ExAgent — Roadmap

Copy Markdown View Source

Plan de ejecución por fases. Cada fase deja algo agnóstico, testeable e independiente. El caso motor (partida de D&D en Phoenix) se construye incrementalmente sobre las fases, pero ninguna fase es específica de D&D. Fundamento de diseño: ver DESIGN.md.

Convención: cada fase = módulos + tests + un ejemplo en examples/ o test/support/. mix check (compile --warnings-as-errors + format + test) debe pasar al cerrar cada fase.

Fase 0 — Núcleo funcional ✅ (HECHO)

Loop model ⇄ tools, providers (OpenAI/Anthropic/ZAI/OpenRouter/Test), deftool, output estructurado Ecto, streaming lazy, capabilities, UsageLimits, telemetría, serialización de message history.

Sin cambios. Es la base sobre la que se apoya todo.

Fase 1 — Agente con estado: ExAgent.Server

Objetivo. Un agente longevo, supervisado, con memoria e historial, que emite eventos. La pieza que falta para cualquier uso más allá de one-shot.

Módulos.

  • ExAgent.Event — envelope versionado y serializable. Campos mínimos: version, id, seq, type, source, occurred_at, run_id, request_id, agent_id, session_id, participant_id, payload, metadata.
  • ExAgent.PubSub behaviour — broadcast/3 y subscribe/2 opcional. Implementaciones: None (default), Local (Registry local), Phoenix (adaptador dinámico sin dependencia dura).
  • ExAgent.Server (GenServer) — start_link/1, chat/3, stream/3, send_message/3 (async → eventos), steer/2, abort/1, set_model/2, history/1, usage/1, health/1.
  • Estado interno del Server (no público): agent + history + usage acumulado + model + status + current_task + pending queue + pubsub/topic + metadata.
  • ExAgent.AgentSupervisor — DynamicSupervisor + Registry para arrancar/localizar agentes por id/nombre.
  • ExAgent.TaskSupervisor — tareas supervisadas para que el GenServer siga respondiendo a abort/1, health/1 y backpressure durante un run largo.

Cambios pequeños al core funcional.

  • ExAgent.run/3 debe aceptar un :on_event opcional usado por Server para publicar eventos del loop. Default: no-op.
  • El result debe exponer el model final o provider state equivalente para que Server preserve modelos stateful como ExAgent.Models.Test entre chats.
  • Server no debe duplicar system instructions en cada chat: las instrucciones se materializan una vez en el history de conversación y los siguientes runs agregan solo el nuevo user prompt.

Semántica de concurrencia.

  • chat/3: bloquea al caller, ejecuta un run completo y actualiza history/usage.
  • send_message/3: devuelve {:ok, request_id} inmediatamente y publica eventos en "exagent:agent:<agent_id>".
  • stream/3: usa el streaming actual para texto/deltas. En Fase 1 no promete tool-loop streaming completo; eso requiere el futuro stream de eventos del core.
  • abort/1: cancela la tarea actual y emite :server_request_cancelled.
  • steer/2: en Fase 1 encola un follow-up o metadata para el siguiente run. No modifica una request HTTP ya enviada al provider.
  • Backpressure explícito: :busy si no hay cola; :queue_full si max_pending se supera.

Cierre de fase.

  • Tests: arrancar un Server con TestModel, encadenar dos chat/3 (el segundo ve el history del primero), send_message/3 entrega resultado vía evento, eventos tienen envelope estable + seq monotónico, abort/1 cancela la tarea, send_message/3 respeta :busy/:queue_full.
  • Ejemplo examples/stateful_agent.exs: agente conversacional offline.

No incluye. Durabilidad tras restart. Eso empieza en Fase 2.

Sin esto no hay: DM con vida ni ningún agente persistente.

Fase 2 — Persistencia: ExAgent.Store (behaviour) + impl ETS ✅ (HECHO)

Objetivo. Estado resumible tras crash/restart. Desacoplado vía behaviour y sin persistir procesos vivos, secrets ni function captures.

Módulos.

  • ExAgent.Server.Snapshot — snapshot serializable: agent_id, message_history, usage, model_ref/provider_state si es serializable, metadata, timestamps. No contiene pids, API keys ni tool captures.
  • ExAgent.Store (behaviour) — save_agent_snapshot/2, load_agent_snapshot/1, save_session_snapshot/2, load_session_snapshot/1, list_agent_snapshots/1, delete/1.
  • ExAgent.Store.ETS — implementación en proceso (dev/test). Aunque ETS pueda guardar términos arbitrarios, sus tests deben pasar por serialización para no diseñar una API imposible de llevar a Postgres.
  • ExAgent.Server se engancha: checkpoint tras cada :run_finished; al restart, recibe de la app el agent vivo y rehidrata history/usage desde el Store.

Cierre de fase.

  • Tests: matar un Server supervisado → reaparece con su history intacta; guardar/cargar snapshot serializado; ETS aislado por namespace/sesión; confirmar que snapshots no incluyen secrets ni captures de tools.
  • Documentar el contrato del behaviour para que Postgres venga después trivial.

