Presentamos Kasal

Un número creciente de organizaciones está adoptando los sistemas de IA agéntica. Aumentan la productividad y liberan a las personas de las tareas repetitivas. A medida que estos sistemas continúen madurando y pasen a producción, las empresas obtendrán un valor inmenso de su capacidad para operar de forma autónoma y tomar mejores decisiones en nuestro nombre.

Sin embargo, a medida que crece la adopción de la IA agéntica, están surgiendo nuevos desafíos. Uno de ellos es la escasez de talentos calificados. Construir y gestionar sistemas agénticos eficaces requiere una profunda experiencia técnica, y la demanda de ingenieros de IA con experiencia está aumentando rápidamente. Otro desafío para los expertos es que mantenerse al día con la constante evolución de las tecnologías, los frameworks y las herramientas en este campo es cada vez más difícil.

Kasal se creó para abordar estos desafíos. Es una plataforma impulsada por agentes que permite a los usuarios de diferentes niveles de habilidad diseñar, desarrollar e implementar sistemas de IA agénticos eficaces a través de una interfaz visual intuitiva. Las personas sin experiencia pueden utilizar la intuitiva interfaz de usuario de Kasal para crear sofisticados sistemas de IA agéntica adaptados a sus necesidades específicas. Los expertos pueden usar Kasal para comenzar rápidamente y luego exportar sus agentes a código para una personalización y un desarrollo más profundos.

El objetivo de Kasal es democratizar la IA agéntica tanto para expertos como para no expertos en entornos empresariales.

¿Qué es Kasal?

Kasal es un framework centrado en la UI para diseñar, ejecutar y observar flujos de trabajo de uno o varios agentes. En lugar de escribir manualmente un código de orquestación complejo, puedes arrastrar y soltar agentes en un lienzo visual o simplemente describir lo que quieres a través de un asistente conversacional. Kasal creará automáticamente el flujo de trabajo para ti. Luego, puedes conectar herramientas, ejecutar agentes y observar su comportamiento en tiempo real. Por detrás, Kasal utiliza CrewAI, un framework de Python de código abierto para crear y orquestar agentes de IA, pero lo envuelve en una capa de aplicación compatible con Databricks que gestiona la autenticación, la implementación y el monitoreo. Esto significa que el mismo flujo que diseñas visualmente se puede pasar a producción con un esfuerzo mínimo. El flujo generado también se puede exportar como código, lo que permite a los ingenieros de IA perfeccionarlo o ampliarlo aún más según sea necesario.

Por qué Kasal es importante

Kasal ofrece tres capacidades principales: un diseñador de flujos de trabajo visual impulsado por agentes, una integración profunda con Databricks y un kit de herramientas extensible que incluye servidores MCP, Genie, API personalizadas y conectores de datos.

• La orquestación visual hace que los agentes, las transferencias y la lógica de ramificación sean claros y tangibles, lo que facilita la revisión con personas que no son desarrolladoras y la auditoría posterior. Además, los agentes integrados en Kasal entienden la intención del usuario al momento de definir qué tipo de agente quiere crear y proponen un diseño optimizado que se alinea con las mejores prácticas de la industria.
• Nativo de Databricks: Kasal se puede instalar como una Databricks App o acceder a él a través del Marketplace, lo que permite a los usuarios heredar la autenticación y la gobernanza del workspace en lugar de gestionar las suyas propias. Además, los flujos generados por Kasal aprovechan de forma nativa las funciones de Databricks, lo que los hace listos para la empresa y aptos para producción desde el principio. Estos incluyen MLflow para el rastreo y el seguimiento, Vector Search para la memoria, Databricks Apps para el servicio, Lakebase para el registro de transacciones, autenticación en nombre del usuario y más.
• Extensibilidad: Kasal ofrece soporte de primer nivel para servidores MCP, espacios Genie, Agent Bricks, así como para API personalizadas y conectores de datos. También puede exportar el flujo como un notebook, lo que proporciona total transparencia sobre su lógica interna y permite a los ingenieros de IA ampliar y perfeccionar la solución más allá de la versión inicial con total flexibilidad.

