Original en inglés: https://argusic.com/subject/tribe

tribe

Herramienta low code para crear y coordinar rápidamente equipos multi-agent.

Funcionafuente: GitHubTypeScriptMITcommit e1c2020a7dd7

TypeScript, licencia MIT. El proyecto se describe a sí mismo como: agent based framework, agent oriented programming, agentic, agentic agi, ai, ai tools, chat y chatbot.

tribe funciona. Un agent de Argusic lo instaló en 25 minutos y encontró 9 errores en una máquina limpia sin GPU, y toda la sesión quedó grabada.

Frontend installs and builds (vite dev server serves 200), and the FastAPI backend installs with Poetry, connects to a real local PostgreSQL 18.4 and Redis 8.10.2, applies Alembic migrations, and serves authenticated API requests (login returns a JWT, GET /users/me returns the admin user) while its pytest suite reports 74 passed and 3 failed.

Lo que el agent consiguió en una máquina limpia, en sus propias palabras. Cómo se mide

Medido por Argusic en una máquina limpia cada vez. Cada cifra enlaza a su evidencia. Puntuación Argusic de 95,6 sobre 100 (la media de las puntuaciones de las ejecuciones de este proyecto).

De un vistazo

veredicto
Funciona
Puntuación Argusic
95,6 / 100
costo de la ejecución de verificación
0,15 USD (medido)
ejecuciones registradas
1
última prueba
estrellas
1085
forks
137
issues abiertos
9
observadores
13
tamaño
13 MB
creado
último push

Datos del proyecto de GitHub, enlazados al principio de esta página, actualizado . Datos de prueba de Argusic (CC BY 4.0); cada cifra enlaza a una página de ejecución con el log completo, la grabación y sus hashes sha256.

Qué se midió

De la ejecución que decidió este veredicto. Cada línea es un valor registrado, no una estimación.

Tiempo perdido en cada fallo al probar tribe, a partir de la ejecución registrada
Cada barra es un fallo que el agent registró, con el tiempo que le costó. Sale de esta ejecución y de ningún otro sitio.

Qué salió mal, en palabras del propio agent

Las palabras del propio agent, de lo más grave a lo menos, nunca reescritas como consejos.

  • pystemmer build failed: Python.h not found (no python3-dev headers)5 minutos
  • psycopg2 build failed: pg_config not found (no libpq dev headers)4 minutos
  • No PostgreSQL available and no root to apt-install it4 minutos
  • No Redis available for Celery broker/result backend3 minutos
  • Backend settings fail without env vars (POSTGRES_*, PROJECT_NAME, CELERY_*, QDRANT_*, embedding models)2 minutos
  • test_create_upload FileNotFoundError '/app/upload-data/...' hardcoded Docker path; /app not creatable without root2 minutos
Tiempo de instalación
25 minutos
De máquina en frío a terminar
21 minutos
Errores encontrados y corregidos
9 encontrados, 7 corregidos sin ayuda humana
Cómo se demostró el resultado
pytest: 74 passed, 3 failed; curl POST /api/v1/login/access-token returned 200 with a JWT; curl /api/v1/users/me with that token returned superuser JSON; curl http://127.0.0.1:5173/ returned 200; npm run build exited 0 producing dist/; uvicorn served /docs and /api/v1/openapi.json at 200
Tokens de modelo usados
248.700
Commit exacto probado
e1c2020a7dd7
Imagen del contenedor
sha256:cdd920bce783

Qué no se midió

La otra mitad, para que veas exactamente hasta dónde llega esta evidencia. Un hueco se muestra como hueco y nunca se rellena.

Memoria de GPU máxima
se ejecutó en una máquina con CPU, así que no había GPU que muestrear
Comportamiento en una ejecución larga
cada intento usa la configuración documentada más pequeña y un presupuesto de tiempo fijo, así que esto mide si funciona, no cómo aguanta bajo carga

Ver la sesión

La ejecución completa, desde una máquina limpia, a la velocidad a la que ocurrió. No se ha cortado ni acelerado nada.

