Cuando tus herramientas se siguen a sí mismas, evolucionan y se eligen a sí mismas
Nota: Esta es la Parte 8 de la serie Semantic Intelligence. La Parte 7 cubrió la arquitectura general del DSE. Este artículo se sumerge profundamente en algo que he pasado por alto: cómo funcionan las propias herramientas, rastrean el uso, evolucionan y se vuelven más inteligentes con el tiempo.
Nota: Si usted pensó que la evolución del flujo de trabajo en la Parte 7 era salvaje, espere hasta que vea lo que sucede cuando todas y cada una de las herramientas tiene las mismas capacidades.
En la Parte 7, te mostré la Evolución Sintética Dirigida: flujos de trabajo que planifican, generan, ejecutan, evalúan y mejoran. Mencioné "herramientas" un montón de veces.
Esto es lo que no te expliqué:
Esas herramientas no son estáticas, no son archivos de configuración que se sientan allí sin cambios.
Son artefactos vivientes que:
En otras palabras: Las herramientas son nodos, los nodos son herramientas, todo está evolucionando.
Y se pone más raro.
Déjame mostrarte lo que el sistema realmente tiene:
$ ls -la tools/
drwxr-xr-x llm/ # LLM-based tools (27 specialists)
drwxr-xr-x executable/ # Executable validators/generators
drwxr-xr-x openapi/ # External API integrations
drwxr-xr-x custom/ # User-defined tools
-rw-r--r-- index.json # 5,464 lines of tool metadata
Que index.json? 5.464 líneas de definiciones de herramientas, estadísticas de uso, historial de versiones, puntuaciones de aptitud física y rastreo de linajes.
Cada herramienta de ahí:
NOTA: El sistema realmente se ejecutará SIN herramientas. Sólo menos eficientemente; y más tonto. Sin ellas las herramientas se generarían como una parte normal de la descomposición del flujo de trabajo. Todavía se adaptaría lentamente, pero tomaría mucho más fichas.
Echemos un vistazo a lo que es una herramienta en realidad.
Aquí hay una definición de herramienta real del sistema:
tools/llm/long_form_writer.yaml
name: "Long-Form Content Writer"
type: "llm"
description: "Specialized for writing long-form content (novels, books, long articles) using mistral-nemo's massive 128K context window."
cost_tier: "high"
speed_tier: "slow"
quality_tier: "excellent"
max_output_length: "very-long"
llm:
model: "mistral-nemo"
endpoint: null
system_prompt: "You are a creative writer specializing in long-form content. You have a massive 128K token context window..."
prompt_template: "{prompt}\n\nPrevious context:\n{context}\n\nGenerate the next section maintaining consistency."
tags: ["creative-writing", "novel", "story", "long-form", "article", "book", "large-context"]
Note lo que hay ahí:
Pero esto es lo que es no en el YAML:
# Auto-generated at runtime:
tool.usage_count = 47 # How many times used
tool.version = "1.2.0" # Semantic versioning
tool.definition_hash = "a3f5..."# Change detection
tool.quality_score = 0.89 # From evaluations
tool.avg_latency_ms = 12_400 # Performance tracking
tool.last_updated = "2025-11-15"
El sistema aumenta definiciones estáticas con aprendizaje en tiempo de ejecución.
Esto es lo que sucede cuando usas una herramienta:
# User request
result = tools_manager.invoke_llm_tool(
tool_id="long_form_writer",
prompt="Write a romance novel chapter"
)
# Behind the scenes:
sequenceDiagram
participant U as User
participant TM as ToolsManager
participant RAG as RAG Memory
participant LLM as Long Form Writer
participant Metrics as Metrics Tracker
U->>TM: invoke_llm_tool("long_form_writer", prompt)
TM->>RAG: Check cache (tool + prompt hash)
alt Cache Hit
RAG-->>TM: Cached response (v1.2.0, fitness: 0.89)
TM->>Metrics: Increment cache_hits
TM-->>U: Return cached result ✓
else Cache Miss
TM->>Metrics: Start timer
TM->>LLM: Generate response
LLM-->>TM: Response
TM->>Metrics: Record latency, quality
TM->>RAG: Store invocation with metadata
TM->>TM: Update tool.usage_count++
TM-->>U: Return result
end
TM->>Metrics: Update adaptive timeout stats
TM->>RAG: Update tool fitness score
Lo que se rastrea:
Echemos un vistazo al mecanismo de almacenamiento en caché.
La parte más inteligente: el sistema cachea las invocaciones de la herramienta en múltiples niveles.
Nivel 1: Caché de coincidencia exacta
def invoke_llm_tool(self, tool_id: str, prompt: str) -> str:
"""Invoke LLM tool with hierarchical caching."""
# Normalize prompt for exact matching
normalized_prompt = prompt.lower().strip()
# Search RAG for previous invocations
tool_invocations = self.rag_memory.find_by_tags(
["tool_invocation", tool_id],
limit=100
)
# Find ALL exact matches for this tool + prompt
matches = []
for artifact in tool_invocations:
cached_prompt = artifact.metadata.get("user_prompt", "").lower().strip()
if cached_prompt == normalized_prompt:
# Collect fitness and version
matches.append({
"artifact": artifact,
"fitness": artifact.metadata.get("fitness_score", 0.0),
"version": artifact.metadata.get("version", "1.0.0"),
"timestamp": artifact.metadata.get("timestamp", 0)
})
if matches:
# Select LATEST, HIGHEST FITNESS version
best_match = sorted(
matches,
key=lambda m: (m["fitness"], m["timestamp"]),
reverse=True
)[0]
logger.info(
f"✓ CACHE HIT: Reusing result for '{tool.name}' "
f"(version {best_match['version']}, fitness {best_match['fitness']:.2f})"
)
# Increment usage counters
self.increment_usage(tool_id)
self.rag_memory.increment_usage(artifact.artifact_id)
return best_match["artifact"].content
Por qué esto importa:
Si le pide al sistema que "escriba un haiku sobre código" dos veces, la segunda vez es instantánea. El LLM no se ejecuta. La memoria RAG devuelve el resultado en caché.
Pero aquí está la parte inteligente: devuelve la versión BEST si existen múltiples.
Ejemplo
Invocation 1: "write a haiku about code"
→ Generated with tool v1.0.0
→ Fitness: 0.75
→ Stored in RAG
Invocation 2: "write a haiku about code" (exact match!)