La observabilidad en vivo de Kasal proporciona un monitoreo de doble capa para los flujos de trabajo de IA de múltiples agentes. A través del frontend de Kasal, los usuarios de negocio pueden ver cronogramas de ejecución que rastrean el estado del flujo de trabajo, las interacciones de los agentes y el progreso de las tareas. Al mismo tiempo, la integración del rastreo de MLflow permite a los ingenieros de IA depurar el rendimiento del modelo, las llamadas a los LLM y los comportamientos de los agentes. Cuando se implementa en Databricks Apps, Kasal utiliza la autenticación OBO de Databricks para el aislamiento de usuarios y la persistencia de SQLite o Lakebase lista para producción para operaciones agénticas transparentes.

Primeros pasos con Kasal

Un recorrido de usuario típico comienza al indicarle a Kasal la especificación del agente que quieres construir. Por ejemplo, podrías pedirle: “Crea un plan que genere una presentación de ventas para que nuestros representantes de ventas vendan nuestros diferentes productos adaptados a los clientes”. Kasal generará entonces un plan estructurado, a menudo jerárquico, utilizando sus prompts y modelos de lenguaje grandes.

En este ejemplo, si el plan está en modo secuencial, los agentes se ejecutarán uno tras otro en un orden establecido. Sin embargo, si el plan está en modo jerárquico, incluirá un agente administrador y varios subagentes, cada uno responsable de tareas específicas: por ejemplo, uno que recupera y analiza los datos de los clientes, otro que recupera los datos del producto, uno que combina ambos para elaborar un guion para la presentación de ventas y otro que genera una presentación que refleja la información detallada y el guion.

Luego, puedes ejecutar el plan para generar una presentación de producto para un cliente específico. Si deseas modificar el flujo de trabajo, como experimentar con diferentes modelos o herramientas, puedes hacerlo fácilmente a través de la interfaz de usuario de Kasal.

Si crees que el plan que creaste en Kasal podría ser valioso para otros, puedes registrarlo en el catálogo de Kasal, lo que lo deja disponible para su reutilización y uso en futuras sesiones. Si deseas industrializar el plan fuera de Kasal, puedes exportar su código y crear un 'pipeline' de producción a su alrededor. Tienes total flexibilidad para ampliar e integrar el plan en tu arquitectura de solución más amplia.

Qué puedes construir con Kasal

Ya estamos viendo a usuarios construir una amplia gama de agentes y sistemas de IA multiagénticos con Kasal. A continuación, se muestran algunos ejemplos:

• 'Pipelines' de análisis de datos: agentes que consultan, analizan y visualizan datos
• Sistemas de generación de contenido: agentes colaborativos para la investigación, la redacción y la creación de contenido
• Automatización de procesos de negocio: flujos de trabajo inteligentes que se adaptan y toman decisiones
• Investigación y desarrollo: agentes que recopilan, sintetizan y presentan estadísticas.

Actualmente, hay dos maneras fáciles de comenzar a usar Kasal:

• Instala desde el Marketplace directamente en tu workspace de Databricks (recomendado): una configuración de un solo clic que añade Kasal como una Databricks App. Este enfoque te permite aprovechar la interfaz gestionada, la gobernanza integrada y las actualizaciones automáticas. Consulta más detalles aquí.
• Implementar desde el código fuente: clone el repositorio de GitHub de Databricks Labs y ejecute el script de implementación proporcionado. Esta opción es ideal si quieres personalizar o ampliar Kasal para que se adapte a tus necesidades específicas.
• Mira la serie de Kasal para conocer nuevas funciones y anuncios.

(Esta entrada del blog ha sido traducida utilizando herramientas basadas en inteligencia artificial) Publicación original