Entroly

Plano de control de contexto local-primero y servidor MCP para agentes de codificación de IA. Selecciona evidencia bajo un presupuesto de tokens, mantiene el contenido omitido recuperable byte-exactamente mediante identificadores CCR, y emite Recibos de Contexto auditables. Verifica localmente (sin clave API): entroly verify-claims (12/12 aprobados). Los ahorros dependen de la carga de trabajo. Apache-2.0.

GitHub

471

Prueba este MCPPatrocinado

Documentación

Entroly

Entroly — Selecciona contexto de IA con recuperación auditable.

Registros de selección respaldados por recibos: qué se conservó, qué se omitió y el identificador que recupera los bytes originales exactos.
Compresión que puedes deshacer, en tu propio repositorio, con un solo comando — sin reemplazar tu modelo o arquitectura de agentes.

Entroly context selection and receipt workflow illustration

code --install-extension entroly.entroly-vscode · pip install -U entroly && entroly go · npx entroly

_{Entroly es una capa de eficiencia de tokens y aseguramiento de contexto de código abierto, local-primero: selección de evidencia con presupuesto, compresión de contexto recuperable, recuperación de evidencia con direccionamiento por contenido y recibos auditables. Funciona con VS Code, Claude Code, Cursor, Codex, OpenClaw, GitHub Copilot, Aider y aplicaciones compatibles con OpenAI/Anthropic.}

English · 简体中文 · 繁體中文 · 日本語 · 한국어 · Español · हिन्दी · Français · Deutsch · Português · Italiano · Türkçe · Tiếng Việt · Bahasa Indonesia · Polski · Nederlands · ไทย · Svenska · Čeština · Tagalog · Română

Retención de precisión

Experimento reportado por mantenedores históricos, no una garantía de calidad. La tabla siguiente reporta una ejecución con presupuesto de 50K tokens. Los intervalos de confianza superpuestos no establecen equivalencia ni descartan degradación. Estos resultados no han sido reproducidos de forma independiente aquí.

_{Modelo: gpt-4o-mini · Presupuesto: 50K tokens · Wilson 95% CI · Reproducir: python -m bench.accuracy --benchmark all}

Benchmark	n	Línea base (95% CI)	Entroly (95% CI)	Retención	Delta del benchmark
NeedleInAHaystack	20	100.0% [83.9–100%]	100.0% [83.9–100%]	100.0%	Línea base
GSM8K	100	85.0% [76.7–90.7%]	86.0% [77.9–91.5%]	101.2%	+1.0%
SQuAD 2.0	100	84.0% [75.6–89.9%]	83.0% [74.5–89.1%]	98.8%	-1.0%
MMLU (MCQ de 4 vías)	100	82.0% [73.3–88.3%]	85.0% [76.7–90.7%]	103.7%	+3.0%
TruthfulQA (MC1)	100	72.0% [62.5–79.9%]	73.0% [63.6–80.7%]	101.4%	+1.0%
LongBench (HotpotQA)	100	57.0% [47.2–66.3%]	59.8% [49.8–69.0%]	104.9%	+2.8%

_{La puntuación reportada de SQuAD cayó del 84% al 83%. Los ratios de retención superiores al 100%
pueden reflejar variabilidad de muestreo o del modelo. Los intervalos mostrados son valores
históricos reportados, no una comparación pareada validada; los intervalos de Wilson requieren
resultados binarios y no justifican incertidumbre para puntuaciones promedio de crédito parcial.
Establecer no-inferioridad requiere una tolerancia predefinida, resultados pareados por tarea,
estimaciones de incertidumbre apropiadas y un tamaño de muestra adecuado. Estos resultados no pueden
extrapolarse a compresiones más agresivas u otros modelos.}

Calidad de selección de contexto

_{Corpus sintético de 19 fragmentos · presupuesto de 300 tokens · 3 consultas de prueba · Reproducir: entroly benchmark}

Métrica	RAW (FIFO ingenuo)	TOP-K (línea base local)	ENTROLY (Knapsack)
Fragmentos seleccionados promedio	6.0	6.0	8.7
Cobertura de módulos promedio	3.0	3.7	8.7
Capturas totales de SAST	0	0	3

_{Entroly ve 8.7 módulos donde TOP-K ve 3.7 — incluye autenticación, pagos Y limitación de tasa. TOP-K omite el limitador de tasa. Metodología completa, CIs y comandos de reproducción →}

Investigación

Entroly incluye las siguientes implementaciones orientadas a la investigación. La presencia de un módulo no establece fiabilidad de producción, novedad matemática o validación independiente; consulta su implementación y las limitaciones de evaluación.

