Skip to main content

shepherd-meta-agents

Shepherd — runtime substrate para meta-agents con traces reversibles tipo Git y copy-on-write fork

Quellinformationen

Repository
Ntizar/MasterMind
Letzte Quellaktivität
4. September 2026 um 10:27
Erkannte Sprache von SKILL.md
Spanisch
Sterne
2
Forks
0

Installationsoptionen

Standardmäßig ist der Prompt ausgewählt, der zuerst die Quelle prüft. Sie können zu einem direkten Befehl wechseln oder eine lokale Kopie herunterladen.

Quelldateien prüfen

Lesen Sie SKILL.md und alle von SkillsMP angezeigten Begleitdateien, bevor Sie sich für eine Installation entscheiden.

SKILL.md wird angezeigt

SKILL.md
Quellanweisungen · Schreibgeschützte Vorschau
name
shepherd-meta-agents
version
1.0.0
description
Shepherd — runtime substrate para meta-agents con traces reversibles tipo Git y copy-on-write fork
# Shepherd — Reversible Agent Execution Traces ## Descripción Shepherd es un runtime substrate para agents que necesitan inspección, reversibilidad y supervisión. Registra ejecuciones de agents como traces duraderos e inspeccionables, con copy-on-write fork ~5x más rápido que docker commit y ~95% KV-cache reuse en replay. ## Por qué importa para David - **Meta-agents**: Patrón avanzado de agents que supervisan/optimizan/entrenan otros agents - **Reversible execution**: Git-like traces permiten replay, fork y revert de cualquier run - **Copy-on-write**: Fork de workspace ultra-rápido sin duplicar datos - **KV-cache reuse**: Reutiliza 95% del KV cache en replay → ahorrísimo en inference cost ## Arquitectura ``` Meta-Agent → Supervisor ↓ Agent Run (workspace forked copy-on-write) ↓ Durable Execution Trace (inspectable, reversible) ↓ Meta-Agent: Observe → Fork → Replay → Revert ``` ## Instalación ```bash pip install shepherd-ai # Requiere Python 3.11+ # macOS: Seatbelt enforcement # Linux: Landlock enforcement ``` ## Integración con proyectos de David - **Mastermind Orchestration**: Patrón de supervisión de sub-agents con reversibilidad - **Debugging de agents**: Replay de runs para debugging y optimización - **Multi-agent training**: Tree RL con MCTS para optimización de agents ## Pitfalls - Proyecto alpha (junio 2026) → API inestable, puede cambiar - Requiere Python 3.11+ - Enforcement OS-level (Seatbelt en macOS, Landlock en Linux) - No tiene docs completas aún, hay que leer el código fuente - Depende de kernel-level features que pueden no estar disponibles en MicroVM de NaN ## Referencias - GitHub: https://github.com/shepherd-agents/shepherd - Docs: https://docs.shepherd-agents.ai/ - Paper: https://arxiv.org/abs/2605.10913 - Paper: https://arxiv.org/abs/2505.10913 ## Comparativa de alternativas - **[shepherd-agents/shepherd](https://github.com/shepherd-agents/shepherd)** — meta-agentes programables con *execution traces* reversibles; implementación de referencia de meta-agentes programables.
Auf GitHub ansehen