# Guía V5 — Arquitectura Cognitiva Avanzada
## Planos y uso de Engram Cloud, Graphify y la orquestación Multi-Agente L1 en frontend-ai

> **Propósito:** Esta guía documenta la infraestructura cognitiva avanzada integrada en el proyecto, permitiendo a los desarrolladores y agentes operar con la máxima eficiencia, persistencia de memoria y navegación de contexto veloz.

---

## 1. Engram: Memoria Persistente Compartida

**Engram** es un servidor MCP local y en la nube que gestiona una base de datos SQLite con capacidades de búsqueda de texto completo (FTS5 + BM25). Evita que los agentes autónomos de IA sufran pérdida de memoria a largo plazo entre sesiones y permite compartir aprendizajes técnicos y decisiones arquitectónicas entre desarrolladores.

### Flujo de Sincronización en la Nube:

```
[Máquina Dev A]                                   [Máquina Dev B]
  - mem_save("Kong encriptación fixed")              - engram sync --cloud
  - engram sync --cloud                              - mem_search("Kong")
         │                                                 ▲
         ▼                                                 │
  ┌────────────────────────────────────────────────────────┐
  │              https://engram.pranical.com               │ (Servidor Central)
  └────────────────────────────────────────────────────────┘
```

### Comandos Clave:
```bash
# Registrar el servidor de sincronización (una sola vez)
engram cloud config --server https://engram.pranical.com

# Matricular el repositorio de frontend-ai
engram cloud enroll frontend-ai

# Forzar sincronización de memorias
engram sync --cloud --project frontend-ai
```

---

## 2. Graphify: Navegación de Código Basada en Grafos

En proyectos medianos o grandes (más de 40 archivos), leer archivos de código línea por línea para entender la arquitectura consume una gran cantidad de tokens de contexto y ralentiza la respuesta del agente.

**Graphify** analiza la base de código, layouts de Next.js, componentes y API routes, y genera un **Knowledge Graph** semántico persistido en `graphify-out/graph.json` y visualizable en `graphify-out/graph.html`.

### Instalación e Integración:
```bash
# Generar el grafo semántico del repositorio
graphify .

# Instalar y enlazar el MCP local en el agente Antigravity
graphify antigravity install
```

Tras la instalación, el agente consultará `graphify-out/GRAPH_REPORT.md` o interrogará el grafo directamente mediante el MCP, permitiéndole mapear dependencias de componentes (~71 veces más rápido y barato en uso de tokens).

*Nota: Asegúrate de agregar la carpeta `graphify-out/` a tu archivo `.gitignore`. Cada desarrollador debe generarla localmente.*

---

## 3. Orquestación Multi-Agente Nivel 1 (Agent Teams Lite)

Cuando realizas tareas complejas que involucran múltiples archivos en paralelo (ej. crear el Layout global de navegación y los Server Components de 3 subpáginas), el agente principal delegará subtareas de forma autónoma a **subagentes de ejecución independientes**.

### Ventajas de la Orquestación L1:
- **Especialización:** Un subagente escribe la UI pura (HTML/CSS) mientras otro codifica las pruebas de integración en Vitest.
- **Eficiencia de Contexto:** Cada subagente carga únicamente el contexto exacto (`standards/` y `skills/` específicos de su tarea), minimizando errores técnicos y costos.
- **Gobernanza:** El agente principal actúa como un director técnico (HITL - Human in the Loop), recopilando los entregables de los subagentes, auditándolos con `code-review-excellence`, y pidiendo confirmación al desarrollador antes de mergear al repositorio.