Skip to main content

shepherd-meta-agents

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

Aller à l'installation

Informations de source

Dépôt
Ntizar/MasterMind
Dernière activité de la source
4 septembre 2026 à 10:27
Langue détectée de SKILL.md
espagnol
Étoiles
2
Forks
0

Options d'installation

Le prompt qui vérifie d'abord la source est sélectionné par défaut. Vous pouvez passer à une commande directe ou télécharger une copie locale.

Vérifiez les fichiers source

Lisez SKILL.md et les fichiers associés affichés par SkillsMP avant de décider de l'installer.

Affichage de SKILL.md

SKILL.md
Instructions source · Aperçu en lecture seule
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.
Voir sur GitHub