→ Tool evolved to v1.1.0
→ Fitness: 0.92 (better!)
→ Stored in RAG
Invocation 3: "write a haiku about code"
→ Finds BOTH cached versions
→ Selects v1.1.0 (higher fitness + later timestamp)
→ Returns best result instantly
El sistema selecciona automáticamente el resultado en caché de más alta calidad.
Una de las características más sutiles: el sistema aprende cuánto tiempo tarda cada modelo en responder.
El problema:
Diferentes modelos tienen tiempos de respuesta muy diferentes:
tinyllama (2B): ~3 segundosllama3 (8B): ~10 segundosqwen2.5-coder (14B): ~25 segundosdeepseek-coder-v2 (16B): ~60 segundosSi estableces un tiempo de espera global (por ejemplo, 30s), pierdes 27 segundos esperando tinyllama, y matas deepseek antes de que termine.
La solución: aprendizaje adaptativo
def _update_adaptive_timeout(
self,
model: str,
tool_id: str,
response_time: float,
timed_out: bool,
prompt_length: int
):
"""Learn optimal timeout from actual performance."""
# Get existing stats
stats_id = f"timeout_stats_{model.replace(':', '_')}"
existing = self.rag_memory.get_artifact(stats_id)
if existing:
response_times = existing.metadata.get("response_times", [])
timeout_count = existing.metadata.get("timeout_count", 0)
success_count = existing.metadata.get("success_count", 0)
else:
response_times = []
timeout_count = 0
success_count = 0
# Update stats
if timed_out:
timeout_count += 1
else:
success_count += 1
response_times.append(response_time)
response_times = response_times[-50:] # Keep last 50
# Calculate recommended timeout (95th percentile + 20% buffer)
if response_times:
sorted_times = sorted(response_times)
p95_index = int(len(sorted_times) * 0.95)
p95_time = sorted_times[min(p95_index, len(sorted_times) - 1)]
recommended_timeout = int(p95_time * 1.2)
logger.info(
f"Adaptive timeout for {model}: {recommended_timeout}s "
f"(based on {len(response_times)} samples)"
)
Cómo funciona:
Resultados:
Model: tinyllama
Samples: 50
95th percentile: 3.2s
Recommended timeout: 4s (3.2 * 1.2)
Model: qwen2.5-coder:14b
Samples: 50
95th percentile: 28.5s
Recommended timeout: 34s (28.5 * 1.2)
El sistema aprende el tiempo de espera adecuado para cada modelo en lugar de usar un valor global.
Cuando se le pide al sistema que haga algo, no sólo elige la primera herramienta que empareja. Se ejecuta un función de acondicionamiento físico a través de múltiples dimensiones.
Cálculo de la aptitud:
def calculate_fitness(tool, similarity_score):
"""
Calculate overall fitness score (0-100+).
Factors:
- Semantic similarity (how well it matches the task)
- Speed (fast tools get bonus)
- Cost (cheap tools get bonus)
- Quality (high-quality tools get bonus)
- Historical success rate~~~~
- Latency metrics
- Reuse potential
"""
fitness = similarity_score * 100 # Base: 0-100
metadata = tool.metadata or {}
# Speed bonus/penalty
speed_tier = metadata.get('speed_tier', 'medium')
if speed_tier == 'very-fast':
fitness += 20
elif speed_tier == 'fast':
fitness += 10
elif speed_tier == 'slow':
fitness -= 10
elif speed_tier == 'very-slow':
fitness -= 20
# Cost bonus (cheaper = better for most tasks)
cost_tier = metadata.get('cost_tier', 'medium')
if cost_tier == 'free':
fitness += 15
elif cost_tier == 'low':
fitness += 10
elif cost_tier == 'high':
fitness -= 10
elif cost_tier == 'very-high':
fitness -= 15
# Quality bonus
quality_tier = metadata.get('quality_tier', 'good')
if quality_tier == 'excellent':
fitness += 15
elif quality_tier == 'very-good':
fitness += 10
elif quality_tier == 'poor':
fitness -= 15
# Success rate from history
quality_score = metadata.get('quality_score', 0)
if quality_score > 0:
fitness += quality_score * 10 # 0-10 bonus
# Latency metrics
latency_ms = metadata.get('latency_ms', 0)
if latency_ms > 0:
if latency_ms < 100:
fitness += 15 # Very fast
elif latency_ms < 500:
fitness += 10
elif latency_ms > 5000:
fitness -= 10 # Too slow
# Reuse bonus: existing workflow = less effort
if tool.tool_type == ToolType.WORKFLOW:
if similarity >= 0.90:
fitness += 30 # Exact match!
elif similarity >= 0.70:
fitness += 15 # Template reuse
return fitness
Ejemplo real:
Task: "Quickly validate this email address"
Tools found:
1. email_validator_workflow (similarity: 0.95)
- Speed: very-fast (+20)
- Cost: free (+15)
- Quality: excellent (+15)
- Latency: 45ms (+15)
- Reuse: exact match (+30)
→ FINAL FITNESS: 190
2. general_validator (similarity: 0.70)
- Speed: medium (+0)
- Cost: free (+15)
- Quality: good (+10)
- Latency: 850ms (+0)
- Reuse: none (+0)
→ FINAL FITNESS: 95
3. llm_based_validator (similarity: 0.65)
- Speed: slow (-10)
- Cost: high (-10)
- Quality: excellent (+15)
- Latency: 8200ms (-10)
- Reuse: none (+0)
→ FINAL FITNESS: 50
Seleccionado: email_validator_workflow (ajustabilidad: 190)
El sistema elige la rápido, libre, de alta calidad, probado No la más semánticamente similar, no la más poderosa.
El que satisface de manera óptima múltiples restricciones.
Las herramientas no permanecen estáticas, evolucionan.
Detección de versiones y cambios:
Cada herramienta tiene un definición hash calculado a partir de su YAML:
def calculate_tool_hash(tool_def: Dict[str, Any]) -> str:
"""SHA256 hash of tool definition for change detection."""
stable_json = json.dumps(tool_def, sort_keys=True)
return hashlib.sha256(stable_json.encode('utf-8')).hexdigest()
Cuando editas YAML de una herramienta:
# BEFORE (v1.0.0)
name: "Email Validator"
tags: ["email", "validation"]
# AFTER (edit the YAML)
name: "Email Validator"
tags: ["email", "validation", "dns-check"] # Added DNS checking!
