Infraestructura de código abierto para ejecutar código generado por IA en sandboxes aislados en la nube, con SDKs para JavaScript y Python.
SWE-agent/SWE-ReX
Una interfaz de ejecución que permite a los agentes de IA ejecutar comandos de shell en entornos aislados, localmente o en plataformas en la nube como Docker, AWS y Modal.
- Estrellas
- 623
- Forks
- 131
- Issues abiertos
- 61
- Último commit
- anteayer
¿Qué es?
SWE-ReX es una capa de ejecución que permite a un agente de IA ejecutar comandos de shell arbitrarios en un entorno aislado, sin modificar el código del agente. El mismo agente puede ejecutar comandos localmente, en contenedores Docker, en máquinas de AWS, en Modal o en otros backends.
Detecta cuándo termina un comando, extrae su salida y código de salida, y se los devuelve al agente. También admite herramientas interactivas como ipython y gdb, y permite que un agente mantenga varias sesiones de shell abiertas en paralelo. El proyecto se creó para SWE-agent y está pensado para ejecutar muchos agentes a la vez, incluso en máquinas que no usan Linux y no tienen Docker.
Se instala con pip y ofrece extras opcionales para la compatibilidad con Modal o Fargate.
Funciones clave
- 01Ejecuta comandos de shell en entornos aislados locales o remotos mediante una única interfaz.
- 02Detecta cuándo termina un comando y devuelve su salida y sus códigos de salida.
- 03Admite herramientas interactivas como ipython y gdb.
- 04Gestiona varias sesiones de shell en paralelo.
- 05Admite los backends Docker, AWS Fargate y Modal.
Casos de uso
- Ejecutar agentes de programación en paralelo en muchos repositorios de software.
- Evaluar agentes de IA con benchmarks grandes como SWE-bench.
- Proporcionar a un agente un shell aislado sin modificar su código al cambiar de infraestructura.
Inicio rápido
- 1
Instala el paquete principal desde PyPI
pip install swe-rex - 2
Si quieres, instálalo con compatibilidad con Modal
pip install 'swe-rex[modal]' - 3
Lee la documentación para aprender a usarlo
Antes de usarlo
- La documentación y las instrucciones de uso avanzado están en un sitio externo, no en el README.
- Los backends en la nube como Modal, Fargate y Daytona requieren configuración y cuentas independientes.
- El extra de Daytona figura como en desarrollo.
Temas
Preguntas frecuentes
- ¿Qué es SWE-ReX?
- Una interfaz de ejecución que permite a los agentes de IA ejecutar comandos de shell en entornos aislados, localmente o en plataformas en la nube como Docker, AWS y Modal. SWE-ReX es una capa de ejecución que permite a un agente de IA ejecutar comandos de shell arbitrarios en un entorno aislado, sin modificar el código del agente. El mismo agente puede ejecutar comandos localmente, en contenedores Docker, en máquinas de AWS, en Modal o en otros backends.
- ¿SWE-ReX es gratuito? ¿Qué licencia tiene?
- SWE-ReX es open source bajo la licencia MIT. Revisa los términos de la licencia antes de usarlo en productos comerciales.
- ¿SWE-ReX sigue mantenido?
- Mantenimiento activo. El último commit de SWE-ReX fue el 19 oct 2026.
- ¿Para qué puedo usar SWE-ReX?
- Ejecutar agentes de programación en paralelo en muchos repositorios de software. Evaluar agentes de IA con benchmarks grandes como SWE-bench. Proporcionar a un agente un shell aislado sin modificar su código al cambiar de infraestructura.
- ¿Cómo se instala SWE-ReX?
- Instala el paquete principal desde PyPI: pip install swe-rex Si quieres, instálalo con compatibilidad con Modal: pip install 'swe-rex[modal]' Lee la documentación para aprender a usarlo
- ¿Dónde consigo SWE-ReX?
- El código fuente y las instrucciones de instalación están en GitHub: https://github.com/SWE-agent/SWE-ReX
Resumen generado por IA a partir del README del proyecto. Las estadísticas de GitHub se actualizan a diario.
Proyectos relacionados
Framework de Python para crear, escalar y desplegar flujos de trabajo de IA y ML, desde prototipos en notebooks hasta orquestadores de producción.
SDKs oficiales para Modal, una plataforma cloud serverless para ejecutar código Python, Sandboxes y funciones desplegadas.
Un sandbox Docker todo en uno que ofrece a los agentes de IA un navegador, shell, sistema de archivos, VSCode Server, Jupyter y servicios MCP compartidos.
Colección de servidores MCP de código abierto que dan a los asistentes de IA acceso a la documentación, los servicios y las herramientas de AWS.
Comprime resultados de herramientas, logs, archivos y fragmentos RAG antes de enviarlos a un LLM, como biblioteca, proxy o servidor MCP.