Clyro
Clyro · Programación
Clyro es una plataforma de gobernanza en tiempo de ejecución para agentes de IA que detecta los fallos mientras ocurren, en lugar de reportarlos después de que el daño está hecho. Añade una sola llamada `clyro.wrap()` a un agente en Python y obtienes trazado de ejecución, seguimiento de costos, límites de pasos, detección de bucles y aplicación de políticas sin tocar la lógica de tu agente. Incluye adaptadores para LangGraph, CrewAI, el SDK de Claude Agent, el SDK de Anthropic y funciones simples de Python, y funciona totalmente sin conexión con políticas YAML locales si nunca quieres tocar la nube.

Acerca de Clyro
Qué es Clyro
Clyro es una capa de gobernanza que rodea a los agentes de IA en lugar de vivir dentro de ellos. La mayoría de las herramientas de observabilidad te dicen qué salió mal después de que una ejecución ya agotó tu presupuesto o tomó una mala decisión en el mundo real. Clyro le da la vuelta a eso al aplicar límites durante la ejecución, así que un agente atascado se detiene en el paso 50 y no en el paso 10.000.
Está pensado para equipos que ponen agentes en producción y descubren que los LLM fallan de forma distinta a como lo hacen los chatbots. Un chatbot da una respuesta equivocada. Un agente toma una acción equivocada y luego la multiplica. Entra en bucle. Se desvía. Nadie se da cuenta durante horas, a veces días. El trabajo de Clyro es darse cuenta primero.
El límite principal es su alcance. Esto es infraestructura para desarrolladores, no una herramienta sin código. Necesitas sentirte cómodo en una terminal y, mejor aún, trabajar en Python, porque el SDK, el envoltorio de MCP y los hooks de Claude Code dan por hecho ese entorno. El plan gratuito también te limita a 5 agentes y 100K trazas al mes, lo cual va bien para un prototipo y es justo para una flota real.
Primeros pasos
- Instala el paquete con
pip install clyro. Descarga seis dependencias ligeras y ningún framework de ML. - Envuelve tu agente actual en
clyro.wrap()y pásale una configuración con límites comomax_steps,max_cost_usdyenable_loop_detection. - Ejecuta tu agente como siempre. Clyro aplica tus controles en modo local e imprime un resumen de sesión cuando termina la ejecución.
- Añade un archivo de políticas YAML si quieres bloquear acciones concretas, con decisiones como block, allow o require_approval.
- Conéctate a Clyro Cloud cuando quieras un panel de equipo compartido, políticas sincronizadas en la nube y repetición de sesiones entre máquinas.
Información del producto
Un vistazo rápido a los precios, las plataformas compatibles y el rendimiento de Clyro.
Ideal para
Los usuarios, tareas y casos de uso en los que esta herramienta encaja mejor.
Usuarios
- Ingenieros de IA que llevan agentes a producción
- Equipos de plataforma y SRE en empresas en crecimiento
- Desarrolladores independientes que crean prototipos con LangGraph o CrewAI
- Ingenieros que trabajan en Claude Code o Cursor
Tareas
- Limitar el gasto por ejecución
- Detectar comportamiento recursivo del agente
- Aplicar reglas de negocio a las llamadas de herramientas
- Trazar el razonamiento del agente para depurar
- Gobernar las llamadas de herramientas MCP
Casos de uso
- Un agente de programación que entra en bucle en silencio durante la noche
- Un agente de cara al cliente que se inventa políticas
- Un equipo en crecimiento que necesita visibilidad compartida
- Añadir barreras de seguridad a un agente que ya construiste
Funciones clave
Envolver cualquier agente de Python en una sola llamada
El núcleo de Clyro es clyro.wrap(). Le pasas tu agente más un objeto de configuración, y devuelve una versión gobernada que traza la ejecución, sigue el costo y aplica límites sin cambiar la lógica de tu agente. Esa última parte es el verdadero argumento de venta. Adaptar barreras de seguridad a un agente que ya funciona suele ser doloroso, y el diseño de Clyro reduce el cambio a un puñado de líneas.
La pila de prevención
Clyro agrupa sus controles en una pila de cuatro partes: límites de pasos, límites de costo, detección de bucles y barreras de lógica de negocio. Los límites de pasos acotan cuántas acciones puede tomar una ejecución. Los límites de costo detienen una corrida cuando el gasto cruza un umbral. La detección de bucles vigila rutas de ejecución repetidas. ¿Por qué importa eso? Un agente atascado puede quemar un presupuesto en una noche. Las barreras comprueban las acciones contra las reglas antes de que se disparen. Son barreras de seguridad para agentes de IA que actúan durante una ejecución y no después, y apuntan a fallos que las herramientas de observabilidad solo reportan una vez hecho el daño.
Aplicación de políticas con block, allow o require approval
Las políticas viven en YAML y cada regla empareja una condición con una decisión. Puedes bloquear una acción directamente, permitirla o exigir aprobación humana antes de que siga. Las reglas vienen con ocho operadores para comparar campos, y cada regla falla abierta, así que una política rota no se lleva tu agente por delante. Para los equipos que necesitan un rastro documental, conviene entender ese comportamiento por regla antes de desplegar.
