Ctrl K
ComunidadGuías…
GITHUB · ANALIZADO

openmake_llm

OpenMake es un workspace de IA auto-hospedado que orquesta modelos locales y compatibles con OpenAI mediante vLLM y LiteLLM. Soporta agentes autónomos, herramientas MCP e investigación profunda en una infraestructura controlada por el usuario.

Ficha actualizada 22 sept 2026, 15:41 · upstream 22 sept 2026, 7:40 · release v1.81.0

Ver códigoProblemas y ayudaRepositorio ↗Sitio oficial
00

Qué es openmake_llm

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

OpenMake actúa como runtime para agentes y orquestación de modelos, permitiendo asignar capacidades específicas (texto, visión, generación de imágenes) a modelos distintos. Utiliza una arquitectura basada en Next.js, React y Python, gestionando estado en PostgreSQL y Redis. El sistema incluye un gateway LiteLLM que soporta BYOK (Bring Your Own Keys) con cifrado AES-256-GCM para claves de proveedores externos como OpenRouter o Ollama.

La plataforma facilita la investigación profunda mediante búsqueda web paralela y generación de informes citados en PDF o DOCX. Los agentes pueden ejecutar código en sandboxes Docker, navegar por la web y solicitar aprobaciones para pasos críticos. Se integra con herramientas MCP para conectar servicios externos como Notion o Tavily sin necesidad de reescribir el flujo de trabajo.

El despliegue se realiza mediante un script de instalación que configura PM2, PostgreSQL y Redis, aunque no incluye Dockerfile ni compose nativos en el repositorio principal. Requiere una infraestructura mínima de 4 núcleos CPU, 8 GB de RAM y 30 GB de disco para operar correctamente bajo Linux o macOS (WSL2).

CASOS DE USO
  • Investigación profunda con generación de informes citados en PDF o DOCX
  • Chat multimodal asignando modelos específicos por capacidad (texto, visión, audio)
  • Agentes autónomos con aprobaciones para pasos críticos y checkpoints persistentes
  • Orquestación de múltiples proveedores de modelos locales y BYOK simultáneamente
  • Desarrollo de código en sandbox Docker aislado con revisión de seguridad
  • Integración de herramientas externas vía protocolo MCP (Notion, Tavily, etc.)
PUNTOS DESTACADOS
  • Arquitectura multi-modelo que asigna capacidades específicas a distintos endpoints
  • Soporte nativo para Bring Your Own Keys (BYOK) con cifrado AES-256-GCM
  • Protocolo MCP para integración de herramientas y servidores externos
  • Agentes con checkpoints persistentes para pausar y reanudar tareas tras reinicio
  • Gateway LiteLLM compatible con vLLM, Ollama y endpoints OpenAI
  • Infraestructura local-first sin dependencia de APIs cerradas
PRECAUCIONES
  • No incluye Dockerfile ni docker-compose nativo en el repositorio principal
  • Complejidad técnica HIGH que requiere conocimientos de infraestructura
  • Requiere instalación manual de dependencias como Node.js 24 y PM2
  • Algunas funciones avanzadas como TASK_SANDBOX_ENABLED requieren build manual
  • No soporta despliegue directo en Windows sin WSL2
01

Perfil de infraestructura

Estimación inicial derivada del repositorio y de los servicios detectados.

CPU4 vCPUrecomendación inicial
MEMORIA8 GBRAM estimada
DISCO30 GBalmacenamiento base
COMPLEJIDADhighnivel de operación
02

Despliegue detectado

Qué señales reales de instalación hemos encontrado.

Despliegue manual

Despliega usando el script de instalación oficial que configura PM2, PostgreSQL y Redis. Requiere Linux o macOS (WSL2). Asegura 4 núcleos CPU, 8GB RAM y 30GB disco. Configura variables de entorno en .env para claves API y habilita sandboxes si es necesario compilando infra/mcp-runtime.

—Dockerfile
—Compose
—One-click
03

Stack y dependencias

Componentes inferidos a partir de manifests, configuración y documentación.

FRAMEWORKS
Next.jsReactNode.jsPython
SERVICIOS
PostgreSQLRedisS3/MinIO
BASES DE DATOS
PostgreSQLRedis
PUERTOS
4000524165432300051736379910080888888
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.