Superglue CLI: Permite que los Agentes de IA Ejecuten Llamadas API Sin Herramientas Preconstruidas

Superglue CLI es una interfaz de línea de comandos que incluye una referencia de habilidades estructurada que enseña a los agentes de IA cómo usar cada comando sg, manejar autenticación, construir herramientas y depurar fallos. La idea central: en lugar de construir herramientas codificadas para cada integración de API, apuntas al agente a cualquier API, y puede razonar sobre esa API en tiempo de ejecución leyendo la especificación, planificando llamadas y ejecutándolas.
Instalación y Configuración
Instala la CLI globalmente mediante npm:
npm install -g @superglue/cli
Ejecuta la configuración interactiva:
sg init
Esto solicita tu clave de API (disponible en app.superglue.cloud/admin), endpoint y preferencias de salida. Para entornos no interactivos como CI o agentes de IA, establece variables de entorno:
export SUPERGLUE_API_KEY="your-api-key"
export SUPERGLUE_API_ENDPOINT="https://api.superglue.cloud"
Verifica con sg system list — si ves errores de autenticación, revisa tu clave de API y endpoint.
Instalando la Habilidad
La habilidad le da a tu agente de IA conocimiento completo de la CLI — comandos, patrones de autenticación, esquemas de herramientas, depuración y despliegue. Instálala una vez y el agente la referencia automáticamente.
Instalación universal para todos los agentes:
npx skills add superglue-ai/cli
Dirige a agentes específicos con -g -a <agent>:
npx skills add superglue-ai/cli -g -a claude-code
npx skills add superglue-ai/cli -g -a codex
npx skills add superglue-ai/cli -g -a cursor
Para Claude Code, instala desde el mercado de Anthropic:
/plugin install superglue@claude-plugins-official
O carga desde la instalación local:
claude --plugin-dir $(npm root -g)/@superglue/cli
Para Cursor, copia la habilidad a tu proyecto o directorio global:
cp -r $(npm root -g)/@superglue/cli/skills/superglue .cursor/skills/superglue
# O globalmente
cp -r $(npm root -g)/@superglue/cli/skills/superglue ~/.cursor/skills/superglue
Lo que Proporciona la Habilidad
- Todos los comandos de la CLI con banderas, opciones y patrones de uso
- Patrones de autenticación — marcadores de credenciales, flujos OAuth, formatos de cabecera
- Esquema de configuración de herramientas — configuraciones de pasos, selectores de datos, transformaciones, paginación
- Flujos de trabajo de depuración — errores comunes,
--include-step-results,sg system callpara aislamiento - Patrones de despliegue — SDK, API REST, webhooks (vía references/integration.md)
- Referencias especializadas para bases de datos, servidores de archivos y transformaciones (cargadas bajo demanda)
Añadiendo Contexto Específico del Proyecto
Añade una sección al archivo de configuración de IA de tu proyecto (CLAUDE.md, AGENTS.md, o .cursorrules) para que el agente sepa usar la habilidad y descubra tu configuración dinámicamente. Incluye instrucciones como:
## Usando Superglue
Cuando trabajes con herramientas de superglue — vía la CLI, SDK, o API REST:
1. Invoca la habilidad de superglue y lee el archivo SKILL.md antes de ejecutar cualquier comando sg
2. Lee los archivos de referencia relevantes para la tarea (integración, bases de datos, servidores de archivos, transformaciones)
3. Asegúrate de que la CLI esté configurada (sg init se ha ejecutado o las variables de entorno están establecidas)
4. Ejecuta sg system list y sg tool list para descubrir la configuración actual antes de construir o modificar nada
5. Nunca codifiques IDs de sistema o IDs de herramienta — siempre descúbrelos dinámicamente
Mejores Prácticas
Siempre prueba los sistemas antes de construir herramientas. Haz que el agente ejecute sg system call para verificar la autenticación y ver la forma real de la respuesta antes de construir una configuración de herramienta:
sg system call --system-id stripe \
--url "https://api.stripe.com/v1/customers?limit=2" \
--headers '{"Authorization":"Bearer <>"}'
Usa --include-step-results cuando depures para mostrar la respuesta cruda de la API de cada paso — identifica si el problema es autenticación, el endpoint, o una transformación:
sg tool run --draft <id> --payload '{}' --include-step-results
Nunca pegues secretos en el chat. Usa --sensitive-credentials cuando crees sistemas vía la CLI para que los secretos se soliciten de forma segura.
Este enfoque aborda el límite de la "herramienta predefinida" donde los equipos construyen agentes pero los usuarios describen necesidades específicas como "extrae estos tres objetos de Salesforce y envíalos a nCino cuando la condición X sea verdadera". En lugar de traducir cada solicitud en una herramienta codificada, el agente puede leer la especificación de la API y manejar operaciones de múltiples pasos con lógica por usuario.
📖 Read the full source: HN AI Agents
👀 Ver también

Búsqueda-web-sin-conexión: Una alternativa local a la búsqueda de Google para agentes de IA
Un desarrollador creó offline-web-search para abordar las deficientes capacidades de búsqueda sin conexión en agentes de IA, creando un reemplazo directo que imita las herramientas web de Claude con clasificación BM25, indexación SQLite FTS5, y soporte para archivos ZIM y rastreadores personalizados.

Spec27: Validación basada en especificaciones para agentes de IA – Pruebas a nivel de API sin acceso interno
Spec27 es una nueva herramienta de Safe Intelligence para la validación basada en especificaciones de agentes de IA. Prueba el comportamiento del agente desde afuera hacia adentro, ejecutando comprobaciones adversariales y de robustez contra interfaces principales sin necesidad de SDK, pasarelas o trazas internas.

Recuperación de código para agentes de IA: Por qué fallan los embeddings vectoriales y triunfan los gráficos LLM por archivo
Tras un año construyendo un sistema de indexación de código, el equipo de Bytebell descubrió que los embeddings vectoriales en fragmentos de código y los AST de Tree-sitter se quedaban cortos, mientras que los resúmenes por archivo generados por LLM almacenados en un grafo Neo4j con búsqueda semántica de texto completo mejoraban significativamente la precisión de la recuperación.

Formato de Mente Portátil (PMF): Especificación de Agente Independiente del Proveedor con 15 Agentes de Código Abierto
El Formato de Mente Portátil (PMF) es una especificación basada en JSON para definir identidades de agentes de IA que pueden ejecutarse en múltiples modelos y proveedores, incluidos Claude, GPT-4, Gemini, DeepSeek y modelos locales a través de Ollama. Incluye 15 agentes de producción con licencia MIT y convertidores para Claude Code, Cursor, GitHub Copilot y Gemini CLI.