hive
Hive es una capa de orquestación multi-agente para procesos empresariales que gestiona estados, recuperación ante fallos y observabilidad mediante un runtime agnóstico a modelos.
Ficha actualizada 9 nov 2026, 20:45 · upstream 8 nov 2026, 1:41 · release v1.0.14
Qué es hive
Descripción editorial construida a partir del repositorio, su documentación y sus señales de mantenimiento.
Hive actúa como una capa de harness para sistemas multi-agente en producción, permitiendo la ejecución de procesos empresariales reales mediante una arquitectura basada en colonias de agentes. El sistema utiliza un patrón donde una 'Queen' ejecuta primero la tarea y luego expande la colonia con agentes workers clones para escalar el trabajo en paralelo. La coordinación se realiza a través de un libro mayor compartido y un plan persistente, garantizando recuperación ante fallos y supervisión humana integrada.
El framework soporta múltiples proveedores de modelos LLM (OpenAI, Anthropic, Google Gemini) mediante LiteLLM, permitiendo flexibilidad en la elección del modelo sin reescribir el código. Incluye capacidades nativas para uso de navegador y herramientas MCP para conectividad con sistemas empresariales como CRM o APIs internas. La instalación requiere Python 3.11+ y ripgrep, gestionándose a través de un workspace uv con entornos virtuales separados para el runtime y las herramientas.
El sistema está diseñado para cargas de trabajo que requieren persistencia de estado, control de costes y trazabilidad completa. Incluye mecanismos de recuperación segura (park/resume) y límites de coste en tiempo de ejecución. La interfaz web permite gestionar agentes y visualizar su progreso, con soporte para plantillas predefinidas y desarrollo guiado por la Queen.
- Automatización de procesos empresariales complejos que requieren persistencia de estado entre ejecuciones
- Análisis de datos paralelo mediante colonias de agentes especializados en tareas específicas
- Gestión de flujos de trabajo CRM con integración a sistemas externos vía MCP tools
- Investigación web automatizada con supervisión humana y recuperación ante fallos
- Flujos de trabajo adaptativos que mejoran con el tiempo mediante memoria escopada y reflexión
- Arquitectura de colonia de agentes con Queen persistente y workers clones para escalabilidad paralela
- Recuperación ante fallos segura mediante estado persistente y mecanismos park/resume
- Agnosticismo a modelos LLM con soporte nativo para OpenAI, Anthropic, Gemini y proveedores locales
- Control humano integrado (Human-in-the-loop) con supervisión Sentinel y límites de coste
- Persistencia de estado sin buffer de datos mediante libro mayor compartido y plan persistente
- Integración nativa con herramientas MCP para conectividad con sistemas empresariales existentes
- Dependencia crítica de ripgrep para funcionalidad de búsqueda completa, requiriendo instalación manual en algunos entornos
- Instalación no estándar mediante workspace uv y quickstart scripts, incompatible con pip install tradicional
- Ausencia de soporte nativo para Docker o Dockerfile según análisis técnico del repositorio
- Complejidad baja que puede limitar su uso en entornos de producción críticos sin configuración adicional
- Requiere configuración inicial de credenciales en ~/.hive/credentials antes de ejecutar agentes
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.
Pendiente de la cola editorial R11-R6 con investigación verificable.
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.