Axe: Una CLI de 12MB para Agentes LLM de Propósito Único

Qué es Axe
Axe es un binario de Go de 12MB con dos dependencias (cobra, toml) que reemplaza los marcos de trabajo de IA con un enfoque inspirado en Unix para agentes LLM. En lugar de sesiones de chatbot de larga duración, ejecuta agentes de un solo propósito definidos en archivos de configuración TOML. Cada agente tiene un trabajo enfocado como revisión de código, análisis de registros o escritura de mensajes de confirmación.
Características principales
- Configuración basada en TOML: Definiciones de agentes declarativas y controlables por versión con indicaciones del sistema, selección de modelo, archivos de habilidades y archivos de contexto
- Tuberías de entrada estándar:
git diff | axe run reviewerfunciona directamente - Delegación de subagentes: Los agentes pueden llamar a otros agentes mediante el uso de herramientas LLM con limitación de profundidad y ejecución paralela
- Memoria persistente: Registros en markdown con marcas de tiempo llevan contexto entre ejecuciones con recolección de basura asistida por LLM
- Soporte para múltiples proveedores: Funciona con Anthropic, OpenAI, Ollama (modelos locales) o cualquier formato models.dev
- Herramientas integradas: Búsqueda web, obtención de URL y operaciones de archivos con aislamiento de ruta (leer, escribir, editar, listar) bloqueadas al directorio de trabajo del agente
- Soporte MCP: Puede conectar cualquier servidor MCP a agentes
- Sistema de habilidades: Conjuntos de instrucciones reutilizables compartidos entre agentes
- Salida JSON: Salida estructurada con metadatos para scripting
- Modo de simulación: Inspecciona el contexto resuelto sin llamar al LLM
Instalación y configuración
Requiere Go 1.24+. Instalar mediante:
go install github.com/jrswab/axe@latestO compilar desde el código fuente:
git clone https://github.com/jrswab/axe.git
cd axe
go build .Inicializar configuración:
axe config initCrea una estructura de directorios en $XDG_CONFIG_HOME/axe/ con habilidades de ejemplo y config.toml predeterminado para credenciales del proveedor.
Ejemplos de uso
Crear y ejecutar un agente:
axe agents init my-agent
axe agents edit my-agent
axe run my-agentConectar datos de otras herramientas:
git diff --cached | axe run pr-reviewer
cat error.log | axe run log-analyzerCopiar agentes de ejemplo del directorio examples/:
cp examples/code-reviewer/code-reviewer.toml "$(axe config path)/agents/"
cp -r examples/code-reviewer/skills/ "$(axe config path)/skills/"
export ANTHROPIC_API_KEY="your-key-here"
git diff | axe run code-reviewerImplementación con Docker
Construir la imagen:
docker build -t axe .Construcciones multiarquitectura (linux/amd64, linux/arm64) mediante buildx:
docker buildx build --platform linux/amd64,linux/arm64 -t axe:latest .Ejecutar un agente con configuración montada:
docker run --rm \
-v ./my-config:/home/axe/.config/axe \
-e ANTHROPIC_API_KEY \
axe run my-agentConectar entrada estándar con bandera -i:
git diff | docker run --rm -i \
-v ./my-config:/home/axe/.config/axe \
-e ANTHROPIC_API_KEY \
axe run my-agentPara quién es
Desarrolladores que quieren automatizar tareas específicas de IA sin la sobrecarga de marcos de trabajo, especialmente aquellos que ya usan herramientas Unix, ganchos de git, cron o tuberías de CI.
📖 Leer la fuente completa: HN LLM Tools
👀 Ver también

Claude Code + MCP genera suites de pruebas a partir del código fuente
Claude Code analiza el código fuente para generar suites de pruebas jerárquicas que cubren módulos, características, escenarios, casos felices, casos límite y manejo de errores, luego las envía a sistemas de gestión de pruebas a través de MCP.

Kreuzberg v4.7.0 añade inteligencia de código para 248 idiomas y una extracción de markdown mejorada.
Kreuzberg v4.7.0, una biblioteca de inteligencia de documentos con núcleo en Rust, ahora admite la extracción de código para 248 formatos mediante tree-sitter y ha mejorado significativamente la calidad de markdown con puntuaciones Structural F1 superiores al 80% en 23 formatos.

GoStaff: Reescritura en Go de OpenClaw con una reducción de memoria de 100x
GoStaff es una reescritura completa de OpenClaw en Go que reduce el uso de memoria a aproximadamente 17 MB, unas 100 veces menos que la implementación original. Mantiene la compatibilidad completa con los complementos existentes de OpenClaw mientras añade soporte nativo para habilidades en Go y una arquitectura simplificada de binario único.

AutoProber: Automatización de sondas voladoras impulsada por IA para hacking de hardware
AutoProber es una pila de automatización de sonda voladora para hackers de hardware que permite a los agentes de IA descubrir objetivos, mapear imágenes de microscopio, realizar movimiento CNC monitoreado por seguridad, revisar sondas y realizar sondeo controlado de pines. Incluye código de control en Python, un panel web, archivos CAD y opera con controladores CNC GRBL, microscopios USB y monitoreo de seguridad con osciloscopio.