Pixelagent

Defines un agente declarando su nombre, su system prompt y sus herramientas, y el framework hace el resto. El modelo de Python con tipos detecta argumentos mal emparejados al construir en lugar de fallar en mitad de una petición. Para quien programa, eso son menos líneas repetidas y menos fallos silenciosos según evoluciona el agente.

Pixelagent trae clases de agente para OpenAI, Anthropic, AWS Bedrock y Gemini, y el mismo código funciona en los cuatro. Cambiar de proveedor es casi solo cambiar el import. Así un proyecto no queda atado a un solo fabricante de modelos mientras comparas costo y calidad.

La memoria del agente y el historial de llamadas a herramientas se escriben en tablas de Pixeltable mientras el agente se ejecuta. Puedes consultar esas tablas después para reproducir una conversación o ver qué herramientas se activaron. La memoria persistente también permite que un agente retome un hilo anterior en vez de empezar en frío cada sesión.

Cualquier función de Python puede convertirse en herramienta. Decoras la función, se la entregas al agente y el modelo decide cuándo llamarla durante un chat. Como las herramientas son código normal, reutilizas librerías que ya tienes, por ejemplo para traer datos bursátiles en vivo, sin envolverlas en un esquema nuevo.

El framework trata texto, imágenes, audio y vídeo como datos de primera clase, porque la capa de almacenamiento debajo está pensada para eso. Un agente puede razonar sobre una mezcla de medios en un solo flujo en lugar de empujarlo todo por una tubería de texto. Eso importa en tareas de recuperación y análisis donde la fuente no es texto plano.

Los mensajes, las llamadas a herramientas y las métricas de rendimiento se registran solos, y te quedan como rastro de lo que hizo el agente y cuánto tardó. Encima de eso, el proyecto trae ejemplos de memoria, reflexión, razonamiento y recuperación multimodal que puedes meter en un agente. El resultado es un framework que amplías, no una caja negra que aceptas.