Algoritmo	Qué hace	Implementación
BIPT	Detección de alucinaciones a nivel de byte mediante trazado de procedencia inspirado en Kolmogorov	`provenance_tracer.py`
NKBE	Equilibrio de presupuesto de tokens multiagente Nash-KKT	`nkbe.rs`
Causal Context Graph	Aprendizaje de retroalimentación de fragmentos consciente de intervenciones	`causal.rs`
Cognitive Bus	Enrutamiento de eventos ISA con prioridad de divergencia KL	`cognitive_bus.rs`
Resonance Matrix	Aprendizaje de valor de fragmentos pareados supermodular	`resonance.rs`
System 1 <> 2	Puente de creencias verificadas de doble proceso (proxy <> vault)	`coupling.py`

Leer la documentación completa de investigación · Citar Entroly

¿Qué es? · Instalación · Inicio rápido · Benchmarks · Preguntas

Centro de integración

Usa Entroly en el límite de SDK, framework, proxy, MCP, plugin o agente. Un nombre listado no es automáticamente una afirmación de que la inferencia de suscripción alojada es interceptada; los ahorros vinculados al proveedor existen solo cuando la solicitud atraviesa una ruta controlada por Entroly.

Rutas directas y probadas	Rutas guiadas o limitadas
Middleware de Vercel AI SDK · OpenAI SDK · Anthropic SDK	Agno · Strands Agents · CrewAI · AutoGen
LangChain · LiteLLM · MCP	Claude Code en Vertex AI · Claude Code en Azure AI Foundry
OpenClaw · OpenCode	Claude Code en VS Code · VS Code Copilot · Grok

Abrir el centro completo de integración y operaciones verificado →

¿Qué es Entroly? (en lenguaje sencillo)

Los asistentes de codificación con IA tienen un límite de memoria. Entrégale todo tu código base y se vuelve lento, costoso y distraído — como darle a alguien un manual de 500 páginas cuando solo necesitaba la página 47.

Entroly encuentra la página 47.

Se sitúa entre tu código y la IA, lee todo, y pasa solo las partes seleccionadas para la pregunta. Tres propiedades para evaluar en tu tarea:


💰 Tu factura baja	Menos palabras enviadas a la IA significa una factura más pequeña. Cuánto depende del trabajo — consulta los números reales a continuación.
🔍 Originales recuperables	La recuperación respaldada por recibos retiene el material fuente localmente. La recuperación exacta requiere que el almacén referenciado y los bytes fuente permanezcan disponibles; no garantiza la calidad de la respuesta.
🧾 Puedes verificar su trabajo	Cada decisión viene con un recibo: qué se conservó, qué se omitió y por qué.
¿Tengo que cambiar mi código? No. En hosts con un enganche de prompt verificado,
Entroly se ejecuta antes de que el modelo planifique. Las integraciones solo-MCP siguen siendo herramientas
invocables que un agente puede omitir; el tráfico de API se intercepta solo cuando se enruta
a través del proxy de Entroly. Consulta `entroly activation status --json` en lugar de
asumir que una integración instalada está activa.

¿Necesito pagar algo para probarlo? No. Los dos comandos en la sección Instalación a continuación se ejecutan en tu propia máquina, sin clave de API, y te muestran números reales en tu propio proyecto antes de conectar algo de pago. (La falta de soporte del motor nativo se reporta sin descargar paquetes — consulta la nota bajo Instalación.)

