mycelium
Mycelium es una capa de memoria y coordinación local para entidades HTTP (agentes, dispositivos, sensores). Funciona como sistema nervioso descentralizado sin nube, usando SQLite embebido, Next.js/Node.js/Python. Conecta pares sobre red local con identidad persistente, aprobaciones humanas por riesg
Ficha actualizada 26 sept 2026, 15:21 · upstream 26 sept 2026, 14:52 · release v0.1.0
Qué es mycelium
Descripción editorial construida a partir del repositorio, su documentación y sus señales de mantenimiento.
Mycelium es una capa de memoria y coordinación local para cualquier entidad que pueda realizar peticiones HTTP: agentes, dispositivos, sensores y humanos en una misma red. Funciona como un sistema nervioso descentralizado que conecta pares sobre los mismos canales — tareas, mensajes, aprobaciones, contexto — sin depender de la nube. Utiliza SQLite embebido para persistencia y soporta múltiples frameworks (Next.js, React, Node.js, Python).
La arquitectura permite identidad persistente entre sesiones y máquinas: un agente o dispositivo mantiene su identidad a través de límites de runtime. Soporta agentes como Claude Code vía MCP, scripts Python con Ollama vía HTTP API, procesos Node.js vía SDK, y hardware como primera clase (cámaras, sensores, actuadores). Incluye sistema de aprobaciones por riesgo con gateways humanos escalonados, drones GPU para cómputo headless, plugin system modular con migraciones y hooks de eventos, y tracking de gasto por agente/proyecto/modelo.
El despliegue recomendado es Docker Compose con configuración manual de JWT_SECRET y ADMIN_KEY. El script de instalación verifica el ref master y clona desde source (no hay imagen precompilada). Para producción: montar volumen /data para persistencia SQLite, verificar salud en localhost:3002/health, y configurar drones GPU manualmente en el host.
- Orquestación multi-agente local con persistencia de contexto entre sesiones
- Coordinación de hardware IoT/sensores que publican datos vía HTTP POST
- Sistema de aprobación humana para tareas críticas (low → critical risk tiers)
- GPU drone queue para renderizado, image gen o LoRA training headless
- Plugin system para extender funcionalidades con MCP tools descubiertos dinámicamente
- Gestión de proyectos con contextos versionados y rollback en un solo llamado
- Arquitectura local sin nube: SQLite embebido, cero servicios externos
- Persistencia de identidad entre sesiones y máquinas para agentes/dispositivos
- Sistema de aprobaciones por riesgo con gateways humanos escalonados (low → critical)
- Compatibilidad multi-agente: MCP, SDKs Node/Python, HTTP API genérico, hardware como primera clase
- Plugin system modular con migraciones, hooks de eventos y MCP tools descubiertos en tiempo de ejecución
- Tracking de gasto por agente/proyecto/modelo con endpoints de resumen
- Voice adapter no incluido: requiere instalación manual de openai-whisper y no tiene cobertura de pruebas
- Discord/Slack adapters requieren tokens propios del usuario para funcionalidad completa
- Algunos endpoints sin tests dedicados: organizaciones, agent templates, team settings son plumbing-stable pero no battle-tested
- No hay imagen Docker precompilada: script de instalación clona desde source y verifica ref master
- GPU drone queue requiere configuración manual en host: workers son procesos host, no containers
Perfil de infraestructura
Estimación inicial derivada del repositorio y de los servicios detectados.
Despliegue detectado
Qué señales reales de instalación hemos encontrado.
Usar Docker Compose con cp .env.example .env configurando JWT_SECRET y ADMIN_KEY antes de iniciar. Para producción: montar volumen /data para persistencia SQLite. Verificar salud con curl http://localhost:3002/health (no bajo /api/mycelium). Agentes MCP requieren clonar desde source y ejecutar localmente (no publicado en npm). Drones GPU: instalar Python manualmente en host y verificar capacidades antes de asignar jobs.
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.