Lobu

Contexto compartilhado da empresa e ferramentas governadas para ChatGPT, Claude, Codex e outros clientes MCP.

GitHub
208
Experimente este MCPPatrocinado

Documentação

Lobu — Contexto compartilhado da empresa para cada agente de IA

Lobu é uma camada de contexto compartilhado de código aberto para agentes de IA. Dar a cada agente acesso direto às ferramentas da empresa não dá à empresa memória compartilhada. Cada agente ainda reconstrói o que aconteceu dentro de uma sessão de modelo e depois perde o que aprendeu quando essa sessão termina.

Conecte sua stack corporativa uma única vez. Claude Code, Codex, ChatGPT e seus próprios agentes obtêm uma memória da empresa com reconhecimento de permissões, mantendo sua interface, modelo e runtime existentes. Quando uma responsabilidade precisar persistir além do chat atual, eles podem descobrir e entregar o trabalho a um especialista Lobu via MCP.

Comece com o agente que você já usa

Aponte qualquer cliente MCP para o Lobu. Nenhum runtime de agente Lobu ou lobu.config.ts é necessário.

# Claude Code
claude mcp add --transport http lobu https://lobu.ai/mcp

# Codex
codex mcp add lobu --url https://lobu.ai/mcp

Conclua o OAuth quando solicitado, conecte as fontes da empresa que deseja compartilhar e peça ao seu agente para usar o Lobu quando precisar de contexto organizacional.

O mesmo endpoint MCP funciona com ChatGPT, Claude Desktop, Gemini CLI, Cursor e clientes MCP personalizados. lobu memory init detecta Claude Code, Codex, Gemini CLI e Cursor, e imprime etapas de configuração manual para Claude Desktop e ChatGPT.

Guias de configuração: Claude · ChatGPT · Codex · Grok

Lembre-se do que a empresa sabe

Pergunte do Claude Code, Codex ou ChatGPT:

O que decidimos sobre onboarding corporativo e o que mudou desde o último lançamento?

O Lobu pesquisa a memória organizacional compartilhada e durável sob as permissões do chamador, independentemente de qual agente pergunta. A resposta pode combinar discussões conectadas, atividade de projetos, registros de clientes, decisões salvas e entidades corporativas tipadas, sem reconstruir esse contexto do zero em cada chat.

Entregue trabalho a um especialista Lobu persistente

Pergunte ao seu agente principal:

Peça ao nosso especialista em pesquisa de clientes para revisar o feedback mais recente e propor as próximas três entrevistas.

O agente descobre os especialistas disponíveis para você, seleciona o mais adequado, delega a tarefa e traz o resultado de volta. O especialista tem sua própria identidade, instruções, ferramentas, conversas duráveis e política de acesso.

Para o usuário, isso permanece uma única conversa em seu agente principal. O especialista em si persiste: ele permanece disponível para outras pessoas e agentes autorizados, em vez de desaparecer com o chat atual.

Por que Lobu

Em vez de cada agente reconstruir o estado da empresa por meio de chamadas de ferramentas por sessão, o Lobu executa uma camada de dados compartilhada:

  • Conecte uma vez. Polls, webhooks, APIs e conectores escritos por agentes alimentam um único log de eventos somente anexação.
  • Saiba uma vez. Eventos podem ser indexados como conhecimento pesquisável e vinculados a entidades tipadas, como empresas, projetos, incidentes e clientes.
  • Use de qualquer agente. Clientes MCP autorizados leem e contribuem para o mesmo estado organizacional de acordo com suas concessões.
  • Delegue quando útil. Especialistas Lobu persistentes podem assumir uma função, histórico de conversas, ferramentas e responsabilidades recorrentes.
  • Mantenha o controle. Identidade, permissões de fontes, aprovações, intermediação de credenciais, proveniência e auditoria permanecem no lado do servidor.
flowchart LR
  Tools[Company tools] --> L[Lobu shared context]
  APIs[APIs and webhooks] --> L
  Custom[Custom connectors] --> L

  L <--> MCP[MCP]
  MCP <--> Claude[Claude Code]
  MCP <--> Codex[Codex]
  MCP <--> ChatGPT[ChatGPT]
  MCP <--> Own[Your agents]

  L <--> Specialists[Persistent Lobu specialists]
  Specialists <--> Channels[Slack and web chat]

Três maneiras de usar o Lobu

1. Adicione contexto compartilhado aos agentes existentes

Os agentes podem pesquisar e salvar memória, consultar entidades estruturadas, inspecionar fontes conectadas e delegar a especialistas Lobu sem mudar para uma nova interface de chat ou adotar o runtime do Lobu.

