Ctrl K
ComunidadGuías…
GITHUB · ANALIZADO

os

Plataforma open source para agentes de IA con soporte para múltiples proveedores LLM, chat en tiempo real, voz, entrenamiento con documentos, análisis y gestión de usuarios.

Ficha actualizada 22 sept 2026, 18:45 · upstream 22 sept 2026, 17:55 · release v0.152.0

00

Qué es os

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

El ibl.ai/os es una plataforma open source que permite a las organizaciones crear e implementar agentes de inteligencia artificial personalizados. Consta de un único código base que genera conversaciones inteligentes desde prototipos hasta producción en minutos. La arquitectura está construida con React 19, Redux Toolkit, Radix UI y Tailwind CSS.

La plataforma ofrece capacidades avanzadas como agentes configurables con modelos LLM diversos (OpenAI, Anthropic, Google, Microsoft, Meta), chat en tiempo real, llamadas de voz mediante WebRTC, compartición de pantalla, entrenamiento con documentos locales o desde la nube, análisis de conversaciones y gestión de usuarios.

Se destaca por su enfoque de propiedad: el código es licenciado bajo MIT, lo que permite a las organizaciones mantener total control sobre sus datos y la infraestructura. Además, soporta múltiples plataformas nativas (web, macOS, Windows, Linux, iOS y Android) mediante un mismo código base.

CASOS DE USO
  • Implementar agentes de IA para automatizar respuestas a clientes en chatbots personalizados
  • Crear asistentes virtuales que consulten documentos internos o bases de datos externas
  • Automatizar procesos empresariales con LLMs entrenados sobre datos corporativos
  • Conversaciones en tiempo real entre humanos y agentes de IA con soporte de voz
  • Generación de documentos inteligentes (resumenes, informes) mediante RAG
  • Implementar sistemas de descubrimiento de agentes para gestionar múltiples modelos LLM
PUNTOS DESTACADOS
  • Soporte completo de múltiples proveedores de LLM sin necesidad de reescribir el código
  • Entrenamiento con documentos locales (Google Drive, OneDrive, Dropbox) o mediante crawling web
  • Implementación nativa en macOS y Windows con soporte para Apple Silicon y ARM64
  • Soporte de MCP Servers para extender los agentes con herramientas externas como GitHub o Notion
  • Gestión multi-tenencia con aislamiento completo de datos por organización
  • Integración con Stripe para facturación, planes gratuitos y modelos de precios basados en uso
PRECAUCIONES
  • La plataforma requiere un backend ibl.ai para autenticación, APIs de agentes e integración con servicios de IA
  • El entrenamiento con documentos locales puede ser lento para grandes volúmenes de datos
  • La implementación nativa en Linux requiere compilación desde fuente y no es una aplicación precompilada
  • Los modelos LLM externos dependen de sus propios límites de tokens, tasa de generación y capacidades de contexto
  • El soporte para Android se limita a builds oficiales de Google Play Store
01

Perfil de infraestructura

Estimación inicial derivada del repositorio y de los servicios detectados.

CPU2 vCPUrecomendación inicial
MEMORIA2 GBRAM estimada
DISCO10 GBalmacenamiento base
COMPLEJIDADmediumnivel de operación
02

Despliegue detectado

Qué señales reales de instalación hemos encontrado.

Listo para automatizar

Para desplegar ibl.ai/os: (1) Si ya tienes una organización en ibl.ai, configura tu tenencia actualizando NEXT_PUBLIC_TENANT con la clave de organización y ejecuta docker run -p 5000:5000 --env-file .env.local os. (2) Para producción, usa Docker para contenedores o desplégalo como servicio estático en un servidor web. (3) Si necesitas infraestructura backend completa, obtén una licencia de la plataforma ibl.ai y utiliza su CLI de infraestructura. (4) En entornos nativos, configura los env vars IBL_TENANT e IBL_API_KEY antes de compilar con pnpm exec tauri build. (5) Para producción, considera usar Docker Compose para orquestación o un contenedorizado en Kubernetes.

✓Dockerfile
✓Compose
✓One-click
03

Stack y dependencias

Componentes inferidos a partir de manifests, configuración y documentación.

FRAMEWORKS
Next.jsReactNode.jsRust
SERVICIOS
No detectados
BASES DE DATOS
No detectadas
PUERTOS
30005000
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.