En la siguiente carga:
# System detects change
new_hash = calculate_tool_hash(tool_def) # Different!
old_hash = existing_tool.definition_hash
if old_hash != new_hash:
# Determine change type
change_type = tool_def.get("change_type", "patch") # minor, major, patch
# Bump version
old_version = "1.0.0"
new_version = bump_version(old_version, change_type)
# new_version = "1.1.0" (minor change)
console.print(
f"[yellow]↻ Updated email_validator "
f"v{old_version} → v{new_version} ({change_type})[/yellow]"
)
Versión semántica:
def bump_version(current_version: str, change_type: str) -> str:
"""Bump semver based on change type."""
major, minor, patch = map(int, current_version.split('.'))
if change_type == "major":
return f"{major + 1}.0.0" # Breaking changes
elif change_type == "minor":
return f"{major}.{minor + 1}.0" # New features
else: # patch
return f"{major}.{minor}.{patch + 1}" # Bug fixes
Rompiendo cambios:
name: "Email Validator"
version: "2.0.0"
change_type: "major"
breaking_changes:
- "Changed return format from boolean to object"
- "Removed deprecated 'simple_check' parameter"
- "Now requires 'domain' to be specified"
En carga:
[yellow]↻ Updated email_validator v1.3.2 → v2.0.0 (major)[/yellow]
[red]! Breaking changes:[/red]
- Changed return format from boolean to object
- Removed deprecated 'simple_check' parameter
- Now requires 'domain' to be specified
El sistema le advierte acerca de romper los cambios y mantiene la historia de la versión.
Cada herramienta se indexa en memoria RAG para la búsqueda semántica:
A la hora de carga:
def _store_yaml_tool_in_rag(self, tool: Tool, tool_def: dict, yaml_path: str):
"""Store YAML tool in RAG for semantic search."""
# Build comprehensive content for embedding
content_parts = [
f"Tool: {tool.name}",
f"ID: {tool.tool_id}",
f"Type: {tool.tool_type.value}",
f"Description: {tool.description}",
f"Tags: {', '.join(tool.tags)}",
""
]
# Add input/output schemas
if tool_def.get("input_schema"):
content_parts.append("Input Parameters:")
for param, desc in tool_def["input_schema"].items():
content_parts.append(f" - {param}: {desc}")
# Add examples
if tool_def.get("examples"):
content_parts.append("Examples:")
for example in tool_def["examples"]:
content_parts.append(f" {example}")
# Add performance tiers
content_parts.append("Performance:")
content_parts.append(f" Cost: {tool_def['cost_tier']}")
content_parts.append(f" Speed: {tool_def['speed_tier']}")
content_parts.append(f" Quality: {tool_def['quality_tier']}")
# Add full YAML
import yaml
content_parts.append("Full Definition:")
content_parts.append(yaml.dump(tool_def))
tool_content = "\n".join(content_parts)
# Store in RAG with metadata
self.rag_memory.store_artifact(
artifact_id=f"tool_{tool.tool_id}",
artifact_type=ArtifactType.PATTERN,
name=tool.name,
description=tool.description,
content=tool_content,
tags=["tool", "yaml-defined", tool.tool_type.value] + tool.tags,
metadata={
"tool_id": tool.tool_id,
"tool_type": tool.tool_type.value,
"is_tool": True,
"version": tool_def.get("version", "1.0.0"),
"cost_tier": tool_def.get("cost_tier"),
"speed_tier": tool_def.get("speed_tier"),
"quality_tier": tool_def.get("quality_tier")
},
auto_embed=True # Generate embedding!
)
Ahora, cuando busques:
# Semantic tool search
results = tools_manager.search("email validation", top_k=5)
# Results (ranked by fitness, not just similarity):
[
Tool(id="email_validator", fitness=190, similarity=0.95),
Tool(id="domain_checker", fitness=140, similarity=0.82),
Tool(id="regex_validator", fitness=110, similarity=0.78),
Tool(id="general_validator", fitness=95, similarity=0.70),
Tool(id="string_validator", fitness=60, similarity=0.65)
]
El sistema utiliza Incrustaciones de los GCR para encontrar herramientas relevantes, luego las clasifica por aptitud multidimensional.
En nuestro sistema guardamos los vectores para las incrustaciones en Qdrant una base de datos vectorial y nos da una manera ordenada de ver cómo nuestro espacio de herramientas. Este es el sistema de memoria de nuestro sistema de construcción de flujo de trabajo.
Dividido en las plantillas originales (archivos yaml en el directorio de herramientas) y cada elemento de código generado para resolver una tarea (y configuración para llms, etc.). Estasformas a herramientas para montar worklfows. Piezas pre-construidas que van desde;
De esta manera, todo el workdlow es componible y testable ya que cada elemento Python tiene un conjunto de pruebas, especificaciones BDD, herramientas estáticas para verificar la corrección y múltiples evaluadores LLM para asegurar que funcione.
el efecto secundario es CADA pieza de código que se ejecutará en un flujo de trabajo está justo ahí, listo para inspeccionar como cada creación de 'herramienta' conduce a Scrips Python inspeccionables.
Usted puede ver los toos torpezando junto con cada blob siendo un conjunto semánticamente vinculado de herramientas como:
Todos agrupados, naturalmente especializados en la naturaleza del sistema.
En el futuro es probable que queramos optimizar estos clusters para reducir la base de código a un sistema más pequeño, más ajustado y optimizado.
Como podemos rastrear versiones, usos, cambios y mentiras podemos optimizar selectivamente y 'cluster defrag' en la mayoría de los comopnents críticos de rendimiento como parte de cómo el sistema está intrínsecamente estructurado.
Echemos un vistazo a lo que realmente existe en el sistema ahora.