Instalación

¿No sabes cuál elegir? Elige Python. Es la versión completa y la que la mayoría usa. Las otras son formas alternativas de ejecutar el mismo motor. | Plataforma | Instalación | Qué obtienes | |---|---|---| | 🐍 Python (pip) — recomendado | pip install -U entroly | Todo: la herramienta de línea de comandos, el servidor con el que habla tu editor de IA y la biblioteca de código | | 📦 Node / npm | npm install -g entroly | El mismo motor, sin necesidad de Python | | 🦀 Rust (compilación desde fuente) | cd entroly-core && cargo build --release --bin entroly-rs --features proxy | Un programa autocontenido, sin necesidad de Python o Node | | 🍺 Homebrew | brew install juyterman1000/entroly/entroly | La herramienta de línea de comandos en macOS/Linux | | 🐳 Docker | docker pull ghcr.io/juyterman1000/entroly:latest | Se ejecuta en un contenedor, sin instalar nada en tu máquina |

¿Prefieres un ejecutor de paquetes en lugar de una instalación global? Estos comandos usan los mismos artefactos publicados en una caché de herramientas aislada:

# Node / WASM runtime
npx -y entroly@latest --help
pnpm dlx entroly@latest --help
bunx entroly@latest --help

# Complete Python runtime
uvx --from entroly entroly --help
pipx run --spec entroly entroly --help

Los comandos de Node proporcionan el CLI WASM local. Los comandos de Python proporcionan el CLI completo, SDK, MCP, proxy, verificación y la ruta del motor nativo descrita anteriormente. El flujo de trabajo de lanzamiento de Entroly prueba los cinco ejecutores contra la versión exacta antes de que un lanzamiento se considere completo.

Ahora verifica que funcionó — gratis, sin clave de API:

cd /your/repo
entroly verify-claims
entroly simulate

_{Ambos se ejecutan localmente. Ninguno llama a una IA ni cuesta nada.}

_{La reparación del paquete de tiempo de ejecución está desactivada por defecto. Si el motor nativo falta,
la selección condicionada por consulta no está disponible y las cifras de reducción se etiquetan
como no ganadas. Instálalo explícitamente con python -m pip install -U entroly-core, llama
a entroly.repair() desde Python, o establece ENTROLY_ENABLE_SELF_HEAL=1 para permitir
la reparación al inicio. Esto descarga a través del índice de paquetes configurado (normalmente
PyPI). ENTROLY_NO_SELF_HEAL=1 y ENTROLY_AIR_GAP=1 anulan el consentimiento de reparación.
Consulta Privacidad y seguridad de datos de recuperación.}

Extras (entroly[proxy], entroly[native], entroly[full]), el binario Rust independiente y los pasos de desinstalación: Opciones de motor e instalación.

¿Contribuyes desde el código fuente? Sigue la configuración de desarrollo reproducible. La instalación local y la suite de pruebas normal no necesitan clave de API; .env.example documenta solo configuraciones opcionales de espacio de trabajo, sin conexión, proveedor y proxy.

Inicio rápido — según cómo trabajas

¿Solo quieres que funcione? pip install -U entroly && entroly go — eso es todo. Encuentra tu editor, se configura solo y te muestra un panel de antes/después. El resto de esta tabla es para configuraciones específicas. | Tu situación | Haz esto | Lo que obtienes | |---|---|---| | 🟢 "Solo quiero activarlo." (usuario de pip / Python) | pip install -U entroly && entroly go | Detecta automáticamente tu editor, envuelve tu agente y abre un panel que muestra los tokens antes y después | | "Uso Node, no Python." (usuario de npm) | npm install -g entroly && entroly init | El mismo motor, sin necesidad de Python | | "Quiero un solo binario, sin runtime." (usuario de Rust) | cargo build --release --bin entroly-rs --features proxy (desde entroly-core/) | Un único programa nativo sin dependencias | | "Uso Claude Code, Codex, Gemini CLI o plugins de agente de VS Code." (usuario de plugins) | Instala el plugin/extensión de Entroly para ese host, envía un prompt y luego ejecuta entroly activation status --json | Un hook de prompt confiable realiza una selección local acotada antes de la planificación; un recibo demuestra que el hook se ejecutó | | "Uso Cursor con configuraciones de terceros habilitadas." | entroly activation install --host cursor --project . | Fusiona un hook de prompt reversible compatible con Claude; el MCP nativo de Cursor sigue siendo consultivo | | "Uso Kiro IDE 1.x o CLI 3.x." | entroly activation install --host kiro --project . | Instala un hook de proyecto reversible PromptSubmit cuyo stdout se agrega al contexto del agente | | "Uso otro host MCP." | entroly attach create --client claude --project . --ttl 4h --install o el comando específico del cliente en la matriz de compatibilidad | Herramientas y recibos de Entroly con alcance definido; el modelo aún puede omitir MCP a menos que el host tenga un hook de ciclo de vida verificado | | "Estoy creando mi propia aplicación en Python." (usuario de SDK) | from entroly import compress, compress_messages, optimize | Llámalo directamente desde tu código, en cualquier lugar donde ensambles un prompt |

