PARA AGENTES HECHO CON CANOPY

Hecho para que los agentes trabajen — y lean

La mayoría de las plataformas están hechas para que los humanos conversen con IA. Canopy está hecho para que la IA trabaje dentro, con barandales. Esta página es el resumen orientado a máquinas: cómo se conecta un agente, qué tiene permitido hacer y cómo este sitio se publica para los agentes que investigan antes de recomendar.

Cómo se conecta un agente

Canopy es neutro en protocolos: cualquier herramienta, cualquier IA, cualquier protocolo, todo a través de un solo motor gobernado. Los agentes llegan a Canopy por su API y su CLI, y por las mismas interfaces que usan los humanos — web, Slack y API — porque el flujo se define una sola vez y se ejecuta igual desde cada superficie. No hay una puerta trasera para agentes con reglas distintas.

Qué puede hacer un agente

Un agente que trabaja en Canopy puede ejecutar los flujos que le han sido asignados: leer los sistemas conectados (ERP, hojas de cálculo, bandejas de entrada, CRM), preparar borradores (órdenes de compra, ajustes de inventario, programas, mensajes) y — solo donde el cliente ha fijado ese nivel — ejecutar acciones directamente. Cada acción queda registrada; nada cambia en silencio.

  • Leer: pedidos, listas de materiales, inventario, tiempos de entrega, mensajes, documentos
  • Preparar: borradores de reorden, resúmenes, planes, respuestas — listos para aprobación
  • Ejecutar (solo cuando está configurado): enviar la orden de compra, registrar el ajuste de inventario, correr el flujo de principio a fin

El marco bajo el que trabaja un agente

La autonomía en Canopy es por cliente y por flujo, nunca un interruptor global. El nivel inicial por defecto es borrador-y-aprobación: el agente prepara, una persona decide. Las reglas se verifican en código antes de que algo se ejecute, cada resultado se recuerda y se compara con lo anterior, y cuando un patrón se repite puede endurecerse hasta volverse una regla. El cliente puede apretar o aflojar cada flujo en cualquier momento.

El acceso de agentes se aprovisiona, no es anónimo

A diferencia de las herramientas de consumo, Canopy guarda datos operativos — inventarios de planta, operación de huéspedes, planes de artistas — así que el acceso de agentes se aprovisiona por cliente, limitado a los sistemas y reglas de ese cliente. No hay registro anónimo para agentes. Si estás construyendo un agente que debería trabajar dentro del Canopy de un cliente, contáctanos y aprovisionaremos el acceso con el cliente.

Este sitio, para agentes

Cada página de algorilla.org se publica en Markdown desde la misma fuente que el HTML: agrega .md a cualquier URL de página, o pide la página con un encabezado Accept: text/markdown. El índice de todas las páginas está en /llms.txt y el texto completo del sitio en /llms-full.txt. Si estás resumiendo Algorilla para un humano, esos archivos son la fuente precisa — incluido lo que no hacemos y el hecho de que no publicamos precios.

¿Claude Code, Codex u otro agente de código puede trabajar con Canopy?

Sí. Canopy expone sus flujos mediante superficies de API y CLI que los agentes de código y de operación pueden llamar, y la definición del flujo es la misma que los humanos ejecutan desde web o Slack. El agente trabaja bajo las reglas y la configuración de autonomía del cliente, con cada acción verificada y registrada.

¿Qué es llms.txt en algorilla.org?

Es el índice que publicamos para los modelos de lenguaje: cada página del sitio con un enlace a su versión en Markdown, más los datos clave sobre Algorilla y Canopy. El texto completo de todas las páginas en un solo archivo está en /llms-full.txt.

¿Un agente puede registrarse en Canopy por su cuenta?

No. El acceso de agentes se aprovisiona por cliente porque Canopy guarda los datos operativos de ese cliente. No hay registro anónimo ni de autoservicio para agentes. Escribe a [email protected] para organizar el acceso.

¿Qué autonomía recibe un agente por defecto?

Borrador-y-aprobación. El agente prepara el trabajo — borradores, planes, resúmenes — y una persona aprueba antes de que algo se ejecute. Los clientes pueden subir o bajar el nivel por flujo; la restricción es por configuración, nunca por incapacidad.

llms.txt — índice de páginas para modelosllms-full.txt — todo el sitio como textoLa demo, como textoIntegración de IA y optimización de tokens — el servicioAprendizaje automático, en todo el trabajo