Herramientas LLM (27 especialistas):
$ ls tools/llm/
article_analyzer.yaml # Analyzes articles for structure/quality
code_explainer.yaml # Explains code in natural language
code_optimizer.yaml # Hierarchical optimization (local/cloud/deep)
code_reviewer.yaml # Reviews code for quality/security
content_generator.yaml # General content generation
doc_generator.yaml # Generates documentation
fast_code_generator.yaml # Quick code generation (small models)
general.yaml # General-purpose fallback
long_form_writer.yaml # Novels, books (128K context!)
model_selector.yaml # Selects best backend/model
performance_profiler.yaml # Profiles code performance
quick_feedback.yaml # Fast triage/feedback
quick_translator.yaml # Fast translation
security_auditor.yaml # Security vulnerability scanning
signalr_connection_parser.yaml # Parses SignalR connections
signalr_llmapi_management.yaml # Manages SignalR LLM API
summarizer.yaml # Summarizes long content
task_to_workflow_router.yaml # Routes tasks to workflows
technical_writer.yaml # Technical documentation
translation_quality_checker.yaml # Validates translations
workflow_documenter.yaml # Auto-generates workflow docs
Herramientas ejecutables:
$ ls tools/executable/
call_tool_validator.yaml # Validates call_tool() usage
connect_signalr.yaml # SignalR connection tool
document_workflow.yaml # Workflow documentation generator
mypy_type_checker.yaml # Static type checking
python_syntax_validator.yaml # Syntax validation
run_static_analysis.yaml # Static analysis runner
save_to_disk.yaml # Disk persistence
signalr_hub_connector.yaml # Hub connection
signalr_websocket_stream.yaml # WebSocket streaming
unit_converter.yaml # Unit conversion utilities
Herramientas OpenAPI:
$ ls tools/openapi/
nmt_translator.yaml # Neural machine translation API
Herramientas totales: 50+
Líneas totales de metadatos: 5.464 líneas en index.json
Déjame mostrarte la herramienta más sofisticada del sistema: código_optimizador.
Definición: tools/llm/code_optimizer.yaml (317 líneas!)
Lo que hace:
Optimización jerárquica:
optimization_levels:
- name: "local"
model_key: "escalation" # qwen2.5-coder:14b
cost_usd: 0.0
expected_improvement: 0.10 # 10%
triggers:
- "Default for all optimizations"
- "Quick wins, obvious inefficiencies"
- name: "cloud"
model_key: "cloud_optimizer" # GPT-4/Claude
cost_usd: 0.50
expected_improvement: 0.30 # 30%
triggers:
- "Local improvement < 15%"
- "Code is critical path"
- "User explicitly requests it"
- name: "deep"
model_key: "deep_analyzer"
cost_usd: 5.0
expected_improvement: 0.50 # 50%
triggers:
- "Workflow/system-level optimization"
- "Cloud improvement < 25%"
- "Architectural changes needed"
Gestión de los costos:
cost_management:
max_daily_budget: 50.0 # USD
fallback_on_budget_exceeded: "local"
optimization_strategy: |
1. Always try LOCAL first (free)
2. Escalate to CLOUD if:
- Local improvement < 15%
- Reuse count > 100
3. Escalate to DEEP if:
- Cloud improvement < 25%
- System-level changes needed
Integración de pruebas:
test_integration:
auto_update: true
test_discovery:
- "Find test_*.py in tests/"
- "Identify tests for specific functions"
test_generation:
- "Generate missing tests"
- "Add performance assertions"
- "Create regression tests"
Gestión de versiones:
version_management:
semver: true
breaking_change_detection:
- "Function signature changed"
- "Return type changed"
- "Dependencies added/removed"
auto_migration:
enabled: true
conditions:
- "No breaking changes"
- "All tests pass"
- "Improvement >= 10%"
Esto herramienta única orquestados:
Y es sólo una herramienta en un sistema con Más de 50 herramientas.
Una de las más meta herramientas: modelo_selector.
Selección de lenguaje natural:
# User says: "using the most powerful code llm review this code"
selection = tools_manager.invoke_llm_tool(
tool_id="model_selector",
prompt="using the most powerful code llm review this code"
)
# Result:
{
"backend": "anthropic",
"model": "claude-3-opus-20240229",
"reasoning": "Request specifies 'most powerful'. Claude Opus is the highest-quality code model.",
"confidence": 0.95,
"cost_tier": "very-high",
"speed_tier": "slow",
"quality_tier": "exceptional"
}
Cómo funciona:
def select_model(
self,
task_description: str,
constraints: Optional[Dict[str, Any]] = None
) -> List[Dict[str, Any]]:
"""Select best model for task."""
task_lower = task_description.lower()
# Parse natural language preferences
backend_preference = None
if any(kw in task_lower for kw in ["openai", "gpt"]):
backend_preference = "openai"
elif any(kw in task_lower for kw in ["anthropic", "claude"]):
backend_preference = "anthropic"
# Parse model preference
model_preference = None
if "gpt-4o" in task_lower:
model_preference = "gpt-4o"
elif "opus" in task_lower:
model_preference = "opus"
# Analyze task characteristics
needs_long_context = any(w in task_lower for w in
["book", "novel", "document", "large", "long"])
needs_coding = any(w in task_lower for w in
["code", "function", "script", "program"])
needs_speed = any(w in task_lower for w in
["quick", "fast", "immediate"])
needs_quality = any(w in task_lower for w in
["complex", "analysis", "reasoning"])
# Score each model
scores = {}
for backend_model_id, info in self.backends.items():
score = 50.0 # Base
# Backend preference
if backend_preference and info["backend"] == backend_preference:
score += 50
# Model preference
if model_preference and model_preference in info["model"].lower():
score += 100 # Strong boost
# Context window
if needs_long_context:
context = info.get("context_window", 8192)
if context >= 100000:
score += 40
# Speed
if needs_speed:
if info["speed"] == "very-fast":
score += 30
# Quality
if needs_quality:
if info["quality"] == "excellent":
score += 30
# Specialization
if needs_coding:
if "code" in info.get("best_for", []):
score += 35
scores[backend_model_id] = score
# Return top-ranked models
ranked = sorted(scores.items(), key=lambda x: x[1], reverse=True)
return [self.backends[bid] for bid, score in ranked[:3]]
El sistema analiza el lenguaje natural para seleccionar modelos. Puedes decir:
Y se dirige inteligentemente al motor correcto.
El sistema trata las API externas de la misma manera que las herramientas internas.
