omniachain 0.1.0

The async-first, multi-modal AI framework. Better than LangChain.

🔗 OmniaChain

Framework Python para agentes de IA — async-first, multi-modal, MCP nativo.

Mais poderoso que LangChain. Mais simples que CrewAI. Seguro com PGP.

---

✨ Recursos

Recurso	Descrição
🚀 Async-first	asyncio em tudo — zero bloqueio
🎨 Multi-modal	Texto, PDF, imagem, áudio, vídeo, CSV, URL, código
🤖 5 Providers	Anthropic, OpenAI, Groq, Ollama, Google Gemini
🛠️ Tools nativas	Web search, calculator, HTTP, file, code exec, browser
🧠 4 tipos de memória	Buffer, Summary, Vector (pgvector), Persistent (SQLite)
🔌 MCP nativo	Server + Client + Memory Server via MCP Protocol
🔐 Segurança PGP	Keypair, permissions, guard, middleware com auditoria
🎭 4 tipos de agente	ReAct, Multimodal, Planner, Supervisor
📊 Observability	Logger, Tracer, Cost Tracker, Dashboard
🔄 Pipelines	Sequencial, Paralelo, Condicional, Router
🎯 Orquestração	Session multi-agente, Pool de providers, Fallback

---

🚀 Instalação

pip install omniachain

# Com todos os extras
pip install omniachain[all]

# Extras específicos
pip install omniachain[vector]    # pgvector
pip install omniachain[browser]   # Playwright
pip install omniachain[audio]     # Whisper

---

📖 Uso Rápido

Agente básico (3 linhas!)

from omniachain import Agent, Anthropic, calculator, web_search

agent = Agent(provider=Anthropic(), tools=[calculator, web_search])
result = await agent.run("Quanto é 15 * 32 + raiz de 144?")
print(result.content)  # "O resultado é 492"

Multi-modal

from omniachain import MultimodalAgent, OpenAI

agent = MultimodalAgent(provider=OpenAI("gpt-4o"))
result = await agent.run(
    "Analise estes dados",
    inputs=["relatorio.pdf", "grafico.png", "dados.csv"]
)

Multi-agente com Supervisor

from omniachain import Anthropic, Groq, ReActAgent, SupervisorAgent, web_search, calculator

researcher = ReActAgent(provider=Anthropic(), tools=[web_search], name="researcher")
analyst = ReActAgent(provider=Groq(), tools=[calculator], name="analyst")

supervisor = SupervisorAgent(
    provider=Anthropic(),
    sub_agents=[researcher, analyst],
)
result = await supervisor.run("Pesquise IA e analise os dados")

MCP Server

from omniachain import MCPServer

server = MCPServer("meu-servidor")

@server.tool
async def consultar(query: str) -> str:
    """Consulta dados."""
    return f"Resultado: {query}"

await server.run(transport="stdio")

Segurança PGP

from omniachain import Agent, KeyPair, Permissions

keys = await KeyPair.generate(agent_name="admin")
perms = Permissions()
perms.grant(keys.fingerprint, tools=["calculator"])  # Só calculator
perms.deny(keys.fingerprint, tools=["code_exec"])    # Nunca code_exec

agent = Agent(provider=..., tools=[...], keypair=keys, permissions=perms)

Custom Tool

from omniachain import tool

@tool(cache=True, retries=3)
async def buscar_preco(produto: str, moeda: str = "BRL") -> float:
    """Busca o preço de um produto."""
    return 42.0

# Schema JSON gerado automaticamente!
print(buscar_preco.schema)

---

🏗️ Arquitetura

omniachain/
├── core/           # Config, Message, Response, Context, Chain, Errors
├── providers/      # Anthropic, OpenAI, Groq, Ollama, Google
├── loaders/        # Auto-detect: PDF, Image, Audio, Video, CSV, URL, Code
├── tools/          # @tool decorator, calculator, HTTP, file, code, search
├── memory/         # Buffer, Summary, Vector (pgvector), Persistent, MCP
├── mcp/            # Server, Client, Transport (stdio/HTTP), Registry
├── security/       # KeyPair (PGP), Permissions, Guard, Middleware
├── agents/         # Base, ReAct, Multimodal, Planner, Supervisor
├── pipeline/       # Sequential, Parallel, Conditional, Router
├── orchestration/  # Session, ProviderPool, Fallback, CostOptimizer
└── observability/  # Logger, Tracer, CostTracker, Dashboard

---

🔐 Segurança

O OmniaChain implementa segurança PGP completa:

1. KeyPair: Cada agente tem par de chaves (GPG real ou HMAC fallback)
2. Permissions: Grant/Deny por tool, memory e provider
3. Guard: Decorator @requires_permission para proteger funções
4. Middleware: Valida assinatura + permissão + anti-replay + auditoria

---

🧠 Memória Vetorial (MCP + pgvector)

from omniachain.memory.mcp_memory import MCPMemoryServer

# Servidor MCP de memória vetorial
server = MCPMemoryServer(dsn="postgresql://localhost/omniachain")
await server.run(transport="stdio")

# Qualquer agente MCP pode acessar:
# - memory_store: armazena com embedding
# - memory_search: busca semântica
# - memory_delete: remove por ID

---

📊 Observabilidade

from omniachain import CostTracker, Tracer

tracker = CostTracker()
tracker.record(response)

print(f"Custo total: ${tracker.total_cost:.4f}")
print(tracker.summary())

---

🧪 Testes

pip install pytest pytest-asyncio
pytest tests/ -v

---

📁 Variáveis de Ambiente

Variável	Descrição
ANTHROPIC_API_KEY	API key Anthropic
OPENAI_API_KEY	API key OpenAI
GROQ_API_KEY	API key Groq
GOOGLE_API_KEY	API key Google
OMNIA_DEFAULT_PROVIDER	Provider padrão
OMNIA_PGVECTOR_DSN	DSN PostgreSQL pgvector
OMNIA_SECURITY_ENABLED	Ativar segurança PGP

---

📜 Licença

MIT License — Use como quiser.

---

Feito com ❤️ para a comunidade de IA.