Ratel

Los agentes de IA modernos afrontan un reto fundamental: cada llamada a la API incluye los esquemas de todas las herramientas disponibles, lo que aumenta el consumo de tokens y reduce la calidad de las respuestas. Ratel lo resuelve mediante «ingeniería de contexto», una técnica que muestra estratégicamente solo las capacidades más relevantes en cada paso.

Aspectos destacados

• Cerca de un 80 % menos de tokens por llamada a la API gracias a la presentación selectiva de herramientas
• Recuperación semántica y mediante BM25 ejecutada en el propio proceso, sin dependencias externas
• Gestión progresiva de habilidades adaptada al contexto de la conversación
• SDK para TypeScript, Python y Rust con ejemplos integrados
• Preparado para producción, con un conjunto de pruebas comparativas y un adaptador para Model Context Protocol

Creado por desarrolladores que llevan agentes de IA a producción, Ratel reduce las alucinaciones al eliminar ruido, disminuye costes al evitar esquemas redundantes y permite pasar de prototipos a sistemas de producción. El framework es de código abierto (Apache 2.0) y puede utilizarse, modificarse e integrarse gratuitamente en cualquier proyecto.