El AgentExecutor de OnPrem.LLM permite que agentes de IA autónomos ejecuten tareas complejas utilizando tanto modelos en la nube como locales. La canalización funciona con cualquier modelo compatible con LiteLLM que admita el uso de herramientas, incluyendo modelos en la nube como GPT-5.2-Codex de OpenAI, Claude Sonnet 4.5 de Anthropic y Gemini 1.5 Pro de Google, así como modelos locales a través de Ollama, vLLM o llama.cpp.

Herramientas Integradas

Por defecto, AgentExecutor proporciona acceso a nueve herramientas integradas:

• read_file - Leer el contenido completo de archivos
• read_lines - Leer rangos específicos de líneas de archivos
• edit_file - Editar archivos mediante buscar/reemplazar
• write_file - Escribir el contenido completo de archivos
• grep - Buscar patrones en archivos
• find - Encontrar archivos por patrón glob
• run_shell - Ejecutar comandos de shell
• web_search - Buscar información en la web
• web_fetch - Obtener y leer contenido de URLs

Ejemplos de Configuración

Puedes personalizar el acceso a herramientas según tus requisitos de seguridad:

# Usar valores predeterminados (todas las herramientas incluyendo shell):
executor = AgentExecutor(model='anthropic/claude-sonnet-4-5')

Predeterminados pero sin acceso a shell (más seguro):
executor = AgentExecutor(
    model='openai/gpt-5-mini',
    disable_shell=True
)
Herramientas mínimas:
executor = AgentExecutor(
    model='openai/gpt-5-mini',
    enabled_tools=['read_file', 'write_file']
)
Solo investigación web:
executor = AgentExecutor(
    model='openai/gpt-5-mini',
    enabled_tools=['web_search', 'web_fetch']
)

Ejecución Aislada

Por seguridad, puedes ejecutar agentes en contenedores efímeros usando sandbox=True. Esto es importante porque los agentes con acceso a shell pueden potencialmente leer o modificar archivos fuera del directorio de trabajo. El agente opera dentro del directorio de trabajo especificado y no puede leer ni escribir fuera de él a menos que se le otorgue acceso a shell.

Ejemplo básico con aislamiento:

executor = AgentExecutor(
    model='anthropic/claude-sonnet-4-5',
    sandbox=True,
)

result = executor.run(
    task="""
    Crea un módulo simple de calculadora en Python con lo siguiente:
    - calculator.py con funciones sumar, restar, multiplicar, dividir
    - test_calculator.py con pruebas de pytest
    - Todas las pruebas deben pasar
    """,
    working_dir='./calculator_project'
)

Este enfoque es útil para desarrolladores que necesitan automatizar tareas de programación manteniendo límites de seguridad. La herramienta requiere instalar PatchPal con pip install patchpal.