💻 OpenCode Hub (CodeAgent)

Un Centro de Mando Avanzado para Agentes Inteligentes, construido con Python, Streamlit y smolagents. Este proyecto ha evolucionado de un simple script de consola a una plataforma completa estilo OpenCode o OpenWebUI, diseñada para interactuar con repositorios de código locales y remotos, gestionar tareas y proveer una arquitectura de orquestación de agentes robusta compatible con modelos locales (como Qwen y Llama) y en la nube.

✨ Características Principales (Fases 1 a 6)

• 🔄 Multi-Proveedor Dinámico: Cambia al vuelo entre modelos locales (Ollama) y proveedores Cloud (OpenAI, Anthropic, Google Gemini, Groq) unificados a través de LiteLLM.
• 🧠 Orquestación con smolagents: Utiliza el framework moderno smolagents de HuggingFace. A diferencia de agentes antiguos basados en JSON (ReAct), nuestro CodeAgent interactúa escribiendo código Python real para orquestar herramientas complejas, lo que lo hace infalible incluso con modelos pequeños de 7B/8B.
• 💾 Sesiones Persistentes: Las conversaciones se guardan en el disco duro automáticamente. Puedes crear nuevas sesiones, renombrarlas, alternar entre ellas o borrarlas.
• 🌟 Enrutador Swarm Automático: Selecciona el modo "Auto", y un clasificador ruteará tu petición al agente y conjunto de herramientas adecuados automáticamente.
• 🧬 Subagentes Dinámicos: Soporta la importación dinámica de subagentes desde la comunidad. Simplemente arrastra un archivo .md (con YAML frontmatter) a la carpeta subagents/ y la interfaz lo asimilará como un nuevo agente nativo.
• ⚡ Alto Rendimiento en UI: Implementación de @st.cache_data para el parseo de sesiones JSON, logrando una interfaz gráfica responsiva que no bloquea el hilo principal al cargar el historial.
• 👀 Observabilidad Total: Integración transparente sin silenciar flujos en el backend, lo que permite monitorear toda la Cadena de Pensamientos (CoT) y llamadas a herramientas del agente en la terminal de forma nativa.
• 🌐 Integración con Graphify: Conocimiento estructural del código mediante un knowledge graph de AST. Compatible con asistentes como Claude, Cursor y OpenCode para exploraciones más inteligentes.
• 🛠️ Configuración Desacoplada: El LLM local (Ollama) ya no está fijo al localhost, permitiendo despliegues en clúster utilizando la variable de entorno OLLAMA_API_BASE.

🛡️ Últimas Mejoras de Fiabilidad, Calidad Técnica y QA (v2.3.0)

• Refactorización de Rutas Absolutas: Anclamiento de SESSIONS_DIR en session_manager.py y DB_DIR en rag_tools.py al directorio raíz del módulo (BASE_DIR).
• Optimización por Caché (mtime): Implementación de caché basada en modificación de archivos para la lectura de subagentes en disco (load_subagents_from_disk()).
• Manejo Seguro de Recursos (Context Manager): Refactorización de consultar_db usando with sqlite3.connect(...) para asegurar el cierre de conexiones SQLite.
• Limpieza de Importaciones y Code Smells: Promoción de importaciones internas (difflib, shlex, traceback, logging) al encabezado principal de los archivos y eliminación de silenciamientos de excepciones en favor de logging.warning.
• Extensión de Pruebas Automatizadas (41/41 tests pasados): Adición de tests/test_regression.py y tests/test_integration_pipeline.py alcanzando 41 pruebas unitarias, de integración y regresión con 100% de éxito.

