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:

# 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:

# 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.

3.8 KiB Raw Blame History