Los usuarios de Cursor MCP también pueden usar este enlace de instalación de un clic (no se requiere cuenta de marketplace): Agregar Entroly a Cursor. | "Tengo una clave API y mi propia aplicación." (usuario de proxy) | entroly proxy → apunta ANTHROPIC_BASE_URL / OPENAI_BASE_URL / GOOGLE_GEMINI_BASE_URL a localhost:9377 | Cada solicitud se optimiza de paso — sin cambios de código de tu lado |

_{Rescate de sesiones descontroladas — automático en el proxy, invocable en cualquier otro lugar.
Cuando una sesión de agente larga se acerca al límite de contexto del proveedor, la salida
voluminosa de herramientas se compacta en vuelo: sin /compact manual, el prefijo del prompt permanece
byte-estable para que tu caché de proveedor cálida sobreviva, y cada intervalo omitido es
recuperable. El proxy lo hace por ti porque ve la solicitud saliente.
En cualquier otro lugar — pip, SDK, un envoltorio de SDK de proveedor o un host MCP que pase su
transcripción — entrega la conversación y obtén la misma política:
from entroly import rescue_session. entroly capabilities informa qué
protecciones se aplican según cómo estás ejecutando. Consulta
rescate de sesión.}

Por qué molestarse: menos contexto innecesario llega al modelo (menor factura, menos distracción para el modelo), nada se pierde silenciosamente (cada descarte es recuperable y está registrado), y puedes demostrarlo — entroly verify-claims y entroly simulate muestran números reales en tu propio repositorio antes de conectar una clave de pago.

from entroly import compress, compress_messages, optimize
compressed = compress(api_response, budget=2000)
messages   = compress_messages(messages, budget=30000)
context    = optimize(fragments, budget=8000, query="fix the login bug")

entroly compress response.json --out small.json
entroly recover sha256:0b957c79... --out restored.json

Rutas de configuración completas para cada agente, IDE y caso de uso de CI: Comienza en profundidad · Referencia de comandos.

Míralo funcionar en 30 segundos

No son grabaciones simuladas — cada video se renderiza desde un comando verificado que verifica su artefacto fuente antes de imprimir un número.

entroly verify-claims — importación, compresión, recibos, verificaciones WITNESS, recuperación, enrutamiento de proxy, reproducción. Sin clave API.

En un conjunto de retención congelado de 24 casos, Entroly respondió 24/24; una línea base publicada respondió 18/24 con aproximadamente 1.5x el contexto efectivo. python scripts/readme_proof.py model-recovery

Evidencia omitida recuperada byte-exacta después de un reinicio del proceso, 66/66 cargas útiles. python scripts/readme_proof.py restart-recovery

Protocolos completos, tamaños de muestra y cada advertencia: docs/BENCHMARKS.md.

Benchmarks

La pregunta que importa: si envías menos, ¿el AI empieza a equivocarse? Estas son pruebas públicas estándar, ejecutadas con y sin Entroly.

Cómo leer esto: Retención es qué tan bien respondió el AI — 100% significa que funcionó igual de bien con mucho menos texto. Ahorro de tokens es cuánto menos se envió (y por lo tanto se pagó). Medido con gpt-4o-mini; los intervalos son IC de Wilson al 95%.

