Framework de orquestación en Python para crear aplicaciones de IA agéntica y LLM, con soporte para pipelines RAG, agentes y flujos de trabajo de varios pasos.
1,1 mil+1 esta semana154PythonApache-2.0Bien mantenidoActualizado hace 22 horas
om-ai-lab/OmAgent
Una biblioteca de Python para crear agentes de lenguaje multimodales capaces de razonar a partir de texto, imágenes, video y audio.
- Estrellas
- 2,671
- Forks
- 289
- Issues abiertos
- 23
- Último commit
- hace 22 días
¿Qué es?
OmAgent es una biblioteca de Python para crear agentes de lenguaje multimodales. Integra la orquestación de workers, las colas de tareas y la ejecución de nodos tras una interfaz sencilla, para que los desarrolladores puedan definir un agente y combinar componentes reutilizables para crear agentes más complejos.
La biblioteca ofrece un motor de flujos de trabajo basado en grafos y varios tipos de memoria para el razonamiento contextual. Incluye compatibilidad nativa con modelos de visión y lenguaje, procesamiento de video y conexión con dispositivos móviles, además de implementar algoritmos de agentes como ReAct, CoT y SC-CoT. Los modelos se pueden ejecutar localmente mediante Ollama o LocalAI, y la arquitectura se puede desplegar de forma distribuida o en modo Lite, sin middleware.
El proyecto incluye aplicaciones de ejemplo, entre ellas un agente que responde preguntas sobre videos con una interfaz de Gradio y un asistente personal móvil, además de una comparación de operadores de agentes en conjuntos de datos de razonamiento.
Funciones clave
- 01Motor de orquestación de flujos de trabajo basado en grafos, con varios tipos de memoria
- 02Compatibilidad nativa con modelos de visión y lenguaje, procesamiento de video y conexión con dispositivos móviles
- 03Algoritmos de agentes integrados, como ReAct, CoT y SC-CoT
- 04Despliegue local de modelos mediante Ollama o LocalAI
- 05Despliegue distribuido con capacidad de escalado y un modo Lite sin middleware
Casos de uso
- Crear agentes que respondan preguntas sobre videos y razonen a partir de material audiovisual cargado
- Crear prototipos de flujos de trabajo para comprender imágenes o videos con VLMs
- Crear un asistente personal móvil que gestione entradas multimodales
- Comparar estrategias de razonamiento como CoT y ReAct con el mismo LLM
En colecciones
Temas
Preguntas frecuentes
- ¿Qué es OmAgent?
- Una biblioteca de Python para crear agentes de lenguaje multimodales capaces de razonar a partir de texto, imágenes, video y audio. OmAgent es una biblioteca de Python para crear agentes de lenguaje multimodales. Integra la orquestación de workers, las colas de tareas y la ejecución de nodos tras una interfaz sencilla, para que los desarrolladores puedan definir un agente y combinar componentes reutilizables para crear agentes más complejos.
- ¿OmAgent es gratuito? ¿Qué licencia tiene?
- OmAgent es open source bajo la licencia Apache-2.0. Revisa los términos de la licencia antes de usarlo en productos comerciales.
- ¿OmAgent sigue mantenido?
- Mantenimiento activo. El último commit de OmAgent fue el 16 oct 2026.
- ¿Para qué puedo usar OmAgent?
- Crear agentes que respondan preguntas sobre videos y razonen a partir de material audiovisual cargado Crear prototipos de flujos de trabajo para comprender imágenes o videos con VLMs Crear un asistente personal móvil que gestione entradas multimodales Comparar estrategias de razonamiento como CoT y ReAct con el mismo LLM
- ¿Dónde consigo OmAgent?
- El código fuente y las instrucciones de instalación están en GitHub: https://github.com/om-ai-lab/OmAgent
Resumen generado por IA a partir del README del proyecto. Las estadísticas de GitHub se actualizan a diario.
Proyectos relacionados
Plataforma backend de RAG de código abierto con una interfaz similar a una hoja de cálculo que combina SQLite, LanceDB y orquestación de LLM gestionada mediante una REST API.
1,1 mil48PythonApache-2.0Bien mantenidoActualizado hace 16 días
Framework de Go para crear aplicaciones con LLM y agentes de IA, con componentes componibles, orquestación de grafos e interrupciones con intervención humana.
13,6 mil+75 esta semana1,2 milGoApache-2.0Actualizado anteayer
Biblioteca de C#/.NET para ejecutar localmente modelos de la familia LLaMA y otros modelos de lenguaje GGUF en CPU o GPU, basada en llama.cpp.
3,8 mil+4 esta semana517C#MITActualizado hace 19 horas
Cambia arxiv.org por talk2arxiv.org en cualquier enlace a un artículo para leerlo y conversar con una IA que ha leído el texto completo.
53131TypeScriptApache-2.0Actualizado el mes pasado
Stack de agentes de IA multimodales de código abierto de ByteDance, con CLI y Web UI (Agent TARS) y una app de agente de escritorio con GUI (UI-TARS Desktop).
39,6 mil+108 esta semana4 milTypeScriptApache-2.0Actualizado hace 29 días