Ejemplo: Traductor NMT
name: "NMT Translation Service"
type: "openapi"
description: "Neural machine translation API. VERY FAST but needs validation."
cost_tier: "low"
speed_tier: "very-fast"
quality_tier: "good"
openapi:
spec_url: "http://localhost:8000/openapi.json"
base_url: "http://localhost:8000"
code_template: |
import requests
def translate_text(text, source_lang="en", target_lang="de"):
url = "http://localhost:8000/translate"
params = {
"text": text,
"source_lang": source_lang,
"target_lang": target_lang
}
response = requests.get(url, params=params)
return response.json()["translations"][0]
tags: ["translation", "nmt", "api", "external"]
En tiempo de ejecución:
# System loads OpenAPI spec
openapi_tool = OpenAPITool(
tool_id="nmt_translator",
spec_url="http://localhost:8000/openapi.json"
)
# Parses operations
operations = openapi_tool.list_operations()
# [
# {"operation_id": "translate", "method": "GET", "path": "/translate"},
# {"operation_id": "get_languages", "method": "GET", "path": "/languages"}
# ]
# Invoke
result = tools_manager.invoke_openapi_tool(
"nmt_translator",
"translate",
parameters={"text": "hello", "source_lang": "en", "target_lang": "de"}
)
# Result: {"success": True, "data": {"translations": ["Hallo"]}}
Lo que se rastrea:
# Stored in RAG:
{
"artifact_type": "API_INVOCATION",
"tool_id": "nmt_translator",
"operation_id": "translate",
"status_code": 200,
"success": True,
"latency_ms": 124,
"parameters": {"text": "hello", "source_lang": "en", "target_lang": "de"},
"response": {"translations": ["Hallo"]}
}
Las API externas reciben el mismo tratamiento:
Una de las herramientas más salvajes: workflow_documenter.
Lo que hace:
Toma un flujo de trabajo (a main.py archivo) y genera automáticamente documentación completa por:
README.txtTodo automáticamente.
Definición: tools/llm/workflow_documenter.yaml (11.803 caracteres!)
Entrada:
{
"workflow_path": "nodes/email_validator/main.py"
}
Producto:
## Overview
Validates email addresses and optionally checks domain matching.
## What It Does
This workflow checks if an email address is valid using regex.
If you provide a domain, it checks if the email belongs to that domain.
## Required Inputs
- **email** (string, required)
- The email address to validate
- Example: "[email protected]"
- **domain** (string, optional)
- The domain to check against
- Example: "example.com"
## Process Flow
```mermaid
flowchart TD
A[Start: Receive Input] --> B[Extract email and domain]
B --> C{Email provided?}
C -->|No| D[Error: email required]
C -->|Yes| E[Validate email format]
E --> F{Valid format?}
F -->|No| G[Return: invalid]
F -->|Yes| H{Domain provided?}
H -->|No| I[Return: valid]
H -->|Yes| J[Extract email domain]
J --> K{Domains match?}
K -->|Yes| I
K -->|No| L[Return: domain_mismatch]
curl -X POST http://localhost:8080/execute/email_validator \
-H "Content-Type: application/json" \
-d '{"email": "[email protected]", "domain": "example.com"}'
result = call_tool("email_validator", {
"email": "[email protected]",
"domain": "example.com"
})
P: ¿Puede esto verificar si existe un correo electrónico? R: No, esto sólo valida el formato. Utilice la comprobación DNS/SMTP para la existencia.
P: ¿Soporta dominios internacionales? R: Sí, pero puede ser necesaria la conversión de punycode.
**Saved to:** `nodes/email_validator/README.txt`
**The tool GENERATES ALL OF THIS** by analyzing the code.
## The Self-Expanding Toolkit
Here's where it gets wild: **tools generate tools**.
**Example Flow:**
Usuario: "Necesito una herramienta que convierta las temperaturas"
Sistema:
Nueva herramienta creada: temperature_converter.yaml
**The system grows its own toolkit.**
## Tool Statistics: What The System Knows
```python
stats = tools_manager.get_statistics()
# Result:
{
"total_tools": 53,
"by_type": {
"llm": 27,
"executable": 19,
"openapi": 3,
"workflow": 2,
"custom": 2
},
"tag_distribution": {
"code": 15,
"validation": 12,
"translation": 8,
"optimization": 5,
"documentation": 4,
...
},
"most_used": [
{"id": "general", "name": "General Purpose LLM", "usage": 1247},
{"id": "code_optimizer", "name": "Code Optimizer", "usage": 89},
{"id": "nmt_translator", "name": "NMT Translator", "usage": 67},
{"id": "email_validator", "name": "Email Validator", "usage": 45},
{"id": "long_form_writer", "name": "Long-Form Writer", "usage": 23}
]
}
El sistema sabe:
Y eso utiliza estos datos a:
Retrocedamos y pensemos en lo que hemos construido:
Un sistema en el que:
Hemos creado un kit de herramientas auto-optimizante que:
Esto no es gestión de configuración.
Esta es la ecología emergente de las herramientas.
Las herramientas no son recursos estáticos. artefactos vivientes en un sistema evolutivo.
Escenario 1: Camino crítico autoimpulsante
System detects: email_validator used 500 times, fitness: 0.75
Action: Trigger code_optimizer with level=cloud (high reuse count)
Result: email_validator v2.0.0, fitness: 0.92
Migration: Auto-update all 15 workflows using v1.x to v2.0.0
Validation: Re-run all tests, all pass
Outcome: 23% performance improvement, no breaking changes
El sistema optimizó su propio camino crítico sin intervención humana.
Escenario 2: Especialización adaptativa
Pattern detected: "translate article" requested 20 times
Analysis: Using nmt_translator + translation_quality_checker every time
Decision: Generate specialized "article_translator" tool
Implementation:
- Combines both tools into one
- Adds caching for common phrases
- Optimizes for article-length text
- Auto-generates documentation
Registration: article_translator v1.0.0 added to registry
Fitness: 0.89 (vs 0.73 for manual combination)
Usage: Immediately used for next translation request
El sistema identificó un patrón y creó un instrumento especializado.
Escenario 3: Escalonamiento de los costos
Request: "optimize this function"
Level 1 (LOCAL): qwen2.5-coder:14b (free)
- Improvement: 8% (below 10% threshold)
- Decision: Escalate to CLOUD
Level 2 (CLOUD): claude-3-5-sonnet ($0.50)
- Improvement: 28% (good!)
- Cost: $0.50 (within budget)
- Decision: Accept
Result: Function optimized 28%, cost $0.50
Update: Store both versions in RAG
Mark v1 as "suboptimal", v2 as "optimized"
Future: Always use v2 for this function
El sistema gastó dinero inteligentemente para lograr mejores resultados.
Déjame catalogar lo que realmente existe en este momento.