Benchmark	Línea base	Con Entroly	Retención	Ahorro de tokens
NeedleInAHaystack	100%	100%	100%	99.5%
LongBench (HotpotQA)	64%	66%	103%	85.3%
Berkeley Function Calling	100%	100%	100%	79.3%
SQuAD 2.0	80%	72%	90%	43.8%
GSM8K	85%	85%	100%	pass-through*
_{*pass-through: el contexto ya cabía en el presupuesto, se dejó sin cambios. n=20–50 por fila. Reproducir: python benchmarks/run_readme_benchmarks.py (necesita OPENAI_API_KEY).}

Siendo honestos contigo: mira la fila de SQuAD 2.0 — la precisión bajó (80% → 72%). La compresión es un intercambio, no magia, y no gana en todos lados. Por eso existe entroly simulate: ejecútalo en tu propio proyecto y ve tus propios números antes de comprometerte con algo.

Detección de alucinaciones (WITNESS, local, sin API): 84.92% de precisión / 0.7976 AUROC en 20,000 decisiones de HaluEval-QA — dentro de la incertidumbre reportada de gpt-4o-mini como juez API en la misma muestra compartida.

Benchmark congelado de selección de evidencia (prototipo de investigación PRISM-R opt-in, no el compresor predeterminado): un guardián de desacuerdo mantuvo el pasaje con la respuesta en 298 de 300 casos mientras seleccionaba un promedio de 1.02 de 16 pasajes (McNemar exacto pareado p=0.21875 vs. BM25 solo) — este experimento mide la recuperación del pasaje con la respuesta conocida, no la calidad de la respuesta generada. Protocolo completo: Frontera de evidencia neuronal PRISM-R.

Los resultados de recuperación, latencia y comparaciones directas con modelos de frontera están en docs/BENCHMARKS.md con artefactos crudos enlazados. Ninguno de estos números es una garantía universal o de ahorro en producción para tu carga de trabajo — reprodúcelos en tu propio repositorio con entroly simulate y entroly value.

Características

Selecciona primero, reduce después — determina qué archivos realmente responden tu pregunta, luego los comprime.
Te devuelve el original, exactamente — cualquier cosa omitida se puede restaurar carácter por carácter y verificar contra una huella digital.
Muestra su trabajo — un recibo para cada decisión: qué se mantuvo, qué se omitió y por qué, y qué riesgo queda.
Verifica las respuestas — compara lo que el AI dijo contra la evidencia que se le dio, en tu máquina, sin pagar por una segunda llamada de AI.
No arruina tu caché — mantiene estables las partes sin cambios de tu prompt para que el descuento de tu proveedor por texto repetido siga aplicándose.
Rescata sesiones antes de que fallen — cuando una conversación crece demasiado, recorta la salida recuperable en lugar de dejar que el proveedor rechace la solicitud a mitad de tarea.
Puede enrutar trabajo barato a modelos baratos — opcional y con cierre seguro ante incertidumbre.
Memoria compartida entre agentes — Claude, Codex, Cursor y Gemini pueden leer y escribir el mismo almacén de contexto comprimido con deduplicación automática SimHash y seguimiento de procedencia del agente.
Reducción de tokens de salida — el enrutamiento basado en esfuerzo clasifica la complejidad de la consulta y controla la verbosidad del modelo, reduciendo los tokens de salida junto con los de entrada.
Compresión de hooks de shell — compresión transparente de salida CLI para git, npm, cargo, docker, pytest, kubectl y terraform. Preserva errores y advertencias, elimina barras de progreso y texto repetitivo.
Compresión de imágenes — reducción del 40-90% en capturas de pantalla y diagramas para llamadas de API de visión, con extracción de texto OCR opcional.
Minería de fallos — entroly learn --deep analiza datos de sesión en busca de patrones de fallos recurrentes y escribe correcciones en CLAUDE.md, .cursorrules y otras configuraciones de agentes.

Se ejecuta como CLI, SDK de Python/TypeScript, servidor MCP, proxy HTTP o importación de biblioteca. Mapa completo de superficie: docs/product-surface.md. Arquitectura e internos de Rust: docs/DETAILS.md.

Cómo se compara Entroly

Entroly combina selección presupuestada, recibos de intervalos de origen y verificación opcional. Estas son garantías distintas: un recibo registra el material retenido y omitido; la recuperación verifica la integridad de la fuente; las verificaciones WITNESS/EICV aún pueden producir falsos positivos o falsos negativos. Los objetivos del solucionador aproximan el contexto útil y no demuestran que el contexto elegido sea suficiente para una tarea.

