agentic-ai-homelab
Repositorio personal que documenta patrones de trabajo con IA agéntica en entorno homelab híbrido (cloud/local). Incluye infraestructura vLLM/Ollama, observabilidad VictoriaMetrics+Grafana, templates para bootstrap de proyectos y evaluación comparativa de 10 proveedores LLM.
Ficha actualizada 24 sept 2026, 17:40 · upstream 24 sept 2026, 17:22 · release sin release detectada
Qué es agentic-ai-homelab
Descripción editorial construida a partir del repositorio, su documentación y sus señales de mantenimiento.
Este repositorio documenta patrones personales de trabajo con IA agéntica en un entorno homelab híbrido que combina APIs cloud (Claude, OpenAI, Gemini) con modelos auto-hospedados locales. La arquitectura se divide en cuatro pilares: setup de proyectos con templates reutilizables, infraestructura local dividida entre DGX GPU para LLMs y Mac mini para observabilidad, flujos de trabajo cloud con patrones de caching y routing multi-proveedor, y configuración de harnesses agénticos globales.
La documentación incluye ADRs (Architecture Decision Records), RFCs abiertos y logs históricos que permiten continuidad temporal. El repositorio contiene ejemplos concretos como claude-api-with-caching para disciplina de prompt-cache, mcp-tool-template con FastMCP skeleton, y eval-harness agnóstico a proveedores. La sección provider-bakeoff/ compara 10 proveedores LLM en 4 países con costes reales.
No es un tutorial educativo ni una guía de mejores prácticas genéricas. Requiere conocimiento previo de tecnologías como vLLM, MCP, Tailscale y Docker (aunque el análisis indica no usa Docker). Está diseñado para single-operator homelab con configuración particular: DGX GPU box, Mac mini hub siempre encendido y pequeño VPS en un mismo tailnet.
- Bootstrap de nuevos proyectos con templates pre-configurados que incluyen AGENTS.md, Makefile gates y workflow GitHub Pages
- Gestión de infraestructura homelab híbrida con vLLM en DGX GPU y VictoriaMetrics+Grafana en Mac mini para observabilidad
- Evaluación comparativa de 10 proveedores LLM (Claude, GPT, Gemini, Grok, Mistral, Hugging Face, DeepSeek, Qwen, Kimi, local) con costes reales
- Configuración de harnesses agénticos globales con AGENTS.md y CLAUDE.md para opencode/Claude Code/MCP registry
- Sistema provider-bakeoff/ que compara 10 proveedores LLM en 4 países con costes reales en un solo comando
- Templates reutilizables para bootstrap de proyectos nuevos con AGENTS.md, ADRs y Makefile gates
- Infraestructura dividida claramente entre DGX GPU (vLLM/Ollama) y Mac mini (observabilidad GlitchTip/Langfuse/Umami)
- Documentación extensiva con logs históricos en docs/history/ para continuidad temporal de decisiones
- No usa Docker ni Docker Compose según análisis técnico, lo que limita portabilidad a entornos sin estas tecnologías
- Requiere conocimiento previo de vLLM, MCP, Tailscale y arquitectura homelab específica (DGX+Mac mini)
- No es un tutorial educativo sino referencia práctica para operadores experimentados con setups similares
- Configuraciones específicas para single-operator homelab que pueden no ser directamente aplicables a entornos multi-usuario
Perfil de infraestructura
Estimación inicial derivada del repositorio y de los servicios detectados.
Despliegue detectado
Qué señales reales de instalación hemos encontrado.
Requiere entorno homelab con DGX GPU box, Mac mini siempre encendido y VPS pequeño en mismo tailnet. No usa Docker/Compose. Para bootstrap: cp templates/new-project/ ~/Projects/<name>/ y sed-substitute placeholders. Para observabilidad: seguir docs/recipes/mac-mini-observability.md. Para LLM stack: infra/vllm/. Para comparar proveedores: cd provider-bakeoff/, cp .env.example .env, make bakeoff (~$2-5 por sweep completo). No apto para entornos sin conocimiento previo de vLLM/MCP/Tailscale.
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.