Ctrl K
ComunidadGuías…
GITHUB · ANALIZADO

unified-ai-system

Sistema unificado de IA: puerta de entrada autocontenido para APIs OpenAI, Anthropic y Gemini con control de ejecución, claves virtuales, caché exacta y audit trail.

Ficha actualizada 23 sept 2026, 15:08 · upstream 23 sept 2026, 14:56 · release v0.7.0

Ver códigoProblemas y ayudaRepositorio ↗Sitio oficial
00

Qué es unified-ai-system

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

Unified AI System es una puerta de entrada autocontenida (self-hosted) diseñada como gateway de protocolos para agentes de IA. Permite ejecutar prompts estructurados desde un solo punto de acceso, con soporte para SDKs OpenAI, MCP, A2A, CLI y HTTP. El sistema añade capas de seguridad como claves virtuales, límites de tokens, caché exacta y audit trail sin requerir credenciales del proveedor original.

El diseño prioriza la determinabilidad: cada prompt recibe un análisis previo que define requisitos explícitos de entrada y salida antes de la ejecución. Esto reduce errores humanos en el razonamiento del agente y garantiza consistencia reproducible entre ejecuciones idénticas.

La arquitectura es modular: los clientes mantienen sus protocolos nativos (OpenAI, Anthropic, Gemini) mientras el gateway añade capas de abstracción. La capa de caché exacta permite reutilizar respuestas completas para solicitudes similares, mientras que la capa lexical-approximate ofrece un nivel semántico más flexible cuando se requiere.

El sistema incluye un controlador de agentes con planes de ejecución explícitos: gateways de agente, MCP reverse-governance y orquestación. Cada acción tiene políticas determinísticas verificables y auditabilidad completa.

CASOS DE USO
  • Automatización de tareas repetitivas con prompts predefinidos
  • Generación de código desde descripciones naturales sin intervención manual
  • Procesamiento de documentos con extracción estructurada
  • Integración de agentes en flujos de trabajo empresariales
  • Análisis de datos con consultas complejas y contexto dinámico
  • Creación de contenido con restricciones explícitas de formato y tono
PUNTOS DESTACADOS
  • Soporte nativo para OpenAI, Anthropic y Gemini sin necesidad de cambiar SDKs
  • Caché exacta (byte-identical) + capa lexical-approximate para consultas similares
  • Gestión de claves virtuales con límites de tokens por clave
  • Control de agentes con planes de ejecución explícitos y audit trail
  • Reverse MCP governance: cualquier API OpenAPI 3 se convierte en herramienta governada
  • Protección contra inyecciones mediante escaneo de entrada y salida
  • Caché exacta reduce costos de llamadas a APIs costosas
PRECAUCIONES
  • Depende del proveedor para caché semántica (embedding) que requiere endpoint externo
  • No incluye modelos de lenguaje en sí mismos, solo gateways de prompts
  • La capa lexical-approximate no es un modelo semántico real
  • El control de agentes requiere configuración manual por parte del usuario
  • No tiene capacidades de razonamiento profundo ni planificación multi-paso nativas
VISUAL

Capturas del proyecto

Imágenes reales detectadas en la documentación del repositorio.

Unified AI System turns a rough request into a structured coding promptUnified AI System — self-hosted AI gateway with 12 bounded MCP tools, four release gates, 23 defended attack cases, and zero credentials to startArchitecture: OpenAI/Anthropic SDKs, MCP clients, A2A, CLI, and HTTP enter one gateway that adds prompt enhancement, virtual keys, exact + semantic cache, reverse MCP governance, oCapability cards: OpenAI, Anthropic, and Gemini APIs; virtual keys and budgets; exact and semantic cache; reverse MCP governance; observability; local-first RAG; provider governancTerminal proof: one docker run command prints the enhanced prompt with providerCalled=false evidence and exits clean
01

Perfil de infraestructura

Estimación inicial derivada del repositorio y de los servicios detectados.

CPU4 vCPUrecomendación inicial
MEMORIA8 GBRAM estimada
DISCO20 GBalmacenamiento base
COMPLEJIDADmediumnivel de operación
02

Despliegue detectado

Qué señales reales de instalación hemos encontrado.

Listo para automatizar

Instalación con Docker Compose: docker-compose -f docker-compose.yml up. El gateway se ejecuta en puerto 3100, el MCP server en 43120 y la base de datos PostgreSQL en 3210. Se recomienda usar un contenedor aislado para pruebas. Para producción, implementar HA con replicación de estado en PostgreSQL y monitorizar métricas en Prometheus. El gateway soporta despliegue en Kubernetes mediante Helm charts disponibles en el repositorio.

✓Dockerfile
✓Compose
✓One-click
03

Stack y dependencias

Componentes inferidos a partir de manifests, configuración y documentación.

FRAMEWORKS
Next.jsNode.jsPython
SERVICIOS
PostgreSQL
BASES DE DATOS
PostgreSQL
PUERTOS
31003210431204318
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.