Caso de Estudio de Arquitectura · Sistemas de Agentes
AI Control Plane: Orquestación de Agentes en Markdown dentro de Git
Cómo orquestamos 21 sub-agentes de IA especializados con tablas declarativas de enrutamiento, memoria duradera y puertas de verificación — reduciendo la latencia de publicación en un 70% sin errores de build.
El AI Control Plane de MeshWorld es una arquitectura declarativa en markdown ubicada en el directorio .ai/. Define el enrutamiento determinista en .ai/map.md, memoria de estado duradera en MEMORY.md y puertas de verificación pre-commit estrictas para esquemas JSON-LD, SEO y accesibilidad WCAG.
21
Sub-Agentes Especializados
70%
Reducción de Latencia
0
Errores de Compilación en Prod
100%
Tasa de Éxito en Pre-Commit
El Problema: Agentes de IA sin Restricciones en Repositorios#
La asistencia de IA en desarrollo suele sufrir de desviación de instrucciones (prompt drift), alucinaciones en rutas de archivos y rotura de esquemas.
En lugar de tratar a los agentes como cajas negras conversacionales, diseñamos un plano de control estructurado en Git donde los agentes operan como trabajadores acotados y verificados.
Especificación de Directorios (.ai/)#
Estándares de ingeniería integrados en el control de versiones
Matriz de Enrutamiento .ai/map.md
Tabla declarativa que mapea la intención del usuario a un subagente especializado, evitando precargas innecesarias.
Persistencia Duradera en .ai/agent-memory/
Hechos inmutables y decisiones de arquitectura guardados en disco para evitar que los agentes exploren el repositorio repetidamente.
Reglas de Restricción en .ai/rules/
Reglas de calidad activadas condicionalmente según los archivos modificados.
Scripts de Verificación Pre-Commit
Scripts deterministas que auditan enlaces, sintaxis MDX y contraste antes de preparar los commits.
Flota de Sub-Agentes Especializados#
Agentes con responsabilidad única y herramientas aisladas
Genera diagramas estructurados y auditorías de texto alternativo.
Verifica densidad de palabras clave, jerarquía de encabezados y meta descripciones.
Supervisa tipado estricto en TypeScript, principios SOLID y pruebas Vitest.
Elabora bloques de Respuesta Rápida de 40-60 palabras para AI Overviews.
Puertas de Verificación Automatizadas#
Filtros rápidos que eliminan regresiones antes del despliegue
Auditoría de Enlaces en Vivo
Crawler HTTP que verifica que todas las referencias internas y externas respondan con código 200.
Validación Acorn JSX / MDX
Escanea el contenido en busca de llaves no escapadas que romperían el renderizado en servidor.
Verificación de Esquemas JSON-LD
Comprueba la validez de los grafos Person, WebSite y TechArticle frente al estándar schema.org.
Conclusiones y Aprendizajes#
Markdown es la interfaz ideal para configurar agentes
Archivos legibles en .ai/ permiten auditar y versionar el comportamiento de los agentes mediante Pull Requests estándar.
Las pruebas deterministas superan a la auto-evaluación
Comprobar el código con scripts en TypeScript/Python detecta fallos que los LLMs suelen pasar por alto al auto-revisarse.
La memoria duradera evita el consumo de contexto
Mantener un MEMORY.md centralizado redujo el consumo de tokens en un 60%.
Preguntas Frecuentes (PAA)#
¿En qué se diferencia un AI Control Plane de prompts convencionales?
Los prompts convencionales son volátiles. Un AI Control Plane estructura el trabajo de la IA mediante reglas formales, tablas de enrutamiento y puertas de validación en Git.
¿Qué proyectos utilizan este estándar .ai/?
Está en producción en MeshWorld India (meshworld.in) y proyectos del ecosistema para asegurar calidad y cero errores en build.
¿Es compatible con otros frameworks?
Sí, la especificación es agnóstica al framework y funciona con Astro, Next.js, Docusaurus y microservicios.
Explora MeshWorld India en Producción
Descubre publicaciones técnicas y arquitecturas gestionadas mediante el AI Control Plane.
Visitar Plataforma MeshWorld →