68 lines
3.8 KiB
Markdown
68 lines
3.8 KiB
Markdown
# 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.
|