Compara herramientas en el mismo conjunto de tareas, versión, modelo, presupuesto de tokens y criterio de calidad. El fixture local TOP-K no mide ningún producto comercial. No proporcionamos aquí una comparación entre productos reproducida de forma independiente.

Funciona con tu stack

Instala el plugin público de Codex desde el repositorio de Entroly:

codex plugin marketplace add juyterman1000/entroly --ref main
codex plugin add entroly@entroly-public

Reinicia Codex, revisa y confía en el hook, luego ejecuta entroly activation status --json después de una tarea. El marketplace instala el runtime local de Node/WASM con el plugin; el modelo no tiene que recordar llamar a una herramienta MCP antes de que Entroly se ejecute. Un recibo demuestra que el hook se ejecutó y seleccionó contexto local o tomó una decisión explícita de no coincidencia. No demuestra ahorro de tokens o costos sin una línea base vinculada al proveedor.

Instala el mismo repositorio público como una extensión de Gemini CLI:

gemini extensions install https://github.com/juyterman1000/entroly --ref main --consent

Reinicia Gemini CLI después de la instalación. La raíz del repositorio contiene gemini-extension.json y GEMINI.md, por lo que el comando funciona sin navegar a un subdirectorio de integración.

Para VS Code o Kiro, descarga el asset entroly-vscode-*.vsix de la última versión de GitHub, luego instálalo con Extensions: Install from VSIX o code --install-extension. La extensión es autocontenida y no requiere una clave API.

Los usuarios de JetBrains AI Assistant pueden agregar el mismo servidor globalmente en Settings → Tools → AI Assistant → Model Context Protocol (MCP):

{
  "mcpServers": {
    "entroly": {
      "command": "npx",
      "args": ["-y", "entroly-mcp@1.0.85", "serve"],
      "env": {
        "ENTROLY_NO_DOCKER": "1",
        "ENTROLY_MCP_PASSIVE": "1",
        "ENTROLY_MCP_PROFILE": "public",
        "ENTROLY_MAX_FILES": "200"
      }
    }
  }
}

El repositorio también incluye un plugin gratuito de código abierto para JetBrains que guía esta configuración desde Tools → Configure Entroly for AI Assistant, verifica el runtime local cuando se solicita y mantiene visible el límite de evidencia. Consulta extensions/jetbrains.

Los manifiestos del marketplace y de plugins de MCP seleccionan el perfil compacto public para que los agentes vean primero las herramientas principales de contexto, recibo, continuidad, recuperación y verificación. Una invocación directa de entroly serve sigue siendo compatible con versiones anteriores y expone la superficie completa de herramientas. Puedes elegir cualquiera de los dos comportamientos explícitamente con ENTROLY_MCP_PROFILE=public o ENTROLY_MCP_PROFILE=full.

La ruta de MCP es neutral respecto al proveedor: el host puede usar OpenAI, Anthropic, Google, Mistral, DeepSeek, Kimi, GLM o un modelo local. No hay un marketplace de plugins separado para cada proveedor de modelos; el contrato de MCP o extensión del host es el límite de integración.

Agente / plataforma	Ruta	Estado
Claude Code	Hook `UserPromptSubmit` incluido + MCP con alcance	Determinista tras habilitar el plugin
Codex CLI / app	Hook `UserPromptSubmit` incluido + MCP con alcance	Determinista tras confiar en el hook
Gemini CLI	Hook `BeforeAgent` incluido + MCP con alcance	Determinista tras habilitar la extensión
OpenClaw	Plugin de motor de contexto + MCP con alcance	Nativo
Cursor	Hook de proyecto compatible con Claude; MCP o proxy como respaldo	Determinista solo cuando las configuraciones de terceros están habilitadas
Kiro IDE 1.x / CLI 3.x	Hook de proyecto `PromptSubmit`	Determinista tras la instalación del proyecto
VS Code / modo agente de Copilot	Hook de plugin de agente donde se admita; MCP como respaldo	Dependiente de la versión del host
IntelliJ / JetBrains AI	MCP o endpoint personalizado admitido	Consultivo hasta que se verifique un hook de ciclo de vida
GitHub Copilot CLI	MCP (suscripción) / proxy (BYOK)	Admitido
Cortex Code	Solo límite de SDK/biblioteca	No validado como objetivo de envoltura
Aider, OpenCode y más de 30	Proxy compatible con OpenAI con alcance de sesión	Un comando