Code Specialist
code_explainer - Explica el código en lenguaje naturalcode_optimizer - Optimización jerárquica (local/nube/profundo)code_reviewer - Revisión de la calidad y la seguridadfast_code_generator - Generación rápida con modelos pequeñossecurity_auditor - Exploración de vulnerabilidadperformance_profiler - Perfiles y análisis de códigosEspecialistas en contenidos:
long_form_writer - Novelas, libros (128K contexto)content_generator - Contenido generalarticle_analyzer - Estructura/calidad del artículosummarizer - Resume el contenido largoproofreader - Gramática y estiloseo_optimizer - Optimización SEOoutline_generator - Esquemas de contenidoTraducción:
quick_translator - Traducción rápida (modelo pequeño)translation_quality_checker - Valida traduccionesDocumentación:
doc_generator - Documentación del códigotechnical_writer - Documentación técnicaworkflow_documenter - Genera automáticamente documentos de flujo de trabajoHerramientas del sistema:
general - Repercusión para fines generalesmodel_selector - Selecciona el mejor motor/modelotask_to_workflow_router - Ruta las tareas a los flujos de trabajoquick_feedback - Triaje rápidosignalr_connection_parser - Conexiones de Parses SignalRsignalr_llmapi_management - Administra APIs LLM de SignalRValidación:
call_tool_validator - Valida el uso de call_tool()python_syntax_validator - Comprobación de la sintaxismypy_type_checker - Comprobación de tipo estáticajson_output_validator - Validación del formato JSONstdin_usage_validator - Valida el uso de stdinmain_function_checker - Comprobaciones para función main()node_runtime_import_validator - Valida las importacionesAnálisis:
run_static_analysis - Ejecuta herramientas de análisis estáticoperformance_profiler - Rendimiento del código de perfilesAgua, electricidad, etc.
save_to_disk - Persistencia del discounit_converter - Conversiones de unidadesrandom_data_generator - Generación de datos de ensayobuffer - Gestión de buffersworkflow_datastore - Almacenamiento de datos de flujo de trabajostream_processor - Procesamiento de flujossse_stream - Eventos enviados por el servidorIntegración:
connect_signalr - Conexión de señal Rsignalr_hub_connector - Conexión Hubsignalr_websocket_stream - Transmisión de WebSocketDocumentación:
document_workflow - Generador de documentación de flujo de trabajonmt_translator - API de traducción automática neuralTotal: 53 herramientas (y crecimiento)
Aquí es donde se pone realmente interesante: las herramientas componen otras herramientas.
Y cuando una herramienta compuesta evoluciona, cada flujo de trabajo que lo utiliza mejora automáticamente.
Echemos un vistazo a una herramienta compuesta real del sistema:
Tarea: "Traducir este artículo al español y validar la calidad"
Enfoque tradicional:
# Manual composition (brittle, no learning)
translated = nmt_translator.translate(text, "en", "es")
quality = translation_quality_checker.check(translated)
if quality.score < 0.7:
# Retry or error
Enfoque de las EDS:
El sistema descubre que este patrón se utiliza con frecuencia y crea automáticamente una herramienta compuesta:
# tools/llm/validated_translator.yaml (auto-generated!)
name: "Validated Translator"
type: "composite"
description: "Translates text and validates quality automatically. Created from usage pattern analysis."
workflow:
steps:
- id: "translate"
tool: "nmt_translator"
parallel: false
- id: "validate"
tool: "translation_quality_checker"
parallel: false
depends_on: ["translate"]
- id: "retry"
tool: "nmt_translator"
condition: "quality_score < 0.7"
params:
beam_size: 10 # Higher quality on retry
depends_on: ["validate"]
version: "1.0.0"
created_from: "usage_pattern_analysis"
parent_tools: ["nmt_translator", "translation_quality_checker"]
usage_count: 0 # Just created!
¿Qué tiene de salvaje esto?
Cuándo nmt_translator evoluciona a v2.0.0 (tal vez 20% más rápido), la herramienta compuesta utiliza automáticamente la nueva versión. No se necesitan cambios de código.
Resultado: Cada flujo de trabajo utilizando validated_translator obtiene un 20% más rápido sin ninguna modificación.
Aquí hay un ejemplo aún más genial: composición paralela de la herramienta.
Tarea: "Revise a fondo este código"
Enfoque ingenuo:
# Sequential (SLOW)
security_check = security_auditor.review(code) # 8 seconds
style_check = code_reviewer.review(code) # 12 seconds
performance_check = performance_profiler.analyze(code) # 15 seconds
# TOTAL: 35 seconds
Composición paralela del DSE:
# tools/llm/code_review_committee.yaml
name: "Code Review Committee"
type: "composite"
description: "Parallel code review using multiple specialist tools"
workflow:
steps:
# All three run IN PARALLEL
- id: "security"
tool: "security_auditor"
parallel: true
- id: "style"
tool: "code_reviewer"
parallel: true
- id: "performance"
tool: "performance_profiler"
parallel: true
# Aggregate results (runs after all complete)
- id: "aggregate"
tool: "general" # Use general LLM to synthesize
depends_on: ["security", "style", "performance"]
prompt: |
Synthesize these reviews into a cohesive report:
Security: {security.result}
Style: {style.result}
Performance: {performance.result}
Create a prioritized action list.
execution:
max_parallel: 3
timeout_per_tool: 20s
aggregate_timeout: 10s
Ejecución:
gantt
title Code Review Committee (Parallel Execution)
dateFormat s
axisFormat %S
section Sequential (Old)
Security Check :0, 8s
Style Check :8, 12s
Performance Check :20, 15s
Total: 35s :35, 1s
section Parallel (New)
Security Check :0, 8s
Style Check :0, 12s
Performance Check :0, 15s
Aggregate Results :15, 5s
Total: 20s :20, 1s
Resultado: 35 segundos → 20 segundos (43% más rápido!)
Y cuando security_auditor evoluciona a v3.0.0 (por ejemplo, 30% más rápido), todo el comité se acelera automáticamente.
Esta es la parte que es verdaderamente salvaje: las herramientas actúan como genes.
Observación: Cuando una herramienta resulta útil, se propaga a través del sistema.
Ejemplo real: El patrón del verificador de calidad
Day 1: translation_quality_checker created
- Usage: 1 (manual test)
- Workflows using it: 0
Day 3: First workflow uses it (article_translator)
- Usage: 15
- Workflows: 1
- Fitness: 0.78
Day 7: Quality checker "gene" spreads
- Usage: 127
- Workflows using it: 7
1. article_translator
2. validated_translator (composite)
3. batch_translator
4. multilingual_content_generator
5. documentation_localizer
6. seo_multilingual_optimizer
7. chat_translator
- Fitness: 0.91 (improved through evolution!)
