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.
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 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 proceso como software: repetible, pero rígido, con formularios fijos, estados fijos y personas que hacen de pegamento.
El proceso como improvisación: flexible, pero nunca igual dos veces.
Un SOP que ejecutas junto con la IA: tan flexible como un chat, tan repetible como un procedimiento.
SKILL.md en un repositorio Git: con control de versiones, revisable y legible por cualquiera del equipo.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.
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.
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.
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.
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?».
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.
Recibe una notificación, abre la sesión y decide en el propio chat, con un comentario. Solo el aprobador designado puede decidir una aprobación.
Planifica el grafo de tareas, solicita aprobaciones en el momento oportuno, ejecuta cada paso según la skill e informa del progreso sobre la marcha.
Las solicitudes de aprobación y las sesiones finalizadas llegan a la campana de notificaciones de cada usuario y enlazan directamente con la conversación correspondiente.
Quién aprobó, qué escribió y cuándo exactamente: queda guardado en el registro de la aprobación y se puede consultar en la consola de administración.
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.
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.
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.
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.
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.
Gemini de forma predeterminada; modelos de OpenAI y Anthropic a través de LiteLLM. Cambiar de proveedor es cuestión de una variable de entorno.
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.
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