Ctrl K
ComunidadGuías…
GITHUB · ANALIZADO

tackui

TackUI es un frontend unificado para agentes personalizados que hablan el protocolo AG-UI, construido sobre CopilotKit. Permite conectar cualquier backend compatible sin cambios en el código UI, ofreciendo chat en streaming, gestión de múltiples agentes y autenticación robusta con persistencia en Po

Ficha actualizada 27 sept 2026, 18:09 · upstream 27 sept 2026, 17:50 · release v1.0.0

00

Qué es tackui

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

TackUI actúa como una capa unificada para interfaces de agentes personalizados que utilizan el protocolo AG-UI. Está construido sobre CopilotKit e implementa un registro de agentes pluggable, lo que permite añadir cualquier backend compatible sin modificar el código del frontend. La arquitectura utiliza un proxy server-side (Next.js) que envía flujos de eventos SSE al runtime de CopilotKit, resolviendo la conexión entre el cliente y los diversos backends (LangGraph, Agno, etc.).

El sistema soporta conversaciones multi-turno con streaming de tokens, cambio dinámico entre agentes mediante hilos de conversación independientes y visualización detallada de llamadas a herramientas. Incluye persistencia de datos en PostgreSQL para historiales de chat, gestión de sesiones y usuarios. La autenticación se gestiona mediante Better Auth, integrando proveedores como Google, GitHub o OIDC SSO, con roles administrativos y gestión de organizaciones.

El despliegue es nativo en contenedores Docker, facilitado por archivos docker-compose.yml preconfigurados para entornos de desarrollo y producción. Soporta modo 'solo' (sin autenticación) para pruebas rápidas o despliegues de un solo usuario, y permite migraciones automáticas del esquema de base de datos al inicio. La interfaz web es responsiva, soporta modo oscuro/claro y ofrece una administración dinámica de agentes sin necesidad de reiniciar el servidor.

CASOS DE USO
  • Implementar chatbots empresariales conectados a backends personalizados (LangGraph, Agno) con historial persistente.
  • Crear paneles de control para gestión de múltiples agentes IA en un mismo entorno de trabajo.
  • Prototipado rápido de interfaces de agente utilizando la versión alojada o despliegue local sin autenticación.
  • Integrar flujos de aprobación humana (human-in-the-loop) para acciones críticas de los agentes.
  • Despliegue en infraestructura híbrida manteniendo el frontend unificado con diversos backends AG-UI.
PUNTOS DESTACADOS
  • Registro de agentes dinámico: añadir, editar o eliminar agentes desde la UI sin reiniciar el servidor.
  • Streaming de chat y llamadas a herramientas: visualización en tiempo real de argumentos y resultados.
  • Autenticación flexible: soporte para email/password, OAuth (Google, GitHub) y OIDC SSO vía Better Auth.
  • Persistencia de datos robusta: historial de conversaciones almacenado en PostgreSQL con migraciones automáticas.
  • Arquitectura desacoplada: el frontend no conoce los backends directos, comunicándose solo a través del runtime AG-UI.
  • Modo despliegue rápido: imagen precompilada disponible en GHCR para arranque inmediato sin clonar repositorio.
PRECAUCIONES
  • Variables NEXT_PUBLIC_* se inyectan en el bundle de cliente en tiempo de compilación, no pueden cambiarse en tiempo de ejecución sin rebuild.
  • Dependencia del protocolo AG-UI: los backends deben ser compatibles con este estándar para funcionar correctamente.
  • La autenticación está deshabilitada por defecto (modo solo), requiriendo configuración manual para entornos multiusuario.
  • Algunas funcionalidades de análisis (Sentry, Umami) requieren variables de entorno específicas en el build del contenedor.
  • El modo 'solo' elimina la seguridad de autenticación, no apto para producción sin habilitar Better Auth.
VISUAL

Capturas del proyecto

Imágenes reales detectadas en la documentación del repositorio.

TackUI — adding an agent and streaming a chat with tool calls
01

Perfil de infraestructura

Estimación inicial derivada del repositorio y de los servicios detectados.

CPU2 vCPUrecomendación inicial
MEMORIA2 GBRAM estimada
DISCO30 GBalmacenamiento base
COMPLEJIDADmediumnivel de operación
02

Despliegue detectado

Qué señales reales de instalación hemos encontrado.

Listo para automatizar

Utilizar docker-compose.yml para despliegue rápido con imagen precompilada. Para entornos de producción con autenticación, establecer AUTH_DISABLED=false y configurar BETTER_AUTH_SECRET. Las variables NEXT_PUBLIC_* deben pasarse como build args antes del docker build, ya que se inyectan en el cliente al compilar. Las migraciones de base de datos son automáticas al inicio. Persistir volumen 'pg_data' para mantener datos entre reinicios.

✓Dockerfile
✓Compose
✓One-click
03

Stack y dependencias

Componentes inferidos a partir de manifests, configuración y documentación.

FRAMEWORKS
Next.jsReactNode.jsFastAPI
SERVICIOS
PostgreSQLRedis
BASES DE DATOS
PostgreSQLRedis
PUERTOS
300054328080800180008002
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.