🛡️ Últimas Mejoras de Fiabilidad, Seguridad y UX (v2.2.1)

• Eliminación de Riesgo de Shell Injection (ejecutar_comando_terminal): Tokenización segura con shlex.split y shell=False para comandos directos, junto con sanitización de tuberías y operadores de consola.
• Corrección de Lanzador en Windows (Iniciar_OpenCode.bat): Reescritura a sintaxis batch 100% lineal sin bloques parentéticos ambiguos, selección de Python 3.10/3.11 estable e instalación con --prefer-binary.
• Preservación de Sintaxis Markdown: Compresión inteligente de respuestas largas en el historial (_truncar_markdown) cerrando automáticamente bloques de código ``` incompletos.
• Enrutamiento Swarm Ampliado: Inclusión de subagentes dinámicos (subagents/*.md) en la puntuación ponderada de route_prompt.
• Suite de Pruebas Automatizada (34/34 tests pasados): Extensión de la suite unittest alcanzando 34 pruebas unitarias, de integración y smoke tests con 100% de efectividad.
• Pipeline de CI/CD (GitHub Actions): Integración de workflow automatizado .github/workflows/ci.yml para linting (ruff), testing y validación de contenedores Docker.

🛡️ Últimas Mejoras de Fiabilidad, Seguridad y UX (v2.2)

• Seguridad SQL Estricta (consultar_db): Validación en capa Python para restringir ejecuciones exclusivamente a consultas SELECT, PRAGMA y EXPLAIN.
• Eliminación de Duplicación (DRY Context & GitHub API): Reutilización de obtener_contexto_workspace en main.py y creación de _make_github_request para llamadas HTTP autenticadas centralizadas.
• Edición por Diff Segura (editar_archivo_search_replace): Verificación de coincidencias múltiples para evitar reemplazos ambiguos accidentales.
• Resiliencia en Carga de Sesiones: Reemplazo de silencio de excepciones por logging de diagnósticos en session_manager.py.
• Suite de Pruebas Extendido: Adición de test_session_manager.py y ampliación de test_tools.py y test_agents.py cubriendo CRUD de sesiones, seguridad y utilidades.
• Estructuración como Paquete Python: Adición de __init__.py en mis_agentes_inteligentes/.

🛡️ Últimas Mejoras de Fiabilidad y UX (v2.1)

• Refactorización de Rutas: Se resolvieron dependencias de cwd problemáticas para la base de datos MisEventos.db y el archivo de log.
• Principio DRY en GitHub API: Consolidación de la lógica repetitiva de obtención del nombre real de repositorios.
• Optimización en get_model: Simplificación de validaciones redundantes de API Keys.
• Suite de Pruebas Unitarias (TDD): Nuevas pruebas automatizadas con unittest para los módulos clave (tools.py y agents.py).

🛡️ Últimas Mejoras de Fiabilidad y UX (v2.0)

• Roles Estrictos: Inyección correcta de system_prompt en el CodeAgent para asegurar que el agente asuma el rol seleccionado.

• Contexto de Workspace: El agente ahora es consciente del directorio de trabajo actual y su estructura antes de responder.

• Enrutador Inteligente: Nuevo enrutador automático con scoring ponderado (evalúa palabras clave y su peso) para elegir el mejor agente según el prompt.

• Gestión de Sesiones Robusta: Caché invalidada en tiempo real para mantener la UI sincronizada, historial separado del system prompt para evitar alucinaciones en modelos de 7B, y capacidad para exportar sesiones a Markdown.

• Soporte .env: Carga automática de variables de entorno para mayor seguridad de las API Keys (con plantilla .env.example).

• Nuevos Comandos UI: Slash commands integrados (/help, /status, /clear, /export) directamente en el chat.

• Terminal Segura: Directorio de trabajo (cwd) garantizado por comando, timeout ampliado a 60s, y blacklist fortalecida.

• 🤖 Agentes (Personas) Preconfigurados:

  • Ingeniero de Software Local / Agente de Edición de Código: Puede listar directorios, leer archivos, modificar código de forma segura y ejecutar comandos en tu PC.
  • Analista de Código: Lee repositorios de GitHub reales, descarga README.md y estructura de archivos para análisis. Detecta inteligentemente el nombre real del repositorio sin que el LLM tenga que adivinarlo.
  • Asistente de Productividad: Se conecta a bases de datos SQLite locales en modo de solo lectura estricto para gestionar datos y crear reportes sin riesgo de inyecciones destructivas.

