A medida que la industria pasa de la simple inferencia del modelo de lenguaje grande (LLM) a sistemas agentes autónomos, el desafío para los desarrolladores ha cambiado. Ya no se trata sólo del modelo; se trata del entorno en el que opera ese modelo. Un equipo de investigadores de Alibaba lanzó CoPaw, un marco de código abierto diseñado para abordar este problema proporcionando una estación de trabajo estandarizada para implementar y administrar agentes personales de IA.
CoPaw se basa en una pila técnica que comprende AgentScope, AgentScope Runtime y ReMe. Funciona como un puente entre la lógica del agente de alto nivel y los requisitos prácticos de un asistente personal, como la memoria persistente, la conectividad multicanal y la programación de tareas.
La arquitectura: integración de AgentScope y ReMe
CoPaw no es un robot independiente, sino una estación de trabajo que organiza múltiples componentes para crear una ‘Aplicación Agent’ coherente.
El sistema se basa en tres capas principales:
AgentScope: el marco subyacente que maneja la comunicación y la lógica del agente. AgentScope Runtime: el entorno de ejecución que garantiza un funcionamiento estable y una gestión de recursos. ReMe (Administración de memoria): un módulo especializado que maneja la memoria tanto local como basada en la nube. Esto permite a los agentes mantener una “experiencia a largo plazo”, resolviendo el problema de apatridia inherente a las API LLM estándar.
Al aprovechar ReMe, CoPaw permite a los usuarios controlar la privacidad de sus datos y, al mismo tiempo, garantiza que el agente conserve el contexto en diferentes sesiones y plataformas. Esta memoria persistente es lo que permite que la estación de trabajo se adapte a los flujos de trabajo específicos de un usuario con el tiempo.
Extensibilidad a través del sistema de habilidades
Una característica principal de la estación de trabajo CoPaw es su capacidad de extensión de habilidades. En este marco, una ‘habilidad’ es una unidad discreta de funcionalidad, esencialmente una herramienta que el agente puede invocar para interactuar con el mundo externo.
Agregar capacidades a CoPaw no requiere modificar el motor central. En cambio, CoPaw admite un directorio de habilidades personalizado donde los ingenieros pueden colocar funciones basadas en Python. Estas habilidades siguen una especificación estandarizada (influenciada por antrópicos/habilidades), lo que permite al agente:
Realizar web scraping (por ejemplo, resumir hilos de Reddit o vídeos de YouTube). Interactuar con archivos locales y entornos de escritorio. Consultar bases de conocimientos personales almacenadas en la estación de trabajo. Administre calendarios y correo electrónico a través de lenguaje natural.
Este diseño permite la creación de aplicaciones Agentic: flujos de trabajo complejos en los que el agente utiliza una combinación de habilidades integradas y tareas programadas para lograr un objetivo de forma autónoma.
Conectividad multicanal (acceso a todos los dominios)
Uno de los principales obstáculos técnicos de la IA personal es la implementación en plataformas de comunicación fragmentadas. CoPaw aborda esto a través de su capa de acceso a todos los dominios, que estandariza cómo los agentes interactúan con diferentes protocolos de mensajería.
Actualmente, CoPaw admite la integración con:
Plataformas empresariales: DingTalk y Lark (Feishu). Plataformas sociales/de desarrolladores: Discord, QQ e iMessage.
Este soporte multicanal significa que un desarrollador puede inicializar una única instancia de CoPaw e interactuar con ella desde cualquiera de estos puntos finales. La estación de trabajo maneja la traducción de mensajes entre la lógica del agente y la API del canal específico, manteniendo un estado y una memoria consistentes independientemente de dónde ocurra la interacción.
Conclusiones clave
Cambio del modelo a la estación de trabajo: CoPaw aleja el enfoque del modelo de lenguaje grande (LLM) y lo acerca a una arquitectura estructurada de estación de trabajo. Actúa como una capa de middleware que organiza el marco AgentScope, AgentScope Runtime y los canales de comunicación externos para convertir las capacidades LLM sin procesar en un asistente funcional y persistente. Memoria a largo plazo a través de ReMe: a diferencia de las interacciones LLM estándar sin estado, CoPaw integra el módulo ReMe (Administración de memoria). Esto permite a los agentes mantener una “experiencia a largo plazo” al almacenar las preferencias del usuario y los datos de tareas anteriores, ya sea localmente o en la nube, lo que permite una evolución personalizada del comportamiento del agente a lo largo del tiempo. ‘Habilidades’ extensibles basadas en Python: el marco utiliza un sistema de extensión de habilidades desacoplado basado en la especificación antrópica/habilidades. Los desarrolladores pueden ampliar la utilidad de un agente simplemente agregando funciones de Python a un directorio de habilidades personalizado, lo que permite al agente realizar tareas específicas como web scraping, manipulación de archivos o integraciones de API sin modificar el código base central. Acceso multicanal para todos los dominios: CoPaw proporciona una interfaz unificada para la implementación multiplataforma. Se puede conectar una única instancia de estación de trabajo a herramientas empresariales (Lark, DingTalk) y plataformas sociales/de desarrollo (Discord, QQ, iMessage), lo que permite acceder al mismo agente y su memoria en diferentes entornos. Flujos de trabajo agentes automatizados: al combinar tareas programadas con el sistema de habilidades, CoPaw pasa del chat reactivo a la automatización proactiva. Los desarrolladores pueden programar ‘Aplicaciones Agentic’ que realicen operaciones en segundo plano, como síntesis de investigación diaria o monitoreo automatizado de repositorios, y envíen los resultados al canal de comunicación preferido del usuario.
Consulte el repositorio aquí y el sitio web. Además, no dude en seguirnos en Twitter y no olvide unirse a nuestro SubReddit de más de 120.000 ML y suscribirse a nuestro boletín. ¡Esperar! estas en telegrama? Ahora también puedes unirte a nosotros en Telegram.