La aplicación del hook pertenece al host, por lo que es independiente de si ese host ejecuta un modelo OpenAI, Anthropic, Gemini, Kimi, DeepSeek, Mistral o GLM. El estado describe la profundidad de integración, no una garantía de ahorro. Los ahorros observados por el proveedor requieren que las solicitudes atraviesen una ruta de proxy de Entroly. Entroly no afirma la interceptación de la inferencia de suscripción alojada por GitHub en la ruta nativa de Copilot. Matriz de compatibilidad completa: docs/agent-compatibility.md.

Entroly lleva metadatos verificados para modelos actuales de OpenAI, Anthropic, Google, Meta y otros. Descubre automáticamente modelos locales de Ollama. Detalles específicos por modelo: docs/DETAILS.md.

Cuándo usarlo · cuándo omitirlo

Gran ajuste: repositorios grandes donde el agente solo ve unos pocos archivos a la vez · agentes conversacionales de múltiples turnos · en cualquier lugar donde quieras respuestas verificadas contra evidencia · reducir una factura de IA real y creciente.

Omítelo: repositorios pequeños o indicaciones cortas que ya caben en el presupuesto · tareas con mucho juicio donde siempre quieres el modelo insignia completo.

Más comandos

Para una optimización basada en evidencia en lugar de una estimación de ahorro sintética:

entroly learn --history --json
entroly shrink -- pytest -q
entroly trial --experiment checkout-fix --arm baseline -- codex exec "fix the checkout test"
entroly trial --experiment checkout-fix --arm optimized -- codex exec "fix the checkout test"
entroly trial --report checkout-fix
entroly browser https://example.com --query "billing settings"
entroly find docs/product-surface.md --query "exact source evidence" --json
entroly response set evidence --scope project

Los ensayos ejecutan un brazo seleccionado explícitamente a la vez, de modo que una tarea de agente con estado o de pago nunca se repite implícitamente. Los contratos de respuesta dan forma a las instrucciones del agente; no truncan las respuestas ni cuentan como ahorro medido. Las reducciones de navegador y comandos mantienen manejadores de recuperación local exactos y pasan cuando no se pueden cumplir sus puertas de seguridad.

Para equipos que necesitan decir quién es un agente y qué se le permitió hacer:

entroly govern status                          # identity, policies, audit chain
entroly govern policy check write --risk high  # evaluate one authorization
entroly govern audit verify                    # exit non-zero on a broken chain

La autorización es denegar por defecto y cada denegación nombra la política y la razón que dio. audit verify verifica que las entradas registradas no fueron alteradas después del hecho — no prueba que cada acción fue registrada, y govern status informa el estado del plano de control local solamente, no una atestación de que cada acción del agente pasó por él. Los tokens de identidad no están firmados a menos que ENTROLY_IDENTITY_KEY esté configurado, y la credencial nunca se imprime.

También disponibles: entroly wrap, entroly unwrap, entroly serve, entroly daemon, entroly dashboard, entroly demo, entroly capabilities, entroly ingest, entroly select, entroly receipt, entroly explain, entroly context-commit, entroly proof, entroly benchmark, entroly cache, entroly ravs, entroly perf, entroly batch, entroly usage. Descripción completa: referencia de comandos.

Preguntas comunes

¿Esto cambiará mi código o mis archivos?

La selección de contexto lee archivos fuente. Entroly también escribe índices locales, recibos, datos de recuperación y configuración cuando ejecutas los comandos correspondientes de configuración o aprendizaje. Revisa la configuración del agente generada antes de habilitarla.

¿Se sube mi código a algún lugar?

