Saltar al contenido principal
Agent as Workflow

El motor de flujos de trabajo
ahora es un agente.

A2Flow es un motor de flujos de trabajo guiado por chat. Reconstruye los flujos de trabajo de tipo ITSM (solicitudes de servicio, ejecución de cambios, comunicados) en torno a un agente de IA: planifica el trabajo como un grafo de tareas, espera a las personas que deben dar su aprobación y ejecuta el resto. El plan se conserva como flujo de trabajo, de modo que la siguiente ejecución sigue los mismos pasos.

Chat-Driven WorkflowAG-UI protocolA2UIMCP toolsAgent SkillsSelf-hosted

Dos chats, un flujo de trabajo: se diseña con el agente y luego se ejecuta en su propia sesión, con formularios y aprobaciones incluidos.

Los flujos de trabajo ITSM, reinventados

Los motores de flujos de trabajo clásicos son repetibles pero rígidos: formularios fijos, colas de tickets, traspasos entre personas y, sobre todo, esperas. Un chat con un agente de IA es lo contrario: flexible, pero el plan que trazó desaparece al terminar la sesión, y nadie lo aprobó. A2Flow conserva el procedimiento y las aprobaciones de los primeros, la conversación del segundo, y confía al agente todo lo que queda en medio.

El circuito de tickets

El proceso como software: repetible, pero rígido, con formularios fijos, estados fijos y personas que hacen de pegamento.

  • Rellenar el formularioUn campo mal y te lo devuelven.
  • Esperar en la colaTu solicitud es la n.º 14 de la cola.
  • Pasar de un equipo a otroEl contexto se pierde en cada traspaso.
  • Reclamar novedades«¿Hay novedades de mi ticket?»

La sesión de chat con IA

El proceso como improvisación: flexible, pero nunca igual dos veces.

  • Pedírselo al agente por chatSin formulario, con tus propias palabras.
  • El agente planifica y actúaUn plan nuevo cada vez, y cada vez un poco distinto.
  • Sin control de ningún aprobadorDecide quien esté chateando. Nadie más lo ve.
  • Fin de la sesión, adiós al planLa siguiente solicitud empieza de cero.
El procedimiento en sí no es código encerrado en un motor de flujos de trabajo. Es una skill de agente, un archivo SKILL.md en un repositorio Git: con control de versiones, revisable y legible por cualquiera del equipo.

Planificar. Aprobar. Ejecutar.

Cada ejecución pasa por las mismas dos barreras: nada se ejecuta hasta que una persona publica el diseño, y ninguna llamada a herramienta que cambie algo se realiza hasta que el aprobador designado da su conformidad.

El agente convierte la intención en un grafo de tareas

En una sesión de diseño lee la skill de agente, divide tu prompt en plantillas de tarea con dependencias explícitas y registra todo el DAG en una sola llamada, con detección de ciclos incluida. Puedes ajustarlo por chat o a mano; todavía no se ejecuta nada.

Las personas controlan los momentos clave

Publicar el flujo de trabajo es aprobar el plan: una ejecución parte de él sin nada que confirmar. Las llamadas a herramientas que cambian algo esperan a un aprobador designado: los controles Aprobar / Rechazar / Devolver aparecen en el propio chat, con la lista exacta de las llamadas que autorizan, y solo esa persona puede decidir; cualquier otra recibe un 403.

El agente recorre el grafo

Haz clic en Ejecutar y el agente arranca de inmediato en la sesión del flujo de trabajo propia de esa ejecución. Las tareas pasan por pending → in_progress → completed en orden de dependencia, llaman solo a las herramientas MCP vinculadas a la tarea en curso, y el agente hace sus preguntas mediante formularios que dibuja en el propio chat.

Workflow TasksTable · Graph
Configure instancecompletedApprove launchwaiting on SamNotify #ops channelcompletedLaunch instancein progressConfirm resultpending
completedin progressapproval gatepending

Tres roles, una conversación

Una sesión del flujo de trabajo es un chat compartido. El solicitante, el aprobador y el agente escriben en el mismo hilo: sin canales paralelos, sin «¿hay novedades de mi ticket?».

M

El solicitante

Ejecuta un flujo de trabajo publicado. Responde a las preguntas del agente, en los formularios que este dibuja en el chat, y sigue el avance de las tareas en el mismo hilo.

S

El aprobador

Recibe una notificación, abre la sesión y decide en el propio chat, con un comentario. Solo el aprobador designado puede decidir una aprobación.

✦

El agente

Planifica el grafo de tareas, solicita aprobaciones en el momento oportuno, ejecuta cada paso según la skill e informa del progreso sobre la marcha.

Notificaciones que te llevan a la decisión

Las solicitudes de aprobación y las sesiones finalizadas llegan a la campana de notificaciones de cada usuario y enlazan directamente con la conversación correspondiente.

Un registro de auditoría en cada aprobación

Quién aprobó, qué escribió y cuándo exactamente: queda guardado en el registro de la aprobación y se puede consultar en la consola de administración.

Todo lo que un flujo de trabajo necesita, nada que no necesite

Skills de agente en Git

Los procedimientos viven como archivos SKILL.md en repositorios Git y se clonan en la primera ejecución. Versiónalos, revísalos y léelos como cualquier otro código.

Un plan que puedes volver a ejecutar

El grafo de tareas que el agente redacta a partir de una skill se publica como flujo de trabajo (un DAG de verdad, con dependencias obligatorias y ciclos rechazados) y cada ejecución recorre el mismo grafo, que se muestra como una tabla ordenable o como un gráfico con disposición automática que se actualiza a medida que el agente trabaja.

Barreras de aprobación en plena ejecución

Antes de un paso destructivo, el agente solicita la aprobación de un usuario concreto y se detiene. Los botones Aprobar / Rechazar / Devolver aparecen en el chat, solo para ese usuario.

Herramientas MCP acotadas a cada tarea

Registra servidores MCP y el agente vincula, al planificar, solo las herramientas que necesita cada tarea. Durante la ejecución, una tarea solo puede llamar a sus propias herramientas, y cada servidor que inicia A2Flow se ejecuta en su propio sandbox de bubblewrap.

Interfaz enriquecida dentro del chat

Mediante el protocolo A2UI, el agente muestra botones, formularios y tarjetas en la propia conversación, y tus clics vuelven a la ejecución como resultados de herramientas.

Usa tu propio LLM

Gemini de forma predeterminada; modelos de OpenAI y Anthropic a través de LiteLLM. Cambiar de proveedor es cuestión de una variable de entorno.

Una pila de protocolos abiertos

La interfaz de chat recibe en streaming eventos AG-UI de un backend FastAPI, y el agente dibuja superficies A2UI en el chat. Las skills de agente vienen de Git; las herramientas, de servidores MCP, y una sola base de datos relacional lo guarda todo.

Chat UIA2UI renderer
FastAPI + Google ADK + LiteLLMplan-then-execute agent
MCP serversstreamable HTTP
Agent Skills in GitSKILL.md repos
PostgreSQL / SQLitesessions · tasks · approvals
AG-UIA2UIMCPAgent SkillsFastAPILiteLLMPostgreSQL

Ejecútalo en tu máquina

Toda la pila (PostgreSQL, backend y frontend) se levanta con Docker Compose. Con una clave de API de Google estás a dos comandos de tu primer flujo de trabajo.

Star on GitHub
$ git clone https://github.com/kaitoy/a2flow.git && cd a2flow$ echo GOOGLE_API_KEY=your_google_api_key_here > .env$ docker compose up --build# open http://localhost:3000