Sin esto no hay: durabilidad; un crash pierde la partida.

Fase 3 — Sesión: ExAgent.Session (agnóstica) ✅ (HECHO)

Objetivo. Una interacción con estado coordinada entre varios participantes (humanos y/o agentes), con turnos y estado compartido. El núcleo del multi-agente y de la partida.

Módulos.

  • ExAgent.Session (GenServer) — lifecycle: new/1 · join/2 · leave/2 · start/1 · take_turn/2 · pause/1 · resume/1 · close/1. Mantiene participants, shared_state (struct app-defined), turn_state y policy_state.
  • ExAgent.Session.TurnPolicy (behaviour) — init/1, next_participant/2, can_act?/3 y estado propio de política. Implementaciones: RoundRobin, Initiative, SupervisorDriven.
  • ExAgent.Session.SharedState — conveniencia para leer/escribir el struct compartido. La Session es el único writer: los tools reciben en RunContext.deps un servicio/ref que llama a la Session para leer o proponer cambios (patrón pydanticAI, sin estado mutable compartido).
  • Session emite eventos por PubSub: :participant_joined · :session_turn_changed · :shared_state_updated · :session_closed.

Cierre de fase.

  • Tests: 2 ExAgent.Server + 1 "humano" (proceso de test) coordinados por RoundRobin; un turno modifica shared_state y el siguiente participante lo lee; escrituras concurrentes pasan por la Session; pause/resume congela y reanuda; Initiative respeta el orden dado.
  • Ejemplo examples/multi_agent_session.exs: dos agentes (TestModel) intercambian turnos sobre un estado compartido.

Agnosticidad explícita: nada sabe de D&D. shared_state puede ser un mundo, un ticket de soporte, un doc colaborativo.

Fase 4 — Coordinación multi-agente: ExAgent.Coordination ✅ (HECHO)

Objetivo. Patrones de orquestación sobre la Session.

Módulos.

  • ExAgent.Coordination.delegation_tool/2 — genera un Tool que invoca a otro agente (patrón pydanticAI nivel 2); usage compartido entre padre e hijo.
  • ExAgent.Coordination.handoff/2 — pasa el control de un participante a otro (mensajería directa entre procesos).
  • ExAgent.Coordination.SupervisorPolicy (TurnPolicy) — un participante "DM/supervisor" decide a quién delegar cada turno.

Cierre de fase.

  • Tests: delegación con TestModel (el agente padre llama al hijo, el usage final suma ambos); handoff transfiere el turno; supervisor dirige a 2 bots.
  • Cubre niveles 2 y 3 de la taxonomía pydanticAI.

Fase 5 — Robustez/coste: Compaction, Cost guard, Prompt caching ✅ (HECHO)

Objetivo. Sesiones largas sin reventar contexto ni presupuesto.

Módulos.

  • ExAgent.Compaction (behaviour) + ExAgent.Compaction.Summary — resume el historial al acercarse al límite de tokens (alloy/Pi). Se engancha como Capability (hook before_model_request).
  • ExAgent.CostGuard — max_budget_cents / max_tokens frena el loop (alloy). Integrado en UsageLimits ya existente, añadiendo tool_calls_limit si aún no existe.
  • Prompt caching Anthropic — cache: true añade breakpoints (alloy); ahorro 60–90% en input.

Cierre de fase. Tests con historial sintético largo → compaction reduce tokens manteniendo coherencia (TestModel); cost guard detiene al superar budget.

Fase 6 — Producción y ecosistema: Permissions, MCP, Postgres, LiveView (parcial)

Objetivo. Lo que falta para llevar D&D (y apps reales) a producción.

Hecho en 0.3.0:

Pendiente (0.4.0+, cada uno con su infra):

  • ExAgent.Store.Postgres — impl durable (habilita resume multi-nodo). Requiere Postgres + ecto_sql/postgrex como deps opcionales.
  • Aprobación async real (:approval_requested que pausa/reanuda el run o la Session, no bloquea dentro de un tool) sobre la base de Permissions.
  • MCP client — consumir tool servers externos como un Tool provider.
  • App de referencia examples/phoenix_dnd/ — DM + 1 bot + 1 humano en LiveView.

Orden recomendado y dependencias

Fase 0 (✅) ──► Fase 1 (Server) ──► Fase 2 (Store) ──► Fase 3 (Session)
                                                            │
                                                            ▼
                                            Fase 4 (Coordination)
                                                            │
                                  Fase 5 (Compaction/Cost/Caching) ── paralelo
                                                            ▼
                                            Fase 6 (Prod: Perms/MCP/PG/LV)

Fases 1→3 son el camino crítico para tener el primer "juego jugable" (DM supervisado + durabilidad + sesión con turnos). 4–6 amplían sin bloquear.

Criterio de "listo para publicar como 0.2"

  • Fases 1–3 completas + tests + ejemplos + docs (ex_doc con grupos por capa).
  • README actualizado con la API por capas y el diagrama del módulo.
  • DESIGN.md y ROADMAP.md referenciados desde el README.