• 🤖 Orquestador Supervisor-Agente: Ciclo automático de mejora de prompts. Ejecuta 8 benchmarks en 3 niveles (baja, media, alta) sobre el agente local. Con API key (OpenAI/OpenRouter), un Supervisor GPT-4o-mini diagnostica fallos de ejecución y genera correcciones al system_prompt. Incluye backup/restore de archivos de trabajo entre iteraciones y validación de sintaxis antes de aplicar cambios.

• 🔌 Mercado de Skills (Tools):

  • Archivos Locales: Lectura con truncamiento inteligente para no saturar la memoria (Context Window) del LLM, y un motor de edición basado en Diffs para modificaciones de código.
  • Memoria RAG: Indexación local de código fuente utilizando bases de datos vectoriales (Chroma) para búsquedas semánticas directas.
  • Terminal Integrada: Ejecución de comandos Bash con una capa de seguridad (Blacklist) que bloquea operaciones destructivas del sistema operativo. Manejo resiliente de strings (como rutas con espacios en git add) usando shlex.
  • Búsqueda Web: Permite buscar documentación o errores en internet (Google Search).
  • Integración Git: Status, Add, Commit, Diff y Push automatizados.

🧪 Orquestador Supervisor-Agente

El archivo orquestador_agente.py implementa un ciclo de evaluación y mejora para agentes locales.

Benchmarks (3 niveles)

Nivel	Descripción
baja	Leer/escribir archivos, edición search/replace
media	Refactorizar funciones, escribir tests, depurar código
alta	Features multi-archivo, análisis completo de codebase, automatización

Uso

# Solo prueba (sin diagnóstico):
python3 orquestador_agente.py

# Con Supervisor activo (OpenAI/OpenRouter):
OPENAI_API_KEY="sk-..." python3 orquestador_agente.py

# Configurar proveedor y modelo:
API_BASE="https://openrouter.ai/api/v1" \
SUPERVISOR_MODEL="openai/gpt-4o-mini" \
MAX_ITERACIONES=3 \
python3 orquestador_agente.py

Arquitectura

1. probar() → Ejecuta el agente en un subproceso limpio, extrae traza JSON con delimitadores únicos
2. diagnosticar() → GPT-4o-mini analiza herramientas usadas, pasos completados y calidad del resultado
3. generar_fix() → Genera search/replace sobre el system_prompt de agents.py
4. aplicar() → Valida sintaxis antes de escribir, con backup para rollback automático
5. restaurar_archivos_trabajo() → Restaura tools.py/main.py/session_manager.py entre benchmarks

🚀 Instalación y Ejecución

Opción 1: Arranque Rápido (Recomendado para Windows)

Simplemente haz doble clic en el archivo Iniciar_OpenCode.bat. Este script se encargará automáticamente de:

• Detectar o crear el entorno virtual.
• Instalar todas las dependencias necesarias.
• Iniciar la aplicación y abrirla en tu navegador.

Opción 2: Ejecución Manual

1. Clona el repositorio e ingresa a la carpeta principal de la aplicación:

   cd mis_agentes_inteligentes

2. Crea y activa un entorno virtual (opcional pero recomendado):

   python -m venv venv
   source venv/bin/activate  # En Linux/Mac
   venv\Scripts\activate     # En Windows

3. Instala las dependencias:

   pip install -r requirements.txt

4. Ejecuta la interfaz gráfica con Streamlit:

   streamlit run app.py

🛠️ Tecnologías Utilizadas

• Streamlit: Interfaz de usuario reactiva y gestión de estados.
• smolagents: Orquestador nativo en Python para LLMs, altamente eficiente con modelos locales.
• LiteLLM: Traductor universal que permite conectar OpenAI, Anthropic, Gemini, Groq y Ollama usando el mismo código.
• ChromaDB / HuggingFaceEmbeddings: Para Memoria Semántica RAG.
• APIs de GitHub: Para extracción y análisis de repositorios en modalidad Deep Dive.

Knowledge Graph

graphify-out/graph.json contiene 103 nodos y 102 aristas del AST del proyecto, permitiendo a agentes AI comprender la arquitectura sin escanear archivos.

Skills

• tdd (skills.sh) — patrones de testing para mantener y expandir la cobertura