Documentação: Memória · Claude · ChatGPT · Codex

2. Execute especialistas Lobu persistentes

Crie um especialista para uma responsabilidade durável: pesquisa de clientes, triagem de suporte, coordenação de lançamentos, acompanhamento de incidentes ou um domínio interno. As pessoas podem conversar com ele pelo web app do Lobu ou Slack, enquanto outros agentes podem chamar o mesmo especialista via MCP.

Crie e execute um localmente:

npx @lobu/cli@latest init my-specialist
cd my-specialist
npx @lobu/cli@latest run
npx @lobu/cli@latest chat -c local "hello"

lobu run inicia a stack local com um banco de dados Postgres embutido por padrão e abre a interface web em :8787. Ele aplica o lobu.config.ts do projeto automaticamente apenas no modo embutido. Para usar Postgres externo, defina DATABASE_URL, garanta que o pgvector esteja disponível e, em seguida, autentique e aplique o projeto a esse runtime separadamente.

Documentação: Introdução · Workspace de agentes · Habilidades · Slack

3. Construa com a CLI e o SDK TypeScript

Os mesmos dados e operações governados estão disponíveis sem um agente:

npx @lobu/cli@latest memory run                     # list the memory tools
npx @lobu/cli@latest memory run search_memory '{"query":"onboarding"}'
npx @lobu/cli@latest memory exec \
  'export default async (_ctx, client) => client.entities.list({ limit: 5 })'

Ou do Node e TypeScript:

import { client, searchMemory } from "@lobu/client";

client.setConfig({
  baseUrl: "https://lobu.ai",
  headers: { Authorization: `Bearer ${process.env.LOBU_TOKEN}` },
});

const hits = await searchMemory({
  path: { orgSlug: "my-org" },
  body: { query: "onboarding" },
});

Gere um token com lobu token create. As ferramentas MCP e as operações tipadas do SDK compartilham o registro de ferramentas e as regras de acesso do lado do servidor; lobu memory run e lobu memory exec despacham pelo endpoint MCP.

Conceitos principais

Contexto compartilhado

Conectores coletam a atividade da empresa em um agendamento ou por webhooks. Discussões, mudanças em projetos, registros de clientes, eventos de API e conhecimento salvo de agentes chegam ao mesmo histórico somente anexação.

Entidades tipadas conectam esse histórico às coisas que a empresa considera importantes: Company, Project, Customer, Incident ou esquemas que você define. Correções substituem fatos antigos em vez de apagar sua proveniência.

Os conectores são extensíveis. Você pode construí-los em TypeScript, e agentes de codificação podem usar o contrato de conector e o fluxo de validação do Lobu para criar integrações para fontes que o Lobu não inclui.

Documentação: Memória · Conectores · API

Especialistas persistentes

Um especialista Lobu tem uma função estável, instruções, memória, ferramentas e histórico de conversas. Ele pode ser acessado pelo chat web ou Slack e chamado por agentes externos por meio de client.conversations.send.

Especialistas usam arquivos de função para identidade e instruções: IDENTITY.md, SOUL.md e USER.md. Guardrails podem inspecionar entrada, saída e chamadas de ferramentas. Chamadas MCP destrutivas exigem aprovação no thread, a menos que sejam explicitamente pré-aprovadas por meio de defineAgent({ tools: { preApproved } }) em lobu.config.ts; os resultados das ações retornam ao log de eventos compartilhado.

