Camel AI

Qué cubre este artículo

• Qué es Camel AI y para qué sirve.
• Cómo instalar Camel AI.
• Cómo construir una conversación sencilla basada en roles.
• Cómo integrar modelos locales a través de Ollama.
• Para quién es adecuado Camel AI.

Introducción

Camel AI es un framework para conversaciones multiagente basadas en roles. Defines dos o más agentes con funciones claras y los dejas interactuar entre sí. El caso clásico es una conversación entre comprador y vendedor, profesor y alumno, o especialistas de un equipo. Camel AI funciona bien para observar cómo los agentes negocian en un escenario o intercambian conocimiento.

Camel AI en breve

Camel AI funciona con roles, tareas y sesiones de chat. Cada agente recibe una instrucción de sistema que describe su rol. Una tarea establece el tema. Los agentes se comunican entre sí hasta que se alcanza un final definido.

Instalación

pip install camel-ai

Para usar con OpenAI necesitas una clave API:

export OPENAI_API_KEY="tu-clave"

Para Ollama u otras APIs compatibles con OpenAI, establece también:

export OPENAI_BASE_URL="http://localhost:11434/v1"

Primeros pasos: Comprador y vendedor

from camel.agents import ChatAgent
from camel.messages import BaseMessage

buyer = ChatAgent(
    system_message=BaseMessage.make_assistant_message(
        role_name="Comprador",
        content="Quieres comprar un laptop al menor precio posible."
    )
)

seller = ChatAgent(
    system_message=BaseMessage.make_assistant_message(
        role_name="Vendedor",
        content="Quieres vender un laptop al mayor precio posible."
    )
)

message = BaseMessage.make_user_message(
    role_name="Comprador",
    content="¿Cuánto cuesta el laptop?"
)

response = seller.step(message)
print(response.msg.content)

En este ejemplo, inicias una conversación entre comprador y vendedor. Puedes adaptar los roles y temas como desees.

Para qué es útil Camel AI

Área de aplicación	Utilidad
Simulaciones de rol	Simular ventas, negociaciones, coaching
Transferencia de conocimiento	Intercambiar agentes de diferentes especialidades
Generación de datos	Producir conversaciones para entrenar o probar
Investigación	Examinar el comportamiento de agentes en escenarios

Obstáculos comunes

• Los roles deben ser claros - Cuanto más precisas sean las instrucciones del sistema, mejor será la conversación.
• Los modelos locales a veces se quedan cortos - Las negociaciones más largas requieren un modelo potente.
• Costos de API - Muchas rondas con múltiples agentes generan muchos tokens.

Enlaces de referencia

• CrewAI
• AutoGen
• ¿Qué es un agente IA?

FAQ - Preguntas frecuentes

¿Es Camel AI gratuito?

Sí, el framework de código abierto es gratuito. Los costos surgen solo con APIs de modelos.

¿Puedo ejecutar Camel AI localmente?

Sí, con Ollama u otro endpoint compatible con OpenAI. La clave API puede ser un marcador de posición.

Fuentes

• Camel AI GitHub
• Documentación de Camel AI