tai-chat
CLI y plantillas para crear chatbots sobre tai-sql y tai-api. Con un comando monta en tu repositorio un asistente con LLM que responde sobre los datos de la empresa: la API, el agente y sus herramientas, el front en React, los usuarios y sus permisos, y lo que cuesta cada respuesta. Las herramientas del agente leen como el usuario que pregunta: con sus permisos y sus reglas de fila, las mismas que la API.
config.yaml ──▶ tai-chat config generate ──▶ el agente, la marca del front, los puertos
rbac/chatbot.py ──▶ tai-chat db push ──▶ los roles, y quién ve qué
schemas/chatbot.py ──▶ tai-chat db push ──▶ las conversaciones, el catálogo y el consumo
tai-chat dev ──▶ el chat en http://localhost:4713
📖 El manual completo está en triplealpha-innovation.github.io/tai-chat
Quickstart
En un repositorio, con PostgreSQL, Poetry, Node 22 y Graphviz:
pip install tai-chat
echo 'MAIN_DATABASE_URL=postgresql://user:pass@localhost:5432/mydb' >> .env
set -a && . .env && set +a
tai-chat init # chatbot/ (la API, el asistente y el front) y database/
# completar el .env con lo de chatbot/.env.example, y declarar los modelos en chatbot/config.yaml
tai-chat db push # schemas, modelos, roles y el usuario admin
tai-chat config # la tarifa de cada modelo
tai-chat dev # http://localhost:4713
Una herramienta para el agente, en agente/herramientas/:
@tool
async def mis_averias(estado: str, runtime: ToolRuntime[Contexto]) -> list[dict]:
"""Las averías del usuario en un estado: abierta, en_curso o cerrada."""
runtime.context.exigir("read", "averia") # su permiso
filas = await AveriaAsyncDAO.find_many(
estado=estado, rls=runtime.context.reglas("mantenimiento"), limit=20, # sus reglas de fila
)
return [{"id": f.id, "descripcion": f.descripcion} for f in filas]
Los principios que explican el resto
- La declaración es la única fuente de verdad. Un chatbot se declara en
config.yaml,rbac/chatbot.pyyschemas/chatbot.py. Lo demás se deriva y no se edita a mano. - tai-chat consume tai-sql y tai-api, no los reimplementa. El CRUD, la autenticación, los permisos y el cliente TypeScript son los suyos.
- El proyecto se despliega sin tai-chat. Lo que copia
initno importatai_chat: es una herramienta de desarrollo, no una dependencia de producción. - Lo de un usuario solo lo alcanza él, por la API y a través del agente.
- Cada respuesta se cobra, con la tarifa de su modelo, y sin tarifa, saldo o límite el chat lo dice en vez de responder.
Qué trae
| El agente | LangChain y LangGraph, con streaming por WebSocket, memoria por conversación, un límite de vueltas y middlewares para filtrar herramientas por permisos |
| Herramientas que leen como el usuario | El token del usuario llega a cada herramienta, que pide su permiso y consulta con sus reglas de fila: las de owner() y los roles de tai-api |
| Sub-agentes | Herramientas que construyen su propio agente, con sus herramientas, el mismo usuario y el consumo sumado a la respuesta |
| Modelos | OpenAI, Azure OpenAI y Google, declarados en config.yaml, elegibles por conversación |
| Consumo | Tarifas con histórico, margen, límites mensuales por usuario y bolsas de crédito. Cada respuesta se apunta con todas sus llamadas al modelo |
| El front | React, Vite, Tailwind y shadcn sobre el cliente de tai-api: el chat, la gestión de usuarios, el consumo y el laboratorio con los pasos del agente. La marca, desde config.yaml |
| Usuarios y roles | La autenticación de tai-api, con realm y clave de firma propios. Cada uno ve sus conversaciones, también el Administrador |
| Docker | Un compose con la API y el front, con los puertos de config.yaml |
| Valoraciones | tai-chat feedback: un informe en Markdown o PDF de lo que los usuarios valoraron, con su contexto |
El manual
| Sección | Qué responde |
|---|---|
| Instalación | Qué necesita tu máquina, y por qué |
| Tu primer chatbot | De un repositorio vacío a un chat que responde |
| Configurar | config.yaml, los modelos y su consumo, y los roles |
| El asistente | Cómo funciona el agente, cómo darle herramientas y cómo construir sub-agentes |
| El front | Qué trae la interfaz y cómo se personaliza |
| Desplegar | Llevar el chatbot a Docker |
| Referencia | Los comandos, la API del asistente, las variables y las migraciones |
Desarrollo
git clone https://github.com/triplealpha-innovation/tai-chat
cd tai-chat
poetry install --all-extras
poetry run pytest -q -rs # -rs: lo que se salta, y por qué
Los tests van por niveles de infraestructura: sin nada; con el proyecto generado por init
(marcador proyecto); y contra PostgreSQL (db), que necesita TAI_CHAT_TEST_POSTGRES_URL y se
salta sin ella. Lo que no tiene su infraestructura se salta con el motivo, no falla.
