Skip to main content

shepherd-meta-agents

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

Ir a la instalación

Datos de origen

Repositorio
Ntizar/NtizarBrainMasterMind
Última actividad en el origen
11 de julio de 2026 a las 03:39
Idioma detectado de SKILL.md
español
Estrellas
2
Forks
0

Opciones de instalación

De forma predeterminada está seleccionado el prompt que primero revisa el origen. Puedes cambiar a un comando directo o descargar una copia local.

Revisa los archivos de origen

Lee SKILL.md y los archivos complementarios que muestra SkillsMP antes de decidir si quieres instalarlo.

Mostrando SKILL.md

SKILL.md
Instrucciones de origen · Vista previa de solo lectura
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
Ver en GitHub