Un protocolo de autoevolución y entorno de ejecución para sistemas de agentes basados en LLM.
Un marco multiagente jerárquico que incluye los protocolos RSPL y SEPL para bucles de agentes autoevolutivos.
Deep Research Agent es un protocolo de autoevolución y entorno de ejecución diseñado para sistemas de agentes basados en LLM. Está pensado para ingenieros y desarrolladores que buscan implementar flujos de trabajo multiagente estructurados con capas explícitas de recursos y evolución.
El marco modela los prompts, agentes, herramientas, entornos y la memoria como recursos registrados mediante protocolos a través de la Capa de Protocolo de Sustrato de Recursos (RSPL). Utiliza una Capa de Protocolo de Autoevolución (SEPL) para proponer, evaluar y aplicar mejoras con trazabilidad auditable y capacidades de reversión.
Es adecuado para desarrolladores de IA y sistemas que construyen flujos de trabajo agénticos complejos que requieren seguimiento de versiones y bucles de automejora. No es adecuado para usuarios que buscan un asistente de escritorio listo para usar o aquellos sin experiencia en la configuración de entornos LLM.
Modeliza prompts, agentes, herramientas, entornos y memoria como recursos registrados por protocolo.
Especifica una interfaz de operador de bucle cerrado para proponer, evaluar y aplicar mejoras.
Configuraciones al estilo MMEngine para componer agentes, herramientas, entornos y modelos de forma coherente.
Registra trayectorias y gestiona artefactos iterativos entre ejecuciones para el análisis de fallos.
El software es gratuito bajo su licencia MIT, pero debes proporcionar tus propias claves de API de LLM y recursos de cómputo para ejecutar los agentes y optimizadores.
877 puestos remotos abiertos de entrenamiento de IA, actualizados el 16 de noviembre de 2026; la mayoría paga $20–$175 por hora. 22 de ellos piden hispanohablantes. Zekai los lista gratis; la solicitud va a la plataforma del empleador.
Estas herramientas de IA evaluadas hacen el mismo trabajo al instante — de nuestro directorio puntuado.
RSPL modela los componentes del sistema como prompts, agentes, herramientas, entornos y memoria como recursos registrados por protocolo con estado explícito, ciclo de vida e interfaces versionadas.
La capa SEPL proporciona una interfaz de operador de bucle cerrado para actuar, observar, optimizar mediante reflexión o métodos de RL, y almacenar conocimientos en la memoria persistente.
Ve Zekai primero en Google