Repolode
Enviar
Kocoro-lab

Kocoro-lab/Shannon

Framework de orquestación multiagente en Go, Rust y Python para ejecutar agentes LLM en producción, con workflows de Temporal y límites de tokens.

Ver en GitHubSitio web
Estrellas
2,320
Forks
361
Issues abiertos
8
Último commit
hace 2 meses

¿Qué es?

Shannon es un framework de orquestación multiagente diseñado para ejecutar agentes de IA de forma confiable en producción. Las tareas se envían mediante una REST API, un endpoint compatible con OpenAI, un SDK de Python o una aplicación de escritorio, y se asignan a una de varias estrategias de ejecución según su complejidad: respuestas sencillas de un solo agente, distribución y recopilación mediante DAG, bucles ReAct, investigación, exploración con tree-of-thoughts y equipos swarm.

El sistema ejecuta workflows en Temporal para tolerar fallos y permite reproducir ejecuciones anteriores para depurar. Se pueden establecer límites de tokens por tarea, con cambio automático a modelos más económicos cuando se aproximan esos límites. La ejecución de código tiene lugar en un sandbox WASI, y las etapas opcionales de aprobación humana pueden pausar un workflow hasta que se envíe una decisión. Las métricas y el tracing utilizan Prometheus y OpenTelemetry.

Shannon es compatible con Anthropic, OpenAI, Google, DeepSeek, xAI, Groq y modelos locales mediante Ollama, LM Studio o vLLM. Se despliega con Docker Compose e incluye tareas programadas, continuidad de sesión y skills que se pueden definir en YAML y Markdown.

Funciones clave

  • 01Selección automática de distintas estrategias de ejecución según la complejidad de la tarea
  • 02Workflows de Temporal con reproducción de ejecuciones anteriores para depurar
  • 03Límites de tokens por tarea con cambio automático de modelo
  • 04Sandbox WASI para ejecutar código y etapas opcionales de aprobación humana
  • 05Endpoint de API compatible con OpenAI, SDK de Python y aplicación de escritorio
  • 06Compatibilidad con numerosos proveedores de LLM, incluidos modelos locales mediante Ollama y vLLM

Casos de uso

  • Ejecutar tareas de investigación o análisis de varios pasos con límites de costo
  • Añadir puntos de aprobación antes de que los agentes realicen acciones sensibles
  • Conectar código existente que use el SDK de OpenAI a un backend de agentes autoalojado
  • Programar tareas recurrentes de agentes, como el análisis diario del mercado

Inicio rápido

  1. 1

    Ejecuta el script de instalación de un solo comando del README (revísalo antes; se canaliza a bash).

  2. 2

    Instala el SDK de Python.

    pip install shannon-sdk
  3. 3

    Envía tu primera tarea mediante la REST API.

    curl -X POST http://localhost:8080/api/v1/tasks -H "Content-Type: application/json" -d '{"query": "What is the capital of France?", "session_id": "demo"}'

Antes de usarlo

  • Necesitas Docker y Docker Compose, además de una clave API de al menos un proveedor de LLM.
  • La instalación de un solo comando ejecuta un script remoto canalizado a bash.
  • El servicio de navegador opcional de Playwright añade una imagen de aproximadamente 3,4 GB.

En colecciones

Frameworks de orquestación multiagenteFrameworks y apps de agentes de IA open source

Temas

#agent#multi-agent#llm#orchestration#temporal#workflow#wasi#golang#ai#multi-agent-systems

Preguntas frecuentes

¿Qué es Shannon?
Framework de orquestación multiagente en Go, Rust y Python para ejecutar agentes LLM en producción, con workflows de Temporal y límites de tokens. Shannon es un framework de orquestación multiagente diseñado para ejecutar agentes de IA de forma confiable en producción. Las tareas se envían mediante una REST API, un endpoint compatible con OpenAI, un SDK de Python o una aplicación de escritorio, y se asignan a una de varias estrategias de ejecución según su complejidad: respuestas sencillas de un solo agente, distribución y recopilación mediante DAG, bucles ReAct, investigación, exploración con tree-of-thoughts y equipos swarm.
¿Shannon es gratuito? ¿Qué licencia tiene?
Shannon es open source bajo la licencia MIT. Revisa los términos de la licencia antes de usarlo en productos comerciales.
¿Shannon sigue mantenido?
Actualizado en los últimos 6 meses. El último commit de Shannon fue el 5 sept 2026.
¿Para qué puedo usar Shannon?
Ejecutar tareas de investigación o análisis de varios pasos con límites de costo Añadir puntos de aprobación antes de que los agentes realicen acciones sensibles Conectar código existente que use el SDK de OpenAI a un backend de agentes autoalojado Programar tareas recurrentes de agentes, como el análisis diario del mercado
¿Cómo se instala Shannon?
Ejecuta el script de instalación de un solo comando del README (revísalo antes; se canaliza a bash). Instala el SDK de Python.: pip install shannon-sdk Envía tu primera tarea mediante la REST API.: curl -X POST http://localhost:8080/api/v1/tasks -H "Content-Type: application/json" -d '{"query": "What is the capital of France?", "session_id": "demo"}'
¿Dónde consigo Shannon?
El código fuente y las instrucciones de instalación están en GitHub: https://github.com/Kocoro-lab/Shannon

Resumen generado por IA a partir del README del proyecto. Las estadísticas de GitHub se actualizan a diario.

Proyectos relacionados