AI & LLM

AI model integration, text generation, embeddings, and autonomous agents.

18 modules

Module	Description
Agente autonomo	Agente de IA auto-dirigido con memoria y comportamiento orientado a objetivos
Agente de cadena	Cadena de procesamiento de IA secuencial con multiples pasos
Agente de Uso de Herramientas	Agente de IA que puede llamar herramientas/funciones
Incrustaciones de Texto	Generar incrustaciones vectoriales a partir de texto usando modelos de IA
Extracción de IA	Extraer datos estructurados del texto usando IA
Chat local Ollama	Chatear con LLM local via Ollama (completamente sin conexion)
Memoria de IA	Memoria de conversacion para agente de IA
Memoria de entidades	Extraer y rastrear entidades (personas, lugares, conceptos) de conversaciones
Memoria Redis	Memoria de conversacion persistente usando almacenamiento Redis
Memoria vectorial	Memoria semantica usando embeddings vectoriales para recuperacion de contexto relevante
Modelo de IA	Configuracion de modelo LLM para agente de IA
AI Tool	Expose a module as a tool for AI Agent
Análisis de Visión	Analizar imágenes usando modelos de visión de IA
Chat de Claude	Enviar un mensaje de chat a Anthropic Claude AI y obtener una respuesta
Chat de Google Gemini	Enviar un mensaje de chat a Google Gemini AI y obtener una respuesta
Chat de OpenAI	Enviar un mensaje de chat a modelos GPT de OpenAI
Generacion de imagen DALL-E	Generar imagenes usando DALL-E
Agente de IA	Agente de IA autonomo con conexiones multi-puerto (modelo, memoria, herramientas)

Modules

Agente autonomo

agent.autonomous

Agente de IA auto-dirigido con memoria y comportamiento orientado a objetivos

Parameters:

Name	Type	Required	Default	Description
goal	string	Yes	-	El objetivo para que el agente logre
context	string	No	-	El objetivo para que el agente logre
max_iterations	number	No	5	Contexto o restricciones adicionales
llm_provider	select (openai, ollama)	No	openai	Maximo de pasos de razonamiento
model	string	No	gpt-4-turbo-preview	Nombre del modelo (ej., gpt-4, llama2, mistral)
ollama_url	string	No	http://localhost:11434	Nombre del modelo (ej., gpt-4, llama2, mistral)
temperature	number	No	0.7	URL del servidor Ollama (solo para proveedor ollama)

Output:

Field	Type	Description
result	string	Nivel de creatividad (0-2)
thoughts	array	El resultado de la operacion
iterations	number	El resultado de la operacion
goal_achieved	boolean	Pasos de razonamiento del agente

Example: Research task

goal: Research the latest trends in AI and summarize the top 3
max_iterations: 5
model: gpt-4

Example: Problem solving

goal: Find the best approach to optimize database queries
context: PostgreSQL database with 10M records
max_iterations: 10

Agente de cadena

agent.chain

Cadena de procesamiento de IA secuencial con multiples pasos

Parameters:

Name	Type	Required	Default	Description
input	string	Yes	-	Entrada inicial para la cadena
chain_steps	array	Yes	-	Entrada inicial para la cadena
llm_provider	select (openai, ollama)	No	openai	Array de pasos de procesamiento (cada uno es una plantilla de prompt)
model	string	No	gpt-4-turbo-preview	Nombre del modelo (ej., gpt-4, llama2, mistral)
ollama_url	string	No	http://localhost:11434	Nombre del modelo (ej., gpt-4, llama2, mistral)
temperature	number	No	0.7	URL del servidor Ollama (solo para proveedor ollama)

Output:

Field	Type	Description
result	string	Nivel de creatividad (0-2)
intermediate_results	array	El resultado de la operacion
steps_completed	number	El resultado de la operacion

Example: Content pipeline

input: AI and machine learning trends
chain_steps: ["Generate 5 blog post ideas about: {input}", "Take the first idea and write a detailed outline: {previous}", "Write an introduction paragraph based on: {previous}"]
model: gpt-4

Example: Data analysis chain

input: User behavior data shows 60% bounce rate
chain_steps: ["Analyze what might cause this issue: {input}", "Suggest 3 solutions based on: {previous}", "Create an action plan from: {previous}"]

Agente de Uso de Herramientas

agent.tool_use

Agente de IA que puede llamar herramientas/funciones

Parameters:

