Agentes que delegam, lembram e terminam o trabalho.

Astreus é um framework TypeScript de código aberto para agentes de IA autônomos: subagentes, fluxos de trabalho em grafo, memória persistente e ferramentas MCP por trás de uma única API tipada.

npm install @astreus-ai/astreus

Ele lê o painel que você leria às 3 da manhã.

Um agente recebe o alerta e a captura do Grafana e diz ao canal de incidentes o que quebrou.

import { Agent, Graph } from '@astreus-ai/astreus';const oncall = await Agent.create({  name: 'OnCall',  model: 'gpt-6-astra',  systemPrompt: 'On-call engineer for the payments API',  vision: true,  memory: true});await oncall.ask('Checkout p95 alert. What broke?', {  attachments: [    { type: 'image', path: './grafana-checkout.png' }  ],  stream: true,  onChunk: (chunk) => process.stdout.write(chunk)});
Documentação de agentes

Depois ele confere o que você conferiria.

GitHub para o último deploy, Sentry para os erros, Postgres para a carga. Cada um é um servidor MCP que o modelo chama por conta própria.

await oncall.addMCPServers([  {    name: 'github',    command: 'npx',    args: ['-y', '@modelcontextprotocol/server-github']  },  {    name: 'postgres',    command: 'npx',    args: [      '-y', '@modelcontextprotocol/server-postgres',      'postgresql://replica.internal/payments'    ]  },  { name: 'sentry', url: process.env.SENTRY_MCP_URL }]);await oncall.ask(  'What shipped in the last hour, and what broke after?');
Documentação de MCP

Três investigações ao mesmo tempo.

Um agente de triagem entrega logs, deploys e banco de dados a três especialistas e junta o que eles encontram.

const logs = await Agent.create({  name: 'LogAnalyst', model: 'llama3.3',  systemPrompt: 'Find the first error in the logs.'});const deploys = await Agent.create({  name: 'DeployAuditor', model: 'gpt-6-astra',  systemPrompt: 'Audit what shipped in the last hour.'});const database = await Agent.create({  name: 'DbInspector', model: 'gpt-6-astra',  systemPrompt: 'Find slow queries and lock waits.'});const triage = await Agent.create({  name: 'Triage', model: 'claude-fable-5-1',  systemPrompt: 'Split the work, merge the findings.',  subAgents: [logs, deploys, database]});const cause = await triage.ask('Why is checkout slow?', {  useSubAgents: true,  delegation: 'auto',  coordination: 'parallel'});
Documentação de subagentes

O incidente inteiro, como um grafo.

Diagnostica enquanto a página de status é atualizada, faz rollback só depois do diagnóstico, verifica e então escreve o postmortem.

const incident = new Graph({  name: 'Incident response',  maxConcurrency: 3,  retryAttempts: 2,  subAgentAware: true}, triage);const diagnose = incident.addTaskNode({  prompt: 'Find the root cause', useSubAgents: true});const status = incident.addTaskNode({  prompt: 'Post an update to the status page'});const rollback = incident.addTaskNode({  prompt: 'Roll back the deploy', dependencies: [diagnose]});const verify = incident.addTaskNode({  prompt: 'Confirm p95 < 400 ms', dependencies: [rollback]});incident.addTaskNode({  prompt: 'Write the postmortem',  dependencies: [verify, status]});await incident.run();
Documentação de grafos

Ele já viu este incidente antes.

Os runbooks são o conhecimento dele, os incidentes passados são a memória, e uma conversa de quatro horas se comprime em vez de estourar.

const oncall = await Agent.create({  name: 'OnCall',  model: 'gpt-6-astra',  systemPrompt: 'On-call engineer for the payments API',  embeddingModel: 'text-embedding-3-small',  memory: true,  knowledge: true,  autoContextCompression: true,  preserveLastN: 5});await oncall.addKnowledgeFromDirectory('./runbooks');await oncall.addMemory(  'Incident 214: checkout latency, pool exhausted.');const seen = await oncall.searchMemoriesBySimilarity(  'checkout latency spike',  { similarityThreshold: 0.7, limit: 3 });
Documentação de memória

O modelo certo para cada trabalho.

Um modelo local limpa os logs para que nada saia da sua rede, um maior diagnostica e outro escreve o relatório.

const rawLogs = await readFile('./checkout.log', 'utf8');// Scrub raw logs locally. Nothing leaves your network.const scrubbed = await oncall.ask(rawLogs, {  model: 'llama3.3'});// A larger model finds the causeconst cause = await oncall.ask(scrubbed, {  model: 'claude-fable-5-1'});// Another one writes it upconst report = await oncall.ask('Write the postmortem', {  model: 'gpt-6-astra'});
Documentação de provedores

Os dados dos clientes continuam trancados.

Uma configuração criptografa cada transcrição, prompt e trecho de runbook no seu banco de dados com AES-256-GCM.

// .env// ENCRYPTION_ENABLED=true// ENCRYPTION_MASTER_KEY=<openssl rand -hex 32>// DB_URL=postgresql://...// KNOWLEDGE_DB_URL=postgresql://...const oncall = await Agent.create({  name: 'OnCall',  model: 'gpt-6-astra',  systemPrompt: 'On-call engineer for the payments API',  memory: true,  knowledge: true});// Stored encrypted: the prompt, the incident thread,// every memory and every runbook chunkawait oncall.ask('Which customers were affected?');
Docs de segurança

Antes de instalar.

Node.js 22 ou superior, um banco de dados e um modelo. O Astreus guarda agentes e memórias em SQLite ou PostgreSQL e conversa com OpenAI, Claude, Gemini ou um modelo local do Ollama. A instalação é feita com npm install @astreus-ai/astreus.

Sim. Aponte um agente para um modelo do Ollama, como llama3.3, e ele roda na sua própria máquina. O código do agente continua o mesmo.

Sim. Um subagente é um agente comum, criado com seu próprio modelo, prompt e capacidades, e depois passado ao coordenador em subAgents. A delegação pode ser automática, manual ou sequencial.

Um nó começa assim que todos os nós dos quais depende terminam. Defina maxConcurrency no grafo para que nós independentes rodem ao mesmo tempo. Por padrão, eles rodam um por vez.

Qualquer servidor que você consiga iniciar com um comando e argumentos, ou acessar por uma URL. Adicione-os a um agente com addMCPServers e as ferramentas ficam disponíveis para o modelo.

Sim. O Astreus tem licença MIT, então você pode usar, modificar e distribuir em projetos comerciais.

© 2026 pzzaworks

© 2026 pzzaworks