Agentes externos não pedem aos usuários que escrevam código de delegação. Eles passam scripts como estes para as ferramentas MCP query_sdk e run_sdk do Lobu:

// Discover specialists through query_sdk.
export default async (_ctx, client) => {
  const { agents } = await client.agents.list();
  return agents;
};

// Delegate through run_sdk and wait for the specialist's reply.
export default async (_ctx, client) => {
  return client.conversations.send({
    agent_id: "customer-researcher",
    thread: "enterprise-onboarding",
    text: "Review the latest customer feedback and propose the next three interviews.",
  });
};

Documentação: Workspace de agentes · Guardrails · Segurança

Automações

Automações são responsabilidades em segundo plano versionadas, ativadas manualmente, em um agendamento, por um evento de conector ou pela saída durável de outra Automação. Elas leem fontes governadas, persistem resultados estruturados e podem notificar o Slack, abrir um ticket ou iniciar trabalho de agente enquanto ninguém está no chat.

Veja o modelo de ativação e encadeamento.

Execução opcional

Contexto compartilhado e delegação via MCP não exigem que o Lobu execute código para o agente chamador. Quando um especialista Lobu precisa de um shell, o runtime embutido fornece execução leve de just-bash. Provedores de sandbox remotos, como o Vercel Sandbox, podem ser conectados para cargas de trabalho que precisam de isolamento mais forte ou mais computação.

Qual sandbox executa o código é uma escolha de implantação. O Lobu fornece o contexto compartilhado, as permissões e a governança ao redor dele.

Canais

Especialistas Lobu podem atender Slack, Telegram, WhatsApp, Discord, Teams, Google Chat, o web app e uma API REST. As conversas dos canais permanecem separadas enquanto leem o mesmo contexto organizacional autorizado.

Configuração: Slack · Telegram · Discord · WhatsApp · Teams · Google Chat

Como o Lobu difere

  • Frameworks de agentes ajudam desenvolvedores a implementar um loop de agente. O Lobu dá a agentes e pessoas um estado organizacional compartilhado e um lugar para manter especialistas persistentes.
  • Integrações MCP diretas expõem ferramentas de um provedor. O Lobu constrói continuamente contexto durável e entre fontes que todo agente autorizado pode reutilizar.
  • Runtimes de agentes hospedam um agente específico. O Lobu permite que as pessoas continuem usando Claude Code, Codex, ChatGPT ou seu próprio runtime e adicionem o Lobu apenas onde contexto compartilhado ou delegação for útil.
  • Motores de fluxo de trabalho codificam um grafo de etapas predeterminadas. As Automações do Lobu lidam com gatilhos duráveis e responsabilidades em segundo plano, enquanto os agentes decidem como concluir trabalhos abertos.

Configuração de agentes

A configuração do runtime é gerenciada pelo web app ou pela mesma API REST com escopo organizacional usada pela CLI. Projetos locais de lobu.config.ts suportam validação e fluxos de aplicação repetíveis.

npx @lobu/cli@latest login
npx @lobu/cli@latest org set my-org
npx @lobu/cli@latest agent list

Documentação: Referência da CLI · lobu apply

Implantação

Use o runtime embutido localmente ou auto-hospede o Lobu com Postgres externo. Guias de produção: Docker · Cloud · Kubernetes

Segurança e privacidade

Permissões e auditoria permanecem no gateway do Lobu. Os servidores MCP do Lobu e a camada de intermediação de credenciais lidam com credenciais de provedores e conectores, OAuth e renovação de tokens, e proxy de APIs de terceiros. Os trabalhadores recebem placeholders com escopo ou acesso derivado de provedor de curta duração, nunca tokens OAuth ou credenciais armazenadas duráveis. Chamadas MCP destrutivas exigem aprovação no thread, a menos que sejam explicitamente pré-aprovadas, e os dados conectados permanecem com escopo organizacional.

O just-bash embutido e os modos de execução embutidos são limites de política e conveniência, não VMs para código hostil. Use um provedor de sandbox remoto quando a carga de trabalho precisar de um limite de isolamento mais forte.

Documentação: Segurança · Proxy de segredos · Guardrails · Modelo de ameaças

Parceiros de design

Estamos trabalhando com equipes técnicas que já usam Claude Code, Codex, ChatGPT ou agentes personalizados e querem que esses agentes compartilhem contexto da empresa ou deleguem a especialistas persistentes.

O melhor ponto de partida é uma equipe, uma ou duas fontes conectadas e uma responsabilidade repetida. Fale com o fundador ou entre em contato pelo X/Twitter.