Adaptadores de framework para LangGraph, CrewAI y los SDK de Anthropic
Clyro incluye cinco adaptadores: LangGraph, CrewAI, el SDK de Claude Agent, el SDK de Anthropic y una opción genérica para cualquier función de Python. Esa variedad importa porque las pilas de agentes se fragmentan rápido, y una herramienta de gobernanza que solo soporta un framework te obliga a cambiar o a prescindir de ella. El adaptador genérico es la salida de emergencia para lo que hayas construido a mano.
Gobernanza de MCP y hooks de Claude Code
Más allá del SDK, Clyro incluye un envoltorio de MCP que actúa como proxy JSON-RPC para Claude Desktop, Cursor y VS Code, y un conjunto de hooks de Claude Code para eventos PreToolUse y PostToolUse. Los hooks gobiernan Bash, Edit y Write, lo que significa que puedes bloquear algo como DROP TABLE antes de que se ejecute la herramienta. Es una superficie distinta a la gobernanza de ejecuciones de agentes, y amplía dónde se aplica el producto.
Local primero, nube opcional
Clyro funciona totalmente sin conexión con políticas YAML locales y no necesita clave de API. La nube es opcional y añade paneles compartidos, sincronización de políticas, detección de desviaciones, gráficos de llamas y comparación de trazas a medida que subes de nivel. Ese diseño local primero encaja con equipos cuyas políticas de datos hacen inviable enviar trazas de ejecución a un tercero, y significa que puedes evaluar la herramienta sin registrarte.
Seguimiento de costos para modelos de OpenAI y Anthropic
El SDK calcula los costos de LLM automáticamente para modelos de OpenAI y Anthropic, así que los números detrás de tus límites de costo salen del uso real y no de una suposición. Si tu pila usa otros proveedores, cuenta con aportar tú mismo los datos de costo, ya que el cálculo automático se limita a esas dos familias.
Ventajas y desventajas
Ventajas
- La integración de una línea mediante `clyro.wrap()` te permite gobernar un agente existente sin reescribirlo.
- Funciona sin conexión con políticas YAML locales y sin clave de API, lo que ayuda a equipos que no pueden enviar trazas a un tercero.
- Cinco adaptadores de framework cubren LangGraph, CrewAI, el SDK de Claude Agent, el SDK de Anthropic y agentes genéricos de Python.
- El diseño fail-open hace que una política rota o un error del SDK no se lleven tu agente por delante.
- El plan gratuito es realmente usable: 5 agentes, 100K trazas al mes y 30 días de retención sin tarjeta de crédito.
- El envoltorio de MCP y los hooks de Claude Code extienden la gobernanza a Claude Desktop, Cursor, VS Code y comandos de Bash.
Desventajas
- Es infraestructura para desarrolladores, así que los usuarios no técnicos no tienen una vía realista para adoptarla; no hay consola sin código para construir agentes.
- El seguimiento de costos automático cubre modelos de OpenAI y Anthropic, así que otros proveedores requieren datos de costo manuales.
- El tope de 5 agentes del plan gratuito y su retención de 30 días se agotan rápido cuando superas el prototipado.
- Las funciones de nube que los equipos de verdad quieren, como RBAC y alertas de Slack, no empiezan hasta el nivel Team de $299/mo.
Preguntas frecuentes
Clyro es una capa de gobernanza en tiempo de ejecución para agentes de IA. Vigila las ejecuciones de los agentes mientras ocurren y aplica controles como límites de pasos, topes de costo, detección de bucles y aplicación de políticas, así los fallos se detienen en lugar de solo registrarse.
Contenido relacionado
Explora herramientas, habilidades y artículos relacionados con Clyro.
Alternativas a Clyro
Forefront
Forefront · ProgramaciónForefront es una plataforma web para construir con IA de código abierto. Te deja ajustar los principales modelos de lenguaje de código abierto con tus propios datos, evaluar cómo rinden y ejecutarlos a través de una API o exportarlos para alojarlos tú mismo. Los desarrolladores que quieren la comodidad de una plataforma cerrada pero insisten en ser dueños de sus modelos y sus datos son el público objetivo.
Startkit
StartKit.AI · ProgramaciónStartkit es un boilerplate para crear productos de SaaS con IA y wrappers de IA. Piénsalo como un boilerplate para startups de IA con las partes aburridas ya conectadas: autenticación, pagos con Stripe y Lemon Squeezy, límites de uso, correo transaccional y un kit de inicio de API de IA que habla con OpenAI, Anthropic, Groq o Llama. Clonas el repositorio, pones tu precio y te dedicas a la parte del producto por la que la gente paga de verdad. Está hecho con Next.js sobre React y Tailwind, así que buena parte del código boilerplate ya te resulta familiar.
Testim
Tricentis · ProgramaciónTestim es una plataforma de automatización de pruebas impulsada por IA para crear y ejecutar pruebas de extremo a extremo en aplicaciones web, móviles y Salesforce. Se apoya en el aprendizaje automático para mantener las pruebas estables cuando cambia una interfaz, así que los equipos dedican menos tiempo a reparar selectores rotos. No está nada mal para una herramienta de pruebas automatizadas que puedes empezar a usar hoy mismo. Creas pruebas grabando acciones en un navegador y luego añades JavaScript cuando necesitas más control. Es una opción sólida para equipos de QA con mucho trabajo.
