y respuestas finales dentro de una ventana de chat, manteniendo a los usuarios comprometidos durante toda la interacción.

Para los desarrolladores, el protocolo permite asistentes de código y aplicaciones de múltiples agentes con un código de pegamento mínimo. Las experiencias que reflejan el copiloto de GitHub, las sugerencias de tiempo real que se transmiten en editores, se construyen simplemente escuchando Ag-ui eventos. Frameworks como Langgraph, Crewai y Mastra ya emiten los 16 tipos de eventos de las especificaciones, por lo que los equipos pueden intercambiar agentes de fondo, mientras que el front-end permanece sin cambios. Este desacoplamiento acelera la prototipos de los dominios: el software de impuestos puede mostrar estimaciones de deducción optimistas, mientras que la validación se ejecuta en segundo plano, y una página CRM puede automáticamente los detalles del cliente a medida que un agente devuelve datos estructurados a una interfaz de usuario de Velte + Tailwind.

Dojo ag-ui

Copilotkit también ha introducido recientemente Dojo ag-uiun conjunto de demostraciones mínimas de “aprendizaje primero” de demostraciones mínimas y ejecutables que enseñan y validan las integraciones AG-UI de extremo a extremo. Cada demostración incluye una vista previa en vivo, código y documentos vinculados, que cubren seis primitivas necesarias para la UI del agente de producción: chat de agente (transmisión + ganchos de herramientas), planificación humana en el circuito, UI generativa de agente y basada en herramientas, estado compartido y actualizaciones estatales predictivas para la colaboración en tiempo real. Los equipos pueden usar el dojo como una lista de verificación para solucionar problemas de pedido de eventos, forma de carga útil y sincronización de estado de agente de usuario antes de enviar, reduciendo la ambigüedad de integración y el tiempo de depuración.

Puedes jugar con el Dojo aquí, Código fuente del dojo y más detalles técnicos sobre el Dojo está disponible en el blog

Contribuciones de hoja de ruta y comunidad

El hoja de ruta pública Muestra hacia dónde se dirige AG-UI y hacia dónde los desarrolladores pueden enchufar:

  • Madurez de SDK: Inversión continua en TypeScript y Python SDK, con expansión a más idiomas.
  • Herramientas de depuración y desarrollador: Mejor manejo de errores, observabilidad y claridad del evento de ciclo de vida.
  • Rendimiento y transporte: Trabaje en gran manejo de carga útil y transportes de transmisión alternativos más allá de SSE/WS.
  • Muestra de aplicaciones y parques infantiles: El Dojo ag-ui Demuestra bloques de construcción para UI y se está expandiendo con más patrones.

Por el lado de la contribución, la comunidad ha agregado integraciones, SDKs mejorados, documentación ampliada y demostraciones construidas. Las solicitudes de extracción en marcos como Mastra, Langgraph y Pydantic AI provienen de mantenedores y contribuyentes externos. Este modelo de colaboración asegura Ag-ui está formado por las necesidades reales del desarrollador, no solo los escritores de especificaciones.

Resumen

Ag-ui está emergiendo como el Protocolo de interacción predeterminado para UIS de agente. Estandariza el terreno medio desordenado entre agentes y frontends, haciendo que las aplicaciones sean más receptivas, transparentes y mantenibles.

Con integraciones de primera parte en los marcos populares, las contribuciones comunitarias que dan forma a la hoja de ruta y herramientas como el dojo Ag-UI que reduce la barrera de entrada, el ecosistema está madurando rápidamente.

Lanzamiento Ag-ui Con un solo comando, elija el marco de su agente y tenga prototipos en menos de cinco minutos.

npx create-ag-ui-app@latest 
#then 
<pick your agent framework>  

#For details and patterns, see the quickstart blog: go.copilotkit.ai/ag-ui-cli-blog.

Preguntas frecuentes

Preguntas frecuentes 1: ¿Qué problema resuelve AG-UI?

Ag-ui Estandariza cómo los agentes se comunican con las interfaces de usuario. En lugar de las API ad-hoc, define un protocolo de evento claro para transmitir texto, llamadas de herramientas, actualizaciones de estado y señales de ciclo de vida, lo que hace UI interactivos más fáciles de construir y mantener.

Preguntas frecuentes 2: ¿Qué marcos ya admiten AG-UI?

Ag-ui Tiene integraciones de primera parte con Mastra, Langgraph, Crewai, Agno, Llamaindex y Pydantic AI. Las integraciones de socios incluyen Copilotkit en la interfaz. El soporte para los agentes de láser de AWS, Google ADK y los idiomas adicionales como .NET, GO y Rust están en progreso.

Preguntas frecuentes 3: ¿Cómo difiere AG-UI de las API REST?

REST funciona para tareas de solicitud -respuesta única. Ag-ui está diseñado para agentes interactivos: admite la salida de transmisión, actualizaciones incrementales, el uso de la herramienta y la entrada del usuario durante una ejecución, que el descanso no puede manejar de forma nativa.

Preguntas frecuentes 4: ¿Qué transportes usa Ag-UI?

Por defecto, Ag-ui Se ejecuta a través de eventos (SSE) de HTTP Server-Sent. También admite WebSockets, y la hoja de ruta incluye la exploración de transportes alternativos para casos de uso de datos binarios o de alto rendimiento.

Preguntas frecuentes 5: ¿Cómo pueden los desarrolladores comenzar con Ag-UI?

Puede instalar SDK oficiales (TypeScript, Python) o usar marcos compatibles como Mastra o Pydantic AI. El Dojo ag-ui Proporciona ejemplos de trabajo y bloques de construcción de la interfaz de usuario para experimentar con transmisiones de eventos.


Gracias a la Copilotkit equipo para el liderazgo/ recursos de pensamiento para este artículo. Copilotkit El equipo nos ha apoyado en este contenido/artículo.


Asif Razzaq es el CEO de MarktechPost Media Inc .. Como empresario e ingeniero visionario, ASIF se compromete a aprovechar el potencial de la inteligencia artificial para el bien social. Su esfuerzo más reciente es el lanzamiento de una plataforma de medios de inteligencia artificial, MarktechPost, que se destaca por su cobertura profunda de noticias de aprendizaje automático y de aprendizaje profundo que es técnicamente sólido y fácilmente comprensible por una audiencia amplia. La plataforma cuenta con más de 2 millones de vistas mensuales, ilustrando su popularidad entre el público.