Day 14: Mutation detected
- translation_quality_checker v2.0.0
- Change: Added context-aware validation
- Breaking change: Output format different
- All 7 workflows auto-migrate
- New fitness: 0.94
Day 30: Specialization emerges
- Original tool spawns specialist: article_quality_checker
- Optimized specifically for article-length text
- 40% faster than general checker
- article_translator auto-switches to specialist
- General checker still used by other 6 workflows
Esta es la propagación genética literal:
La ruta de código siempre es óptima porque:
Aquí está la parte realmente inteligente: puede mejorar todas las herramientas a la vez.
Escenario: Tiene 20 flujos de trabajo, cada uno usando 5-10 herramientas. Total: ~100 invocaciones de herramientas.
Sistema tradicional:
Workflow 1 uses Tool A v1.0 (fitness: 0.70)
Workflow 2 uses Tool A v1.0 (fitness: 0.70)
...
Workflow 20 uses Tool A v1.0 (fitness: 0.70)
To improve: Manually edit Tool A, test on each workflow (20 tests!)
Risk: Breaking changes affect all 20 workflows
Sistema DSE:
# Trigger evolution for Tool A
evolve_tool("translation_quality_checker")
# System automatically:
# 1. Analyzes usage patterns across all 20 workflows
# 2. Identifies common failure modes
# 3. Generates improved version (v2.0)
# 4. A/B tests v1.0 vs v2.0 on EACH workflow
# 5. Calculates fitness improvement per workflow
# 6. Auto-migrates workflows where v2.0 is better
# 7. Keeps v1.0 for workflows where v2.0 regresses
Resultado:
Workflow 1: Tool A v2.0 (fitness: 0.85) ✓ Migrated
Workflow 2: Tool A v1.0 (fitness: 0.72) ✗ Kept old (v2 was worse)
Workflow 3: Tool A v2.0 (fitness: 0.89) ✓ Migrated
...
Workflow 20: Tool A v2.0 (fitness: 0.91) ✓ Migrated
Total migrated: 18/20 workflows (90%)
Average fitness improvement: +15%
Entrenó una herramienta y mejoró los flujos de trabajo de OCTHOEEN simultáneamente.
La parte realmente salvaje: cascadas de evolución a través del gráfico de dependencia.
Ejemplo
Tool: nmt_translator v1.0 (fitness: 0.73)
Used by:
- validated_translator (composite)
- article_translator
- batch_translator
- chat_translator
Evolution triggered: nmt_translator v1.0 → v2.0
Improvement: 25% faster, 10% better quality
Fitness: 0.73 → 0.88
Cascade effect:
1. validated_translator FITNESS: 0.82 → 0.91 (automatic!)
2. article_translator FITNESS: 0.79 → 0.87 (automatic!)
3. batch_translator FITNESS: 0.75 → 0.83 (automatic!)
4. chat_translator FITNESS: 0.71 → 0.78 (automatic!)
Tools using those tools ALSO improve:
- multilingual_content_generator: 0.76 → 0.84
- documentation_localizer: 0.81 → 0.88
- seo_multilingual_optimizer: 0.69 → 0.77
Total workflows improved: 11
Total time spent: 0 (automatic propagation!)
Total code changes: 0
Un evento de evolución mejoró los flujos de trabajo de ELEVEN sin ninguna intervención manual.
Debido a que las herramientas rastrean la aptitud, los resultados de caché y auto-evolucionan, el sistema siempre ejecuta la mejor implementación disponible.
Ejemplo de ejecución:
User: "Translate this article to Spanish"
System thinks:
1. Search RAG for "translation" tools
→ Found: nmt_translator, validated_translator, quick_translator
2. Calculate fitness for this specific task:
- nmt_translator: 0.88 (fast, good quality)
- validated_translator: 0.91 (slower, validated)
- quick_translator: 0.76 (very fast, lower quality)
3. Task analysis:
- Input length: 2,500 words (long)
- Quality requirement: high (article)
- Speed requirement: medium (no rush)
4. Decision: Use validated_translator (highest fitness + quality match)
5. Check cache:
- Cache key: hash(tool_id + normalized_prompt)
- Found: 3 cached results
- v1.0 (fitness: 0.82, age: 5 days)
- v1.1 (fitness: 0.89, age: 2 days)
- v2.0 (fitness: 0.91, age: 1 hour)
- Select: v2.0 (highest fitness, most recent)
6. Execute: Return cached v2.0 result (INSTANT)
7. Update metrics:
- validated_translator.usage_count++
- validated_translator.cache_hits++
- validated_translator.avg_latency_ms (no change, cache hit)
El sistema:
La ruta de código está optimizada en cada paso:
Vamos a ser precisos acerca de por qué esto es evolución sintética dirigida y no sólo "caching con versioning":
Herramientas como genes:
class Tool:
"""A tool is a genetic unit that:
- Replicates (used by multiple workflows)
- Mutates (evolves to new versions)
- Competes (fitness-based selection)
- Specializes (variants emerge)
- Dies (low-fitness tools pruned)
"""
# Genetic material
definition_hash: str # "DNA"
version: str # Generational marker
lineage: List[str] # Ancestry
# Replication rate
usage_count: int # How many "offspring"
workflows_using: int # Spread through ecosystem
# Fitness
quality_score: float # Survival metric
performance_metrics: Dict # Selection pressure
# Mutation
breaking_changes: List # Genetic incompatibility
evolution_history: List # Mutation record
Evolución dirigida:
# Unlike natural selection (random mutations),
# DSE uses DIRECTED mutations based on data:
def evolve_tool(tool_id: str):
"""Directed evolution with learning."""