La selección local y la verificación determinista se ejecutan en tu máquina. Un proveedor de nube configurado recibe la solicitud, incluido el código seleccionado y las indicaciones. Opcional WITNESS NLI puede enviar evidencia y afirmaciones a OpenAI. La telemetría del producto está desactivada por defecto, pero puede subir eventos de lista permitida después del consentimiento y la configuración del endpoint. La reparación de paquetes también es opcional. Lee [Privacidad](PRIVACY.md) antes de habilitar una función de red y [seguridad de datos de recuperación](docs/recovery-data-security.md) antes de compartir recibos o paquetes de diagnóstico.

¿Qué pasa si omite algo importante?

La compresión respaldada por recibos retiene material de recuperación. `entroly recover` verifica el original contra su digesto y longitud registrados. Los datos de recuperación faltantes, eliminados o corruptos pueden impedir la recuperación. Un recibo no hace que una respuesta del agente sea correcta.

¿Cuánto dinero me ahorrará esto realmente?

Honestamente: depende de tu proyecto. Ejecuta `entroly simulate` en tu proyecto — es gratis, no necesita clave de API y estima la reducción en tus propios archivos. Si tus indicaciones ya son pequeñas, Entroly las pasa sin cambios.

No soy desarrollador. ¿Puedo usar esto?

Si usas una herramienta de codificación con IA como Claude Code o Cursor, sí. Instálalo (`pip install -U entroly`), luego ejecuta `entroly go` — encuentra tu editor, se configura solo y abre un panel.

Algo se rompió / estoy atascado.

Ejecuta `entroly doctor`. Si eso no lo resuelve, [abre un problema](https://github.com/juyterman1000/entroly/issues) o pregunta en [Discusiones](https://github.com/juyterman1000/entroly/discussions).

Memoria compartida entre agentes

Almacén direccionado por contenido con deduplicación SimHash y búsqueda BM25. Múltiples agentes (Claude Code, Codex, Cursor) escriben y consultan la misma base de conocimiento con seguimiento de procedencia.

from entroly import shared_memory_write, shared_memory_search
shared_memory_write("Auth uses JWT with RS256", agent_id="claude-code", tags=["auth"])
results = shared_memory_search("authentication tokens")  # finds it, from any agent

Reducción de tokens de salida

Pipeline de tres capas: la clasificación de esfuerzo dirige las directivas de verbosidad, max_tokens limita la generación y la destilación posterior a la generación recorta el relleno. Una consulta de "sí/no" obtiene 150 tokens máximos; una revisión detallada de arquitectura obtiene 16,384.

Compresión de hook de shell

Patrones específicos de comando para git, npm, cargo, docker, pytest, kubectl y terraform eliminan barras de progreso, advertencias de obsolescencia y texto repetitivo mientras preservan errores y resultados clave. La salida completa es recuperable mediante manejadores direccionados por contenido.

entroly hook install     # adds transparent compression to your shell
entroly hook status      # shows which shells have the hook

Minería de fallos

entroly learn --deep extrae comentarios de PRISM, creencias de vault, daemon de evolución y datos de checkpoint para patrones de fallos recurrentes, luego genera correcciones para archivos de configuración del agente.

Documentación

Benchmarks — cada número, protocolo, artefacto y advertencia.
Conformidad de Context Commit — 128/128 reproducción determinista, 576/576 recuperación exacta, 768/768 detección de manipulación.
Arquitectura e internos — módulos Rust, pipeline de compresión, procedencia, referencia de comandos.
Compatibilidad de agentes — cada cliente admitido y su límite de autenticación.
Limitaciones — dónde Entroly ayuda, dónde pasa, qué no garantiza.
Mapa de superficie del producto — CLI, SDK, MCP, proxy, verificación, memoria, seguridad.
Confianza en el primer uso — qué ejecutar antes de conectar una clave de modelo de pago.
Política de evidencia pública — niveles de afirmación, alcance de benchmarks y enlaces de paquetes.
Guía de optimización de costos de IA — cómo el modelado de contexto reduce costos sin degradación del modelo.
Recuperación activada por modelo — validación automatizada de recuperación de omisiones.
Libro de recetas — recetas de copiar y pegar.
Discusiones · Problemas

_{Apache-2.0 · local primero · sin analítica saliente por defecto}

pip install entroly && entroly go