La mayoría de las aplicaciones agentes actuales tienen un problema de memoria. Cada vez que un usuario abre una nueva sesión, el agente comienza desde cero. No hay ningún recuerdo de lo que se discutió, qué flujos de trabajo estaban en progreso o qué decisiones ya se tomaron. La sesión termina y todo desaparece. Para los equipos de desarrollo que envían aplicaciones agentes de producción, la única forma de solucionar esto ha sido implementar manualmente una capa de almacenamiento desde cero, seleccionar una base de datos, serializar el estado, administrar los ID de sesión y conectarla nuevamente al tiempo de ejecución del agente antes de escribir una sola línea de lógica de producto real. La plataforma Enterprise Intelligence de CopilotKit resuelve este problema proporcionando una capa de infraestructura administrada que maneja el estado y la memoria automáticamente. Funciona independientemente del marco del agente: cualquier agente puede tener memoria.
Dale a CopilotKit un ⭐ en GitHub
¿Qué es la inteligencia empresarial CopilotKit?
CopilotKit es la pila de interfaz para agentes de IA: infraestructura de producción para crear una interfaz de usuario generativa que permite a los usuarios y agentes colaborar directamente dentro de la interfaz de usuario a través de flujos de trabajo interactivos y con estado.
Admite aplicaciones A2UI y MCP, entradas multimodales que incluyen carga de archivos, voz con transcripción y está diseñado para producción con transmisión duradera (reconexiones automáticas a mitad de transmisión), optimizaciones móviles y migraciones automáticas para que las actualizaciones funcionen sin fricciones. Se integra con todos los principales marcos de agentes y capas de orquestación.
También son la empresa detrás del protocolo AG-UI (interacción agente-usuario), una solución estandarizada que conecta agentes de IA con aplicaciones orientadas al usuario.
Enterprise Intelligence Platform es la nueva capa de plataforma administrada de CopilotKit que se encuentra en la parte superior de la pila de código abierto de CopilotKit. No reemplaza el SDK. Agrega la capa de infraestructura de la que actualmente carece el SDK: memoria duradera y persistente para aplicaciones agentes, de modo que las aplicaciones puedan retener el contexto, el estado y el historial de interacción sin que los equipos construyan su propia infraestructura de almacenamiento para respaldarla e independientemente del marco del agente.
La plataforma puede autohospedarse en Kubernetes, con una opción de implementación administrada en la nube en desarrollo. Para los requisitos de seguridad empresarial, se entrega con cumplimiento de SOC 2 Tipo II, integración de SSO, control de acceso basado en roles y soporte para implementaciones fuera de línea aisladas mediante la validación de claves de licencia. Los equipos de desarrollo también pueden incorporar su propia base de datos bajo el modelo autohospedado, preservando la soberanía total de los datos.
Hilos: El núcleo primitivo
La primitiva estructural clave en CopilotKit Intelligence es el Thread. Un Thread es un objeto de sesión persistente de primera clase que sobrevive entre usuarios, dispositivos y ejecuciones de agentes. Esto es arquitectónicamente diferente a almacenar una serie plana de mensajes de chat en una base de datos. Un hilo en CopilotKit captura la superficie de interacción completa de una aplicación agente a lo largo del tiempo, no solo el intercambio de texto.
Específicamente, un Hilo persiste en seis categorías de interacción:
UI generativa: los componentes dinámicos de la UI representados por el agente en tiempo de ejecución se capturan y almacenan, no solo las indicaciones de texto que los activaron.
Flujos de trabajo humanos en el circuito: las aprobaciones, ediciones y pasos de decisión guiados tomados por uno o más usuarios durante la ejecución del agente se conservan como parte del seguimiento de la interacción.
Estado compartido: se registra la capa de estado sincronizado entre el backend del agente y la interfaz de usuario del frontend, de modo que el agente y la aplicación puedan reanudarse desde un contexto compartido idéntico.
Voz: tanto la entrada como la salida de voz persisten entre sesiones, lo cual es importante para las aplicaciones agentes que admiten interfaces de voz.
Archivos: las cargas, los artefactos generados y los archivos de salida se conservan dentro del hilo en lugar de perderse cuando finaliza la sesión.