# Analyze failure modes across ALL usage
failures = analyze_tool_failures(tool_id)
# "This tool fails when input > 5000 tokens"
# Generate targeted improvement
improvement_spec = create_improvement_plan(failures)
# "Add chunking for inputs > 5000 tokens"
# Mutate with purpose
new_version = apply_directed_mutation(tool_id, improvement_spec)
# Test fitness
fitness_improvement = a_b_test(old_version, new_version)
# Selection
if fitness_improvement > threshold:
promote_version(new_version) # Survives
else:
discard_version(new_version) # Dies
El "Gene Pool":
53 tools in registry (current generation)
├── 27 LLM tools (specialist genes)
├── 19 executable tools (utility genes)
├── 3 OpenAPI tools (external interface genes)
├── 4 composite tools (multi-gene complexes)
Total genetic variations across versions: ~200+
Active in current generation: 53
Archived (evolutionary dead-ends): ~150
Visualización de propagación genética:
graph TB
T1["nmt_translator v1.0<br/>Fitness: 0.73<br/>Usage: 5"] --> T2["nmt_translator v2.0<br/>Fitness: 0.88<br/>Usage: 127"]
T2 --> W1["validated_translator<br/>Composite: nmt + quality<br/>Fitness: 0.91"]
T2 --> W2["article_translator<br/>Uses: nmt<br/>Fitness: 0.87"]
T2 --> W3["batch_translator<br/>Uses: nmt<br/>Fitness: 0.83"]
W1 --> U1["multilingual_content<br/>Uses: validated<br/>Fitness: 0.84"]
W1 --> U2["doc_localizer<br/>Uses: validated<br/>Fitness: 0.88"]
T2 -.->|Mutation| T3["nmt_translator v3.0<br/>Specialization: articles<br/>Fitness: 0.94"]
T3 --> W2
style T1 fill:#ffcccc
style T2 fill:#ccffcc
style T3 fill:#ccccff
style W1 fill:#ffffcc
style W2 fill:#ffffcc
style W3 fill:#ffffcc
style U1 fill:#ffeecc
style U2 fill:#ffeecc
Herencia genética:
# Child tool inherits from parent
article_quality_checker:
parent: translation_quality_checker
inherited_attributes:
- quality_metrics
- validation_patterns
- error_detection
mutations:
- "Specialized for article-length text"
- "Added domain-specific checks"
- "40% faster (optimized for articles)"
fitness_inheritance:
parent_fitness: 0.91
child_fitness: 0.94 # Improvement!
selection_advantage:
- Chosen over parent for article tasks
- Parent still used for general translation
Genial, ¿verdad?
Sí, es realmente salvaje.
Construimos un sistema donde:
No es una metáfora.
Es una evolución sintética dirigida.
Después de ejecutar este sistema durante semanas:
Si las herramientas pueden:
¿Qué sigue?
Esto es lo que la Parte 7 no explicó completamente:
¿Los flujos de trabajo que evolucionan? Están hechos de herramientas. ¿Las herramientas que componen los flujos de trabajo? También evolucionan. ¿El sistema que maneja la evolución? También herramientas. - ¿Las métricas que rastrean la aptitud?
Son herramientas hasta el final.
Y cada uno de ellos:
No construimos un generador de código.
Construimos un kit de herramientas auto-expansivo, auto-optimizador, auto-documentante que sucede a generar código.
La distinción importa.
Porque cuando las herramientas se convierten en unidades evolutivas, cuando rastrean su propia aptitud, cuando se reproducen y mutan y compiten...
No tienes una caja de herramientas.
Tienes una ecología.
Y las ecologías evolucionan.
Pero, ¿qué sucede cuando la evolución rompe las cosas? Cuando una mutación herramienta introduce un error crítico? Cuando la optimización hace una herramienta peor en lugar de mejor?
Ahí es donde entra la Parte 9. la autocuración a través de la poda consciente del linaje—un sistema en el que las herramientas no sólo evolucionan, recuerdan cada fracaso, podan ramas fallidas y propagan ese conocimiento para evitar errores similares en todo el ecosistema.
Cuando sus herramientas pueden romperse, su sistema debe recordar por qué y nunca repetir el error.
Repositorio: mayormente lucid.dse
Archivos clave:
src/tools_manager.py (2.293 líneas) - Gestión de herramientas básicassrc/rag_integrated_tools.py (562 líneas) - Integración de los GCRsrc/openapi_tool.py (313 líneas) - Soporte OpenAPIsrc/model_selector_tool.py (460 líneas) - Selección de modelostools/index.json (5.464 líneas) - Registro de herramientastools/llm/*.yaml (27 herramientas) - definiciones especializadas de LLMtools/executable/*.yaml (19 herramientas) - Herramientas ejecutablestools/openapi/*.yaml (3 herramientas) - Integraciones APIDocumentación:
LLMS_AS_TOOLS.md - Sistema de selección LLMWORKFLOW_DOCUMENTATION_TOOL.md - Auto-documentaciónCHAT_TOOLS_GUIDE.md - Guía de uso de herramientasTOOL_PACKAGING.md - Guía para el desarrollo de herramientasNavegación de la serie:
Esta es la Parte 8 de la serie Semantic Intelligence. La Parte 7 mostró la arquitectura general del DSE. Este artículo revela la complejidad oculta: cada herramienta en el sistema rastrea el uso, evoluciona implementaciones, cachés resultados y participa en la selección basada en la aptitud. El kit de herramientas no es sólo un recurso, es una ecología evolutiva que se expande, optimiza y documenta. Las herramientas generan herramientas. Las herramientas mejoran las herramientas. Y todo el sistema se vuelve más inteligente con el tiempo.
El código es real, se ejecuta localmente en Ollama, realmente rastreando métricas, y en realidad evolucionando. Es experimental, ocasionalmente inestable, y definitivamente "vibe-codificado". Pero las herramientas funcionan, el seguimiento funciona, y la evolución funciona. El kit de herramientas crece por sí mismo.
Estas exploraciones se conectan con la novela de ciencia ficción "Michael" acerca de la IA emergente y las implicaciones de los sistemas que se optimizan a sí mismos. Las herramientas descritas aquí son implementaciones reales que demuestran cómo la presión evolutiva crea especialización, cómo las funciones de fitness guían la selección, y cómo los sistemas auto-impulsantes desarrollan naturalmente propiedades similares a la ecología. Ya sea que esto lleve a las redes de herramientas a escala planetaria de la Parte 6, o algo completamente inesperado, queda por ver. Eso es lo que lo convierte en un experimento.
Etiquetas: #AI #Tools #RAG #UsageTracking #Evolution #Fitness #Caching #Versioning #Ollama #Python #EmergentIntelligence #SelfOptimization #ToolEcology
© 2026 Scott Galloway — Unlicense — All content and source code on this site is free to use, copy, modify, and sell.