El CI tiene tres workflows: tests.yaml ejecuta la suite en cada push y PR a main y dev,
docs.yaml publica el manual y publish.yaml publica a PyPI en push a main, después de pasar la
suite. La rama de trabajo es dev.
El manual, en local
pip install -r docs/requirements.txt
mkdocs serve # http://127.0.0.1:8000, con recarga en caliente
mkdocs build --strict # lo mismo que valida el CI
El manual vive en docs/ y es para quien usa tai-chat. Para quien trabaja en tai-chat están
CLAUDE.md, las reglas de .claude/rules/ y las especificaciones de specs/.
Licencia
Propietaria: © Triple Alpha Innovation, todos los derechos reservados. Ver LICENSE.
Desarrollado por Triple Alpha Innovation · Issues
Metadata
Release files for tai-chat 0.3.1
For a detailed explanation of source distributions (sdists) and built distributions (wheels), please see the package formats documentation.
Source distribution (sdist)
| File | Size | Uploaded | Provenance | Actions |
|---|---|---|---|---|
| tai_chat-0.3.1.tar.gz | 279.5 kB | Without provenance | Details for tai_chat-0.3.1.tar.gz |
Built distribution (wheel)
| File | Interpreter | ABI | Platform | Actions Reset |
|---|---|---|---|---|
| tai_chat-0.3.1-py3-none-any.whl | Python 3 | none | any | Details for tai_chat-0.3.1-py3-none-any.whl |
Total release size: 638.0 kB
Release files / tai_chat-0.3.1.tar.gz
| Download URL | tai_chat-0.3.1.tar.gz |
|---|---|
| Size | 279.5 kB |
| Tags | Source |
|
SHA-256 checksum How to use checksums |
86c0af1ff08945798205e64eb19b011a5684f67a212a0bd0e3c66dde4dbaeb88
|
|
BLAKE2b-256 checksum How to use checksums |
28ef5b78464b1fd12d9d3ee8e3193bf3c6a6fb850768c205fd2ab7f1da55821c
|
| Upload date | |
|
Uploaded using Trusted Publishing? What is trusted publishing? |
No |
| Uploaded via |
poetry/2.5.1 CPython/3.11.0 Linux/6.17.0-1022-azure
|
Release files / tai_chat-0.3.1-py3-none-any.whl
| Download URL | tai_chat-0.3.1-py3-none-any.whl |
|---|---|
| Size | 358.5 kB |
| Tags | Python 3 |
|
SHA-256 checksum How to use checksums |
de59d3a5e503c1ffab73c4d61411ee1389e5b7fb797fda7daba910fc69f1f316
|
|
BLAKE2b-256 checksum How to use checksums |
c89806605ea14da30731ba0806858dc8f2aa86d2a2ab203c317b0f41c105e19f
|
| Upload date | |
|
Uploaded using Trusted Publishing? What is trusted publishing? |
No |
| Uploaded via |
poetry/2.5.1 CPython/3.11.0 Linux/6.17.0-1022-azure
|
Security for tai-chat 0.3.1
Provenance
Provenance describes where a file came from. On PyPI, provenance is shared via attestations, which provide a verifiable record of the build or publishing details. View details, limitations and caveats.
No provenance found
None of the files in this release were uploaded with provenance metadata.
A note on package security
PyPI is a repository for distributing packages, not a service for auditing them. While third-party security researchers and our staff do their best to detect and remove malicious packages, PyPI cannot guarantee the quality, security or suitability of any given package.
To learn more about protecting yourself from malicious actors, visit our package security documentation.