Interacciones multimodales: el texto, los componentes de la interfaz de usuario, el audio y los archivos coexisten dentro de un único objeto Thread en lugar de fragmentarse en sistemas de almacenamiento separados.
En la práctica, esto significa que los agentes pueden manejar flujos de trabajo complejos y de larga duración, como redactar documentos legales o gestionar canales de datos de varios pasos, sin el riesgo de pérdida estatal. Un proceso iniciado por un usuario puede reanudarse exactamente donde lo dejó otro miembro del equipo en un dispositivo completamente diferente. Fundamentalmente, estos subprocesos no son sólo registros estáticos; son objetos estructurados y reanudables desde los que el tiempo de ejecución del agente puede leer directamente para mantener la continuidad.
El antes y el después
El equipo de CopilotKit describe el estado predeterminado actual de las aplicaciones agentes como interacciones sin estado: interfaces de solo chat, sin memoria entre sesiones, sin estructura más allá del texto y trabajo que se pierde cuando finaliza la sesión. Con Threads persistentes, la misma aplicación se vuelve estructuralmente diferente: tiene un historial de interacción completo a lo largo del tiempo, una interfaz de usuario estructurada y registros de acciones, y la capacidad de reanudar sesiones con el contexto multimodal intacto de forma predeterminada.
Esto es especialmente importante para las aplicaciones agentes que se llevan de la demostración a la producción. Los entornos de demostración rara vez necesitan persistencia porque una única sesión guiada es suficiente para demostrar capacidad. Las aplicaciones de producción, por definición, implican usuarios que regresan, flujos de trabajo de múltiples sesiones y estados que deben sobrevivir entre interacciones. Los subprocesos son el mecanismo que cierra esa brecha sin requerir que los equipos diseñen y mantengan una infraestructura de memoria personalizada.
Lo que viene después: análisis y superación personal
De cara al futuro, CopilotKit está ampliando su plataforma con dos próximas capas de capacidades: Analytics & Insights y Self-Improvement. La capa de análisis proporcionará monitoreo en tiempo real a través de paneles dedicados y un lago de datos consultable en SQL, completo con soporte OTLP para la integración con herramientas como DataDog. Al mismo tiempo, la capa de automejora introduce el aprendizaje continuo a partir de la retroalimentación humana (CLHF), que aprovecha el aprendizaje por refuerzo en contexto y la mutación inmediata para refinar el comportamiento de los agentes en función de señales de producción en vivo. Al transformar cada interacción del usuario en un evento de aprendizaje directo, CopilotKit Intelligence tiene como objetivo evitar los altos costos y retrasos del etiquetado de datos tradicional y los ciclos de ajuste, permitiendo a los agentes evolucionar de forma autónoma dentro del entorno de producción.
Conclusiones clave
La plataforma de inteligencia empresarial de CopilotKit es una capa administrada sobre la pila de código abierto CopilotKit que agrega persistencia duradera para aplicaciones agentes, de modo que los agentes retengan el contexto, el estado y el historial sin que los equipos creen una infraestructura de almacenamiento personalizada. Los subprocesos son el núcleo primitivo: objetos de sesión persistentes de primera clase que capturan la interfaz de usuario generativa, flujos de trabajo humanos en el circuito, estado compartido, voz, archivos e interacciones multimodales entre sesiones y dispositivos. La plataforma puede autohospedarse en Kubernetes con cumplimiento de SOC 2 Tipo II, SSO, control de acceso basado en roles y soporte de implementación aislada; Se está desarrollando una opción de nube administrada. La capa de hoja de ruta de Analytics & Insights agrega un panel en tiempo real, un lago de datos consultable en SQL y exportación de observabilidad OTLP a herramientas existentes como DataDog y NewRelic. La capa de hoja de ruta de automejora presenta el aprendizaje continuo a partir de la retroalimentación humana (CLHF) con aprendizaje reforzado en contexto, mutación rápida y adaptación por usuario, lo que mejora el comportamiento de los agentes a partir del uso de producción sin realizar ajustes.
Referencias:
Nota: Gracias al equipo de Copilokit por apoyarnos en este artículo. Este artículo está patrocinado por Copilotkit.