Name	Type	Required	Default	Description
prompt	string	Yes	-	El objetivo o tarea para el agente
tools	array	Yes	-	Lista de definiciones de herramientas [{nombre, descripción, parámetros}]
provider	select (openai, anthropic)	No	openai	Proveedor de LLM para el agente
model	string	No	gpt-4o	Modelo a utilizar
api_key	string	No	-	Clave API (recurre a la variable de entorno)
max_iterations	number	No	10	Número máximo de rondas de llamadas a herramientas
system_prompt	string	No	-	Instrucción del sistema opcional para guiar al agente

Output:

Field	Type	Description
result	string	La respuesta final del agente
tool_calls	array	Todas las llamadas a herramientas realizadas durante la ejecución
iterations	number	Número de iteraciones completadas
model	string	Modelo utilizado

Example: File Processing Agent

prompt: Read the config file and update the version number
tools: [{"name": "read_file", "description": "Read contents of a file", "parameters": {"type": "object", "properties": {"path": {"type": "string", "description": "File path"}}, "required": ["path"]}}, {"name": "write_file", "description": "Write contents to a file", "parameters": {"type": "object", "properties": {"path": {"type": "string", "description": "File path"}, "content": {"type": "string", "description": "File content"}}, "required": ["path", "content"]}}]
provider: openai
model: gpt-4o
max_iterations: 5

Incrustaciones de Texto

ai.embed

Generar incrustaciones vectoriales a partir de texto usando modelos de IA

Parameters:

Name	Type	Required	Default	Description
text	string	Yes	-	Texto a incrustar
provider	select (openai, local)	No	openai	Proveedor de IA para incrustaciones
model	string	No	text-embedding-3-small	Modelo de incrustación a usar
api_key	string	No	-	Clave API (usa la variable de entorno si no se proporciona)
dimensions	number	No	-	Dimensiones de incrustación (para modelos que lo soportan)

Output:

Field	Type	Description
embeddings	array	Array de incrustación vectorial
model	string	Modelo usado para la incrustación
dimensions	number	Número de dimensiones en el vector de incrustación
token_count	number	Número de tokens procesados

Example: Single Text Embedding

text: The quick brown fox jumps over the lazy dog
provider: openai
model: text-embedding-3-small

Example: Reduced Dimensions

text: Semantic search query
provider: openai
model: text-embedding-3-small
dimensions: 256

Extracción de IA

ai.extract

Extraer datos estructurados del texto usando IA

Parameters:

Name	Type	Required	Default	Description
text	string	Yes	-	Texto del cual extraer datos
schema	object	Yes	-	Esquema JSON que define los campos a extraer
instructions	string	No	-	Instrucciones adicionales de extracción
provider	select (openai, anthropic)	No	openai	Proveedor de IA a usar
model	string	No	gpt-4o-mini	Modelo a usar para la extracción
api_key	string	No	-	Clave API (usa la variable de entorno si no se proporciona)
temperature	number	No	0	Temperatura de muestreo (0-2)

Output:

Field	Type	Description
extracted	object	Datos estructurados extraídos
model	string	Modelo usado para la extracción
raw_response	string	Respuesta cruda del modelo

Example: Extract Contact Info

text: John Smith is a senior engineer at Acme Corp. Email: john@acme.com
schema: {"type": "object", "properties": {"name": {"type": "string"}, "title": {"type": "string"}, "company": {"type": "string"}, "email": {"type": "string"}}}
provider: openai
model: gpt-4o-mini

Example: Extract Invoice Data

text: Invoice #1234 from Acme Corp. Total: $500.00. Due: 2024-03-01
schema: {"type": "object", "properties": {"invoice_number": {"type": "string"}, "vendor": {"type": "string"}, "total": {"type": "number"}, "due_date": {"type": "string"}}}
instructions: Extract all invoice fields. Parse amounts as numbers.

Chat local Ollama

ai.local_ollama.chat

Chatear con LLM local via Ollama (completamente sin conexion)

Parameters:

Name	Type	Required	Default	Description
prompt	string	Yes	-	El mensaje a enviar al LLM local
model	select (llama2, llama2:13b, llama2:70b, mistral, mixtral, codellama, codellama:13b, phi, neural-chat, starling-lm)	No	llama2	El mensaje a enviar al LLM local
temperature	number	No	0.7	Temperatura de muestreo (0-2)
system_message	string	No	-	Mensaje de rol del sistema (opcional)
ollama_url	string	No	http://localhost:11434	Mensaje de rol del sistema (opcional)
max_tokens	number	No	-	URL del servidor Ollama

Output:

Field	Type	Description
response	string	Maximo de tokens en respuesta (opcional, depende del modelo)
model	string	Respuesta de la operacion
context	array	Respuesta de la operacion
total_duration	number	Nombre o identificador del modelo
load_duration	number	Contexto de conversacion para solicitudes de seguimiento
prompt_eval_count	number	Duracion total de procesamiento
eval_count	number	Duracion de carga del modelo

Example: Simple local chat

prompt: Explain quantum computing in 3 sentences
model: llama2

Example: Code generation with local model

prompt: Write a Python function to calculate fibonacci numbers
model: codellama
temperature: 0.2
system_message: You are a Python programming expert. Write clean, efficient code.

