Router-Maestro
Router-Maestro es un proxy local/self-hosted que permite a clientes compatibles con OpenAI, Anthropic y Gemini utilizar modelos de GitHub Copilot, OpenAI, Anthropic y proveedores personalizados, con enrutamiento basado en prioridad y fallback automático.
Ficha actualizada 23 sept 2026, 3:30 · upstream 23 sept 2026, 3:11 · release v0.9.9
Qué es Router-Maestro
Descripción editorial construida a partir del repositorio, su documentación y sus señales de mantenimiento.
Router-Maestro es una puerta de entrada local o self-hostada para modelos de inteligencia artificial. Separa el protocolo del cliente del transporte del modelo upstream, lo que permite a los clientes no estar limitados a modelos que hablen nativamente su API. Claude Code puede usar modelos GPT de Responses-only; Codex puede usar Claude, Gemini, Grok y MAI; Gemini CLI puede utilizar la misma catálogo mediante su superficie API nativa.
El sistema utiliza un enfoque de enrutamiento basado en protocolos: los clientes y proveedores comparten una capa de protocolo común que se traduce a transportes específicos según el modelo. Esto permite que Claude Code utilice modelos de Responses-only, Codex use modelos de Anthropic o Gemini, y Gemini CLI acceda al catálogo completo.
Router-Maestro ofrece rutas nativas para respuestas rápidas (copy-on-write identity path) y traducciones latentes solo cuando es necesario, evitando el buffering de respuestas completas. Preserva llamadas a herramientas, resultados estructurados, uso de tokens y continuaciones de razonamiento a través de los diferentes protocolos.
El sistema soporta un modelo virtual llamado "router-maestro" que clasifica las solicitudes en tareas como Fast, General, Coding o Deep Reasoning, aplicando filtros de capacidad y contexto antes de seleccionar el modelo. También ofrece modo Priority Chain para ordenar modelos con determinismo cuando se prefiere una secuencia específica.
La configuración es flexible: mediante CLI wizards o portal visual, se pueden gestionar contextos, modelos, ventanas de contexto, clientes confiables, proyectos autorizados y políticas de enrutamiento automático.
- Integración con GitHub Copilot para acceder a la catálogo completa de modelos (GPT, Claude, Gemini, Grok, MAI) desde Claude Code o Codex
- Despliegue local de un proxy de IA que actúa como puerta de entrada única hacia múltiples proveedores de generación de texto
- Automatización de flujos de trabajo con herramientas de desarrollo (DeepSeek Harness, API clients) mediante enrutamiento inteligente
- Gestión centralizada de modelos y contextos para equipos que utilizan múltiples LLMs sin necesidad de configurar cada uno por separado
- Proveedores de IA que ofrecen APIs compatibles con OpenAI o Anthropic pueden ser expuestos a clientes que no soportan su protocolo nativo
- Implementación de políticas de contexto, token budgeting y razonamiento estructurado en un solo punto de control
- Soporta múltiples proveedores (GitHub Copilot, OpenAI, Anthropic, Gemini, DeepSeek) con una única capa de configuración
- Enrutamiento basado en protocolo que permite a los clientes no ser limitados por la API del proveedor upstream
- Rutas nativas para respuestas rápidas y traducciones latentes solo cuando es necesario, optimizando rendimiento
- Modelo virtual "router-maestro" clasifica las solicitudes antes de seleccionar el modelo, permitiendo filtros de capacidad y contexto
- Soporta modo Priority Chain para ordenar modelos con determinismo cuando se prefiere una secuencia específica
- Configuración flexible mediante CLI wizards o portal visual, con soporte para autenticación OAuth, API keys y tokens
- No soporta clientes que no tienen un protocolo compatible (por ejemplo, modelos de Anthropic que requieren formato JSON).
- La selección de modelo depende de la configuración del usuario; no hay una política automática de fallback entre proveedores.
- El contexto máximo disponible es limitado por el tamaño de ventana del modelo seleccionado y las restricciones del proveedor.
- Los clientes que no soportan un protocolo específico fallarán explícitamente antes de intentar la traducción, sin un mecanismo de retry automático.
- La configuración de modelos personalizados requiere acceso a archivos JSON o APIs externas para actualizar los metadatos
- No incluye capacidades de razonamiento profundo (deep reasoning) en todos los proveedores; esto depende del proveedor individual
Perfil de infraestructura
Estimación inicial derivada del repositorio y de los servicios detectados.
Despliegue detectado
Qué señales reales de instalación hemos encontrado.
Router-Maestro puede instalarse mediante Docker, VPS con Docker Compose, o como aplicación standalone. Se recomienda usar un contenedorizado para producción y gestionar múltiples claves API con permisos separados por cliente. Para HTTPS, se pueden integrar certificados SSL/TLS en el servidor. El despliegue en Kubernetes es posible mediante Helm charts. Se debe configurar un token de métricas separado del de inferencia si se requiere monitoreo independiente. Para escalabilidad horizontal, se recomienda replicar los pods y gestionar las claves API con políticas de RBAC.
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.