MiroFlow: un framework multiagente de alto rendimiento publicado por el equipo MiroMind 101

MiroFlow es un framework multiagente de alto rendimiento publicado por el equipo MiroMind. Permite que diversos modelos de gran tamaño se conviertan en asistentes de IA capaces de realizar investigaciones profundas, igual que Openai Deep Research. En resumen, hace que el modelo, al igual que una persona investigando, planifique los pasos por sí mismo, utilice herramientas, verifique los resultados y complete tareas complejas de varios pasos.

Capacidades principales de MiroFlow

• Colaboración multiherramienta: puede integrar búsqueda web, ejecución de Python, lectura de archivos, invocación de código, generación de gráficos y otras herramientas, utilizándolas a lo largo de todo el flujo.

• División de trabajo entre agente principal y subagentes: el agente principal descompone la tarea y la reparte entre subagentes especializados en navegar, escribir código y realizar cálculos, recopilando finalmente los resultados. Esto permite realizar distintas tareas en paralelo y de forma más especializada.

• Alta concurrencia y tolerancia a fallos: mediante colas asíncronas con reintentos, tiempos de espera y reversión, el sistema puede completarse sin problemas incluso si la interfaz se bloquea o la red es inestable.

• Transparente y explicable: dispone de un panel web que muestra en tiempo real, a la izquierda, el proceso de pensamiento del modelo y las herramientas utilizadas, y a la derecha, la respuesta final, lo que facilita la depuración y genera confianza.

• Salida en streaming: el razonamiento del modelo, el progreso de las herramientas y los resultados intermedios se muestran al instante, ofreciendo una experiencia similar al modo avanzado de ChatGPT.

Métricas clave

• En las pruebas de investigación profunda GAIA, la tasa de aprobación es del 72,2%–82,4%, lo que constituye el mejor resultado reproducible hasta la fecha para un framework de agentes de código abierto.

• Bajo coste de despliegue: utilizando el modelo de código abierto MiroThinker, se puede ejecutar el servicio completo en una sola RTX 4090, sin necesidad de adquirir modelos privados de pago.

Casos de uso de MiroFlow

• Investigación académica: búsqueda automática de literatura, extracción de puntos clave, redacción de revisiones y asistencia en la realización de experimentos.

• Análisis empresarial: combinación de estados financieros, noticias y datos de redes sociales para elaborar informes de inversión o análisis competitivo.

• Educación o programación: ayuda con tareas, escritura de código y corrección de errores, y generación de gráficos de datos.

Ecosistema de MiroFlow

MiroFlow forma parte del ecosistema MiroMind AI, que incluye además otros componentes:

• MiroThinker: modelo base de código abierto, capaz de razonar con herramientas de forma nativa.

• MiroVerse: contiene 147.000 entradas de datos de entrenamiento de código abierto y alta calidad, destinados a la investigación sobre el entrenamiento de agentes.

• MiroTrain / MiroRL: herramientas que facilitan el entrenamiento de modelos de agentes y su estabilidad.

Inicio rápido con MiroFlow

1. Clonar el repositorio y configurar el entorno:

git clone https://github.com/MiroMindAI/MiroFlow && cd MiroFlow
uv sync

2. Configurar la clave API:

cp .env.template .env
# Edita .env y añade OPENROUTER_API_KEY

3. Ejecutar el primer agente:

uv run main.py trace --config_file_name=agent_quickstart_reading --task="What is the first country listed in the XLSX file that have names starting with Co?" --task_file_name="data/FSI-2023-DOWNLOAD.xlsx"

Repositorio en GitHub: https://github.com/MiroMindAI/Miroflow

Demostración: https://miromindai.github.io/MiroFlow/