Ctrl K
ComunidadGuías…
GITHUB · ANALIZADO

helm-api

Helm API es un gateway de ruteo para LLMs (OpenAI, Anthropic, Gemini) que clasifica y enruta tráfico basado en configuración, no código. Incluye fallback, traducción de protocolos, telemetría y gestión de tokens.

Ficha actualizada 22 sept 2026, 18:30 · upstream 22 sept 2026, 17:13 · release v0.30.9

Ver códigoProblemas y ayudaRepositorio ↗
00

Qué es helm-api

Descripción editorial construida a partir del repositorio, su documentación y sus señales de mantenimiento.

Este proyecto ofrece una solución open-source auto-hostable para gestionar el tráfico de modelos de lenguaje artificial. Su arquitectura centraliza la clasificación del tráfico LLM (texto e imágenes) en un único control plane, eliminando la necesidad de código personalizado por parte de los desarrolladores. El sistema permite fall back automático ante fallos upstream, traducción de protocolos cuando es necesario y registro completo de decisiones de ruteo. Los clientes pueden cambiar solo base_url y clave API, manteniendo su lógica original sin modificaciones.

CASOS DE USO
  • Gestionar tráfico de múltiples proveedores (OpenAI, Anthropic, Gemini) con un único endpoint
  • Implementar fall back automático ante fallos en servicios upstream
  • Traducción de protocolos entre diferentes APIs (OpenAI Chat, Anthropic Messages, etc.)
  • Monitorización y observabilidad completa del tráfico LLM
  • Gestión de tokens por modelo con límites personalizados
  • Administración centralizada de claves API y permisos
  • Implementación de planes de precios y cuotas por proveedor
PUNTOS DESTACADOS
  • Arquitectura basada en configuración (YAML) que permite cambios sin reemplazar código
  • Multi-protocol nativo: texto e imágenes se enrutan desde un solo núcleo con passthrough automático
  • Sistema de lanes (caminos) con políticas de primera coincidencia para clasificación determinística
  • Dashboard SvelteKit completo con visualización en tiempo real del tráfico, tokens y costos
  • Soporte OAuth para múltiples cuentas por proveedor (Claude Pro/Max, ChatGPT Codex, GitHub Copilot)
  • Middleware de memoria configurable que recuerda contexto entre llamadas
  • Seguridad con claves SHA-256 y recuperación cifrada para administradores
PRECAUCIONES
  • El sistema requiere Docker o Node.js ≥ 22 + pnpm 10 para construir desde fuente, lo que añade complejidad en entornos sin contenedor
  • La clasificación determinística (rules) no es configurable por el usuario final; se recomienda usar lanes con fallbacks
  • No incluye facturación ni gestión de cuentas de clientes (se menciona como out of scope)
  • El middleware de memoria requiere configuración manual y puede consumir recursos adicionales
  • Soporte limitado para modelos personalizados: solo claves estándar o aliases, no mapeo personalizado por modelo
01

Perfil de infraestructura

Estimación inicial derivada del repositorio y de los servicios detectados.

CPU4 vCPUrecomendación inicial
MEMORIA4 GBRAM estimada
DISCO20 GBalmacenamiento base
COMPLEJIDADhighnivel de operación
02

Despliegue detectado

Qué señales reales de instalación hemos encontrado.

Docker Compose detectado

Para producción se recomienda usar Docker Compose con el archivo docker-compose.yml que monta ./config y ./data. Se debe configurar HELM_PORT en la variable de entorno para el puerto del host (8080 es el estándar). El gateway se ejecuta en el puerto 8080 por defecto, mientras que el Admin Dashboard está disponible en /admin. Para entornos sin Docker, se puede construir manualmente con Node.js y pnpm. Se recomienda mantener un backup de la base de datos SQLite (data/helm-api.db) y configurar un plan de recuperación ante fallos del servicio.

✓Dockerfile
✓Compose
—One-click
03

Stack y dependencias

Componentes inferidos a partir de manifests, configuración y documentación.

FRAMEWORKS
Next.jsNode.jsPython
SERVICIOS
PostgreSQL
BASES DE DATOS
PostgreSQL
PUERTOS
8080
05

Puede sustituir a

Relaciones detectadas por el análisis del repositorio y su categoría.

06

Experiencia real de la comunidad

Ayuda a contrastar la estimación automática con instalaciones reales.

Todavía no hay datos comunitarios para este proyecto.