ai-skill-engine
Un gateway de IA autocontenido que ejecuta herramientas y genera contenido interactivo. Soporta múltiples LLMs, ejecución sandboxada de código, almacenamiento en la nube y un panel de administración.
Ficha actualizada 23 sept 2026, 12:35 · upstream 23 sept 2026, 12:16 · release v2.0.7
Qué es ai-skill-engine
Descripción editorial construida a partir del repositorio, su documentación y sus señales de mantenimiento.
<p>AI Skill Engine es una plataforma self-hostable diseñada como un punto de entrada único para aplicaciones de inteligencia artificial. Su arquitectura centraliza el acceso a modelos de lenguaje (OpenAI, Gemini, OpenRouter) mediante un endpoint compatible con el protocolo estándar de API de OpenAI, eliminando la necesidad de configurar múltiples servicios por cliente.</p>
<p>La plataforma se distingue por su enfoque en ejecución segura y aislada del código. A diferencia de los APIs tradicionales que ejecutan scripts directamente, AI Skill Engine utiliza contenedores Docker, Azure Container Apps o micro-VMs como E2B para ejecutar cualquier herramienta solicitada dentro de un entorno controlado.</p>
<p>Un componente central es el <strong>Universal Canvas</strong>, una interfaz gráfica que permite editar documentos interactivos (PDFs, hojas de cálculo, presentaciones) y archivos 3D CAD directamente en la aplicación. Estos artefactos se renderizan mediante iframes o mediante eventos bidireccionales REST/SSE sin necesidad de un servidor web externo.</p>
<p>La arquitectura multi-tenant permite a cada organización mantener sus propias claves API, set de habilidades personalizadas y auditoría de uso. El sistema incluye un generador de herramientas (SKILL.md) que permite crear scripts personalizados con IA para extender la funcionalidad del dashboard sin necesidad de conocimientos técnicos avanzados.</p>
<p>Finalmente, AI Skill Engine ofrece un panel de administración completo con visualización en tiempo real de costos de tokens LLM, historial de sesiones y logs auditables. Su diseño modular permite integrar cualquier modelo de lenguaje mediante el protocolo Model Context Protocol (MCP), lo que lo convierte en una plataforma flexible para aplicaciones empresariales.</p>
<p>La plataforma es ideal para organizaciones que requieren un entorno de IA robusto sin depender de proveedores cloud, ya que soporta almacenamiento local, Azure Blob Storage y AWS S3. Además, su arquitectura permite escalar horizontalmente mediante contenedores Docker o servicios serverless como Azure Container Apps.</p>
- Ejecutar scripts Python en entornos aislados para análisis de datos o cálculos complejos
- Generar contenido interactivo (documentos, presentaciones) directamente desde el dashboard
- Crear herramientas personalizadas con SKILL.md y ejecutarlas como servicios MCP
- Procesar archivos 3D CAD o gráficos mediante ejecución sandboxada en contenedores Docker
- Implementar APIs de chat completas compatibles con OpenAI para aplicaciones empresariales
- Gestionar múltiples clientes con claves API separadas, auditoría y costos por sesión
- Soporta múltiples LLMs (OpenAI, Gemini, OpenRouter) mediante un solo endpoint compatible con el protocolo estándar de API
- Ejecución sandboxada del código en contenedores Docker o micro-VMs como E2B, eliminando riesgos de ejecución maliciosa
- Universal Canvas permite editar documentos interactivos (PDFs, hojas de cálculo, presentaciones) directamente desde la interfaz web
- Generador de herramientas SKILL.md permite crear scripts personalizados con IA sin conocimientos técnicos avanzados
- Panel de administración con visualización en tiempo real de costos de tokens y auditoría completa por sesión
- Soporta almacenamiento local, Azure Blob Storage y AWS S3 mediante APIs de gestión de sesiones
- No incluye un sistema operativo completo ni herramientas de desarrollo integradas (compilación, depuración)
- La ejecución sandboxada depende del proveedor seleccionado (Docker, E2B, Azure Container Apps) y puede variar en rendimiento
- El almacenamiento local no tiene cifrado por defecto; se recomienda configurar claves de acceso adicionales
- Las APIs MCP requieren que el cliente implemente la interfaz adecuada para comunicarse con los servicios externos
- La integración con herramientas externas depende de que el proveedor soporte el protocolo de comunicación específico
Capturas del proyecto
Imágenes reales detectadas en la documentación del repositorio.
Perfil de infraestructura
Estimación inicial derivada del repositorio y de los servicios detectados.
Despliegue detectado
Qué señales reales de instalación hemos encontrado.
<p>Para desplegar, utiliza Docker Hub con un contenedor pre-escrito. Configura variables de entorno como la clave de Fernet para cifrar las credenciales y la URL del banco de datos SQLite. Asegúrate de exponer el puerto 2704 en el firewall. Para producción, considera usar Azure Container Apps o AWS ECS para escalar horizontalmente.</p>
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.