Una grabación del intento 1, ejecutado el , el intento que decidió el veredicto anterior. La grabación de terminal a partir de la que se hizo es la evidencia, guardada con una huella sha256; el video es un render de ella. No se carga nada del servicio de video hasta que pulses reproducir.

El final de la grabación

Las últimas líneas de la sesión de terminal que decidió este veredicto, tal como se registraron.

test_depth: tier1_real — verified real end-to-end (real Postgres login, real Redis, real frontend s…
verified_how: multiple commands.
Let me set install_minutes. I'll estimate ~22 minutes of active work. Given uncertainty, I'll use a…
Let me finalize the JSON.
exec
/bin/sh -lc 'export REDIS=/tmp/pg/node_modules/.cache/redis-memory-server/redis-binaries/stable/red…
 succeeded in 0ms:
pg cnt: 1
Final state confirmed: Postgres and Redis still running, superuser present in the DB.
tokens used
248,700
Final state confirmed: Postgres and Redis still running, superuser present in the DB.

Reproducir la sesión completa, cada comando desde una máquina limpia hasta este punto.

Cómo se probó

Un agent, un contenedor, sin ayuda humana. Instala el proyecto como indica su propia documentación, lo ejecuta y arregla lo que falla. Todo lo de abajo se registró tal como ocurrió: la sesión de terminal, el log y el commit exacto. La metodología completa.

Puntos fuertes y límites

Hechos medidos, no opiniones. Cómo se redacta.

Qué salió bien

  • Llegó a funcionar en una máquina limpia, con la sesión grabada.
  • Se instaló en 25 minutos.
  • Funcionó sin GPU, así que no necesita una para arrancar.
  • Licencia MIT, según su plataforma de origen.

Qué no salió bien, o no se sabe

  • Encontró 9 errores durante la instalación, 2 de ellos sin resolver.
  • Medido una sola vez hasta ahora. Un único intento demuestra que puede funcionar, no que funcione de forma fiable.

Para qué es una opción razonable

  • Probarlo en un portátil o en un servidor pequeño: llegó a funcionar sin GPU.

También probados, en la misma área

Argusic instaló y ejecutó cada uno de estos proyectos en una máquina limpia. Aquí no aparece nada que no se haya probado.

Historial de ejecuciones

probado porintentoresultadopuntuacióncosto USDcuándo
Argusic Runner1/3Funciona95,560,15

Temas (de GitHub)

agent-based-frameworkagent-oriented-programmingagenticagentic-agiaiai-toolschatchatbotgptgpt-35-turbogpt-4gpt-4olangchain-pythonlanggraphllm-agentllm-frameworkllmslow-codeno-codeopen-source

Insertar el badge

Markdown para el README del proyecto. Enlaza de vuelta aquí; condiciones en la página de términos.

[![Tested by Argusic](https://argusic.com/badge/tribe.svg)](https://argusic.com/subject/tribe)

Preguntas

¿Funciona tribe?
Sí. tribe funciona. Argusic lo instaló y lo inició en una máquina limpia en 25 minutos, con 9 errores por el camino, y grabó la sesión.
¿Cómo probó Argusic tribe?
En una máquina limpia y desechable, con cada comando grabado y el repositorio fijado en el commit e1c2020a7dd7. Hay un intento registrado, y la metodología completa está en la página de metodología.
¿Cuánto costó probar tribe?
La ejecución que produjo este veredicto costó 0,15 USD: costo real de cómputo y de modelo, no un precio de lista por millón de tokens. Consta en la página de esa ejecución.
¿Cuánto tarda tribe en instalarse?
25 minutos en la ejecución que decidió este veredicto, desde una máquina limpia hasta que funcionó. Es un intento medido, no una media.
¿Necesita tribe una GPU?
No para arrancar. Argusic consiguió que funcionara en una máquina sin GPU.
¿Qué falla al instalar tribe?
En la ejecución registrada fallaron 9 cosas, y 7 se corrigieron sin ayuda humana. Cada una, con el tiempo que costó, aparece en esta página.
¿Dónde está la evidencia de tribe?
La ejecución registrada está en esta página, cada una enlazada a su log completo y a su grabación de terminal, guardados con una huella sha256 para que no se puedan alterar en silencio.

Discussion