agami-core
Agami Core es una capa de confianza entre IA y datos. Transforma esquemas de base de datos —con tablas sin documentación o joins complicados— en un modelo semántico gobernable, que garantiza respuestas SQL correctas con factura de cada respuesta.
Ficha actualizada 23 sept 2026, 4:01 · upstream 23 sept 2026, 3:54 · release v0.9.5
Qué es agami-core
Descripción editorial construida a partir del repositorio, su documentación y sus señales de mantenimiento.
<p align="center"><strong>La capa de confianza entre la IA y tus datos.</strong></p>
<p align="center">Local. Privado. Tuyo.</p>
<p align="center"> <a href="LICENSE"><img src="https://img.shields.io/badge/license-fair--code-blue" alt="Licencia: fair-code"></a> <a href="https://github.com/AgamiAI/agami-core/releases"><img src="https://img.shields.io/github/v/tag/AgamiAI/agami-core?label=versión&sort=semver&color=blue" alt="Versión de la librería"></a> </p>
<p align="center">agami-core es la capa de confianza entre un agente de IA y tu base de datos —un modelo semántico gobernable, auto-improvable que garantiza joins correctos, definiciones de métricas firmadas y una factura completa de cada respuesta.</p>
<p align="center">Se construye desde tu esquema de datos actual (desordenado o limpio), sin necesidad de un backend externo. Las reglas viven en el modelo, no en la instrucción del usuario.</p>
<p align="center">Los esquemas empresariales reales tienen miles de tablas, muchas sin documentación y con columnas como <code>col_47</code>. Agami resuelve ese problema.</p>
- Responder preguntas sobre métricas financieras con precisión verificada
- Generar reportes ejecutivos con datos consistentes y auditables
- Automatizar consultas de negocio que involucran múltiples tablas
- Crear dashboards en tiempo real con confianza verificable
- Documentar esquemas complejos mediante introspección automática
- Garantizar consistencia de datos en pipelines de ETL/ELT
- Cada respuesta incluye una factura (receipt) que muestra el SQL exacto, tablas involucradas y relaciones usadas
- Las métricas requieren firma de aprobación antes de ser tratadas como verdaderas
- Los joins y entidades se evalúan con confianza automática sin intervención manual
- El modelo se construye desde cero o se re-inferencia del esquema actual
- Soporta múltiples bases de datos (Postgres, MySQL, Snowflake, BigQuery, etc.)
- Funciona localmente en entornos privados sin necesidad de infraestructura externa
- Requiere acceso a la base de datos para construir el modelo semántico inicial
- No funciona con bases de datos que no soporten SQL estándar (por ejemplo, NoSQL puras)
- El rendimiento puede variar según la complejidad del esquema y el tipo de consulta
- La firma de métricas requiere un proceso manual de aprobación por roles
- Funciona mejor en entornos con acceso a herramientas de CLI o Python para conexión
Perfil de infraestructura
Estimación inicial derivada del repositorio y de los servicios detectados.
Despliegue detectado
Qué señales reales de instalación hemos encontrado.
Para usar agami-core, instala la extensión de plugins en tu IDE (VS Code o Cursor) y ejecuta `/plugin install agami-core@agami`. En el prompt de Claude Code, escribe `/plugin marketplace add AgamiAI/agami-core` para agregarlo al repositorio. Para conectar a una base de datos existente, usa `/agami-connect` seguido de `introspect` para leer tu esquema. No necesitas backend ni proxy; agami se ejecuta localmente usando drivers nativos o DuckDB. Si deseas un servidor compartido en equipo, consulta la documentación del modelo de servidor self-hosted.
Stack y dependencias
Componentes inferidos a partir de manifests, configuración y documentación.
Puede sustituir a
Relaciones detectadas por el análisis del repositorio y su categoría.
Experiencia real de la comunidad
Ayuda a contrastar la estimación automática con instalaciones reales.
Todavía no hay datos comunitarios para este proyecto.