Dxrk

Ecosistema, Frameworks y Workflows para agentes de IA

Qué es Dxrk

Dxrk es el configurador y orquestador de ecosistemas para agentes de IA. Unifica memoria persistente, Spec-Driven Development, skills curadas, servidores MCP y un conmutador de proveedores de modelos en una sola herramienta de línea de comandos.

Escrito en Python 3.13+ con una TUI basada en Textual, Dxrk:

• Configura 42 agentes de IA (Claude Code, OpenCode, Codex, Gemini CLI, Cursor, Copilot, Windsurf y más) con un solo comando.
• Mantiene memoria persistente entre sesiones y proyectos (SDD, decisiones, contexto, aprender de cada interacción).
• Gestiona skills curadas y servidores MCP por proyecto.
• Conmuta entre proveedores y modelos de IA con perfiles de costo por fase (cheap/balanced/quality) o por comando.
• Ejecuta workflows de desarrollo: planificación, commits con conventional commits, PRs, revisión de código, keybindings y más.

Instalación

Requisito: Python 3.13 o superior.

Con uv (recomendado)

uv tool install --from git+https://github.com/Dxrk777/Dxrk.git dxrk

Con pip

pip install git+https://github.com/Dxrk777/Dxrk.git

Desde el código fuente

git clone https://github.com/Dxrk777/Dxrk.git
cd Dxrk
uv sync --all-extras
uv run dxrk-py --help

Uso rápido

# Instalar y configurar un agente
dxrk-py install --agent claude-code --preset full-dxrk

# Preguntar sobre un concepto
dxrk-py query "explica qué es Spec-Driven Development"

# Sincronizar perfil de modelos barato
dxrk-py sync --profile cheap:openrouter/qwen/qwen3-30b-a3b:free

# Perfil por fase (ej. diseño)
dxrk-py sync --profile-phase cheap:sdd-design:anthropic/claude-sonnet-4-20250514

Agentes soportados (42)

Características

• Memoria persistente: dxrk-memory (binario externo en Dxrk777/dxrk-memory, instalable vía Homebrew o GitHub Releases) con búsqueda semántica: dxrk-memory search "SDD".
• Spec-Driven Development: inicialización por proyecto con /sdd-init, especificaciones, diseño y verificación.
• Skills: dxrk-py skill-registry refresh para sincronizar el registro de skills del proyecto.
• Servidores MCP: 35 servidores configurables vía .mcp.json.
• Conmutador de modelos: perfiles cheap / balanced / quality, asignación por fase (sdd-design, sdd-spec, sdd-tasks, etc.).
• TUI: interfaz Textual con detección de agentes instalados.
• Workflows Git: commits con conventional commits, PRs con revisión, keybindings configurables.

Estructura del proyecto

dxrk/
├── __main__.py            # Entry point CLI
├── autonomy/              # Aprendizaje, evolución, verificador
├── cli/                   # Comandos de instalación y ejecución
├── commands/              # Comandos del orquestador (commit, plan, mcp, ...)
├── config/                # Configuración y validación
├── mcp/                   # Clientes MCP
├── observe/               # Observabilidad y traces
├── query/                 # Motor de consultas
├── rag/                   # Retrieval-Augmented Generation
├── security/              # JWT, permisos
├── system/                # Detección de plataforma y gestión del sistema
├── tools/                 # Herramientas del agente
├── trace/                 # Trazabilidad
├── tui/                   # Interfaz Textual
└── utils/                 # Utilidades (fileops, hooks, http, ...)

Desarrollo

uv sync --all-extras          # Instalar dependencias y extras
uv run pytest                 # Suite de tests (2760+ tests)
uv run --with mypy mypy dxrk/ # Type checking

Roadmap

• v4.1.0 — pipeline de entrenamiento ML, pre-commit, dependabot, más integraciones.
• v4.2.0 — marketplace de plugins.
• v5.0.0 — multi-tenant.

Documentación

Licencia

MIT — ver LICENSE.

DXRK // BEYOND LIMITS