Example: Local reasoning task

prompt: What are the pros and cons of microservices architecture?
model: mistral
temperature: 0.7

Memoria de IA

ai.memory

Memoria de conversacion para agente de IA

Parameters:

Name	Type	Required	Default	Description
memory_type	select (buffer, window, summary)	Yes	buffer	Tipo de almacenamiento de memoria
window_size	number	No	10	Numero de mensajes recientes a mantener (para memoria de ventana)
session_id	string	No	-	Identificador unico para esta sesion de conversacion
initial_messages	array	No	[]	Historial de conversacion precargado

Output:

Field	Type	Description
memory_type	string	Historial de conversacion precargado
session_id	string	Historial de conversacion precargado
messages	array	Tipo de memoria
config	object	Identificador de sesion

Example: Simple Buffer Memory

memory_type: buffer

Example: Window Memory (last 5 messages)

memory_type: window
window_size: 5

Memoria de entidades

ai.memory.entity

Extraer y rastrear entidades (personas, lugares, conceptos) de conversaciones

Parameters:

Name	Type	Required	Default	Description
entity_types	multiselect	No	['person', 'organization', 'location']	Types of entities to extract and track
extraction_model	select (llm, spacy, regex)	Yes	llm	Model for entity extraction
session_id	string	No	-	Unique identifier for this memory session
track_relationships	boolean	No	True	Track relationships between entities
max_entities	number	No	100	Maximum number of entities to remember

Output:

Field	Type	Description
memory_type	string	Maximo numero de entidades a recordar
session_id	string	Maximo numero de entidades a recordar
entities	object	Tipo de memoria (entidad)
relationships	array	Identificador de sesion
config	object	Entidades rastreadas por tipo

Example: People & Organizations

entity_types: ["person", "organization"]
extraction_model: llm

Example: Full Entity Tracking

entity_types: ["person", "organization", "location", "concept"]
track_relationships: true
max_entities: 200

Memoria Redis

ai.memory.redis

Memoria de conversacion persistente usando almacenamiento Redis

Parameters:

Name	Type	Required	Default	Description
redis_url	string	Yes	redis://localhost:6379	Redis connection URL
key_prefix	string	No	flyto:memory:	Prefix for all Redis keys
session_id	string	Yes	-	Unique identifier for this memory session
ttl_seconds	number	No	86400	Time-to-live for memory entries (0 = no expiry)
max_messages	number	No	100	Maximum messages to store per session
load_on_start	boolean	No	True	Load existing messages from Redis on initialization

Output:

Field	Type	Description
memory_type	string	Cargar mensajes existentes de Redis en inicializacion
session_id	string	Cargar mensajes existentes de Redis en inicializacion
messages	array	Tipo de memoria (redis)
connected	boolean	Identificador de sesion
config	object	Historial de mensajes cargado

Example: Local Redis

redis_url: redis://localhost:6379
session_id: my-session
ttl_seconds: 3600

Example: Cloud Redis with Auth

redis_url: redis://:password@redis-cloud.example.com:6379
session_id: user-session
ttl_seconds: 86400
max_messages: 500

Memoria vectorial

ai.memory.vector

Memoria semantica usando embeddings vectoriales para recuperacion de contexto relevante

Parameters:

Name	Type	Required	Default	Description
embedding_model	select (text-embedding-3-small, text-embedding-3-large, text-embedding-ada-002, local)	Yes	text-embedding-3-small	Model to use for generating embeddings
top_k	number	No	5	Number of most relevant memories to retrieve
similarity_threshold	number	No	0.7	Minimum similarity score (0-1) for retrieval
session_id	string	No	-	Unique identifier for this memory session
include_metadata	boolean	No	True	Include timestamp and other metadata with memories

Output:

Field	Type	Description
memory_type	string	Incluir marca de tiempo y otros metadatos con memorias
session_id	string	Incluir marca de tiempo y otros metadatos con memorias
embedding_model	string	Tipo de memoria (vector)
config	object	Identificador de sesion

Example: Default Vector Memory

embedding_model: text-embedding-3-small
top_k: 5

Example: High Precision Memory

embedding_model: text-embedding-3-large
top_k: 10
similarity_threshold: 0.85

Modelo de IA

ai.model

Configuracion de modelo LLM para agente de IA

Parameters:

Name	Type	Required	Default	Description
provider	select (openai, anthropic, ollama)	No	openai	AI model provider
model	string	No	gpt-4o	Specific model to use
temperature	number	No	0.7	Creativity level (0=deterministic, 1=creative)
api_key	string	No	-	API key (defaults to provider env var)
base_url	string	No	-	Custom API base URL (for Ollama or proxies)
max_tokens	number	No	4096	Maximo de tokens en respuesta

Output:

Field	Type	Description
provider	string	Maximo de tokens en respuesta
model	string	Nombre del proveedor de LLM
config	object	Nombre del proveedor de LLM

Example: OpenAI GPT-4

provider: openai
model: gpt-4o
temperature: 0.7

Example: Anthropic Claude

provider: anthropic
model: claude-3-5-sonnet-20241022
temperature: 0.5

AI Tool

ai.tool

Expose a module as a tool for AI Agent

Parameters:

Name	Type	Required	Default	Description
module_id	string	Yes	-	Module ID to expose as tool (e.g. http.request, data.json_parse)
tool_description	string	No	-	Custom description for the agent (overrides module default)

Output:

Field	Type	Description
module_id	string	Module ID exposed as tool

Example: HTTP Request Tool

module_id: http.request

Example: JSON Parse Tool

module_id: data.json_parse

Análisis de Visión

ai.vision.analyze

Analizar imágenes usando modelos de visión de IA

Parameters:

Name	Type	Required	Default	Description
image_path	string	No	-	Ruta local al archivo de imagen
image_url	string	No	-	URL de la imagen a analizar
prompt	string	No	Describe this image in detail	Qué analizar o preguntar sobre la imagen
provider	select (openai, anthropic)	No	openai	Proveedor de IA para análisis de visión
model	string	No	gpt-4o	Modelo de visión a usar
api_key	string	No	-	Clave API (usa la variable de entorno si no se proporciona)
max_tokens	number	No	1000	Máximo de tokens en la respuesta
detail	select (low, high, auto)	No	auto	Nivel de detalle de la imagen (bajo/alto/auto)

Output:

Field	Type	Description
analysis	string	Análisis de IA de la imagen
model	string	Modelo usado para el análisis
provider	string	Proveedor usado para el análisis
tokens_used	number	Número de tokens usados

Example: Analyze Screenshot

image_path: /tmp/screenshot.png
prompt: Describe what you see in this UI screenshot
provider: openai
model: gpt-4o

Example: Analyze from URL

image_url: https://example.com/photo.jpg
prompt: What objects are in this image?
provider: anthropic
model: claude-sonnet-4-20250514

Chat de Claude

api.anthropic.chat

Enviar un mensaje de chat a Anthropic Claude AI y obtener una respuesta

Parameters:

Name	Type	Required	Default	Description
api_key	string	No	-	Clave API de Anthropic (por defecto env.ANTHROPIC_API_KEY)
model	string	No	claude-3-5-sonnet-20241022	Modelo de Claude a usar
messages	array	Yes	-	Array de objetos de mensaje con rol y contenido
max_tokens	number	No	1024	Contenido devuelto por la operacion
temperature	number	No	1.0	Temperatura de muestreo (0-1). Valores mas altos hacen la salida mas aleatoria
system	string	No	-	Prompt de sistema para guiar comportamiento de Claude

Output:

Field	Type	Description
content	string	Prompt de sistema para guiar comportamiento de Claude
model	string	Texto de respuesta de Claude
stop_reason	string	Modelo usado para respuesta
usage	object	Por que el modelo dejo de generar (end_turn, max_tokens, etc)

Example: Simple question

messages: [{"role": "user", "content": "What is the capital of France?"}]
max_tokens: 100

Example: Text summarization

system: You are a helpful assistant that summarizes text concisely.
messages: [{"role": "user", "content": "Summarize this article: ${article_text}"}]
max_tokens: 500

Chat de Google Gemini

api.google_gemini.chat

Enviar un mensaje de chat a Google Gemini AI y obtener una respuesta

Parameters:

Name	Type	Required	Default	Description
api_key	string	No	-	Clave API de Google AI (por defecto env.GOOGLE_AI_API_KEY)
model	string	No	gemini-1.5-pro	Modelo de Gemini a usar
prompt	string	Yes	-	El prompt de texto a enviar a Gