tau
Tau es una herramienta de trabajo para equipos de agentes de IA, autoalojada con opción de cloud. Permite coordinar agentes especializados, rastrear tareas y gestionar decisiones.
Ficha actualizada 22 sept 2026, 19:20 · upstream 22 sept 2026, 19:16 · release nightly
Qué es tau
Descripción editorial construida a partir del repositorio, su documentación y sus señales de mantenimiento.
Tau es un workspace diseñado para equipos que trabajan con agentes de inteligencia artificial. Su propósito principal es dar a un equipo un objetivo claro y coordinar a los agentes especializados mediante un gestor centralizado. El sistema permite rastrear el progreso del trabajo, solicitar intervenciones o revisión por parte de un usuario, y mantener la conversación activa mientras se está ausente. Tau puede ejecutarse en una máquina local o en un servidor propio, con la opción de usar su servicio cloud gestionado.
- Coordinar múltiples agentes especializados para completar tareas complejas
- Rastrear el progreso y estado del trabajo de cada agente en tiempo real
- Solicitar intervenciones o revisión por parte de un usuario humano cuando es necesario
- Mantener la conversación activa durante periodos de ausencia del usuario
- Automatizar flujos de trabajo repetitivos con agentes predefinidos
- Soporta múltiples modelos de IA conectables desde una sola interfaz
- Permite ejecutar agentes localmente en Docker o en entornos Kubernetes
- Ofrece memoria compartida basada en archivos y búsqueda vectorial para mantener contexto entre conversaciones
- Soporta integración con herramientas externas como GitHub, Linear y canales de chat
- Proporciona un CLI completo que permite automatizar la operación del servidor
- La ejecución local requiere configuración manual de dependencias y entorno
- El uso de modelos externos introduce incertidumbre en el comportamiento predictivo
- La persistencia de memoria depende de la configuración del usuario y puede ser inestable
- La escalabilidad horizontal para múltiples agentes simultáneos no está documentada
- La seguridad de datos se basa en configuraciones externas, no en el repositorio
Perfil de infraestructura
Estimación inicial derivada del repositorio y de los servicios detectados.
Despliegue detectado
Qué señales reales de instalación hemos encontrado.
Para ejecutar Tau localmente, se recomienda usar Bun como runtime principal. Se debe configurar un servidor web con Hono y un backend con Node.js que maneje la lógica del servidor. Para producción, se sugiere desplegar en Docker Compose o Kubernetes. Se recomienda mantener el repositorio de modelos de IA separado para evitar conflictos de dependencias. El entorno de desarrollo requiere 4 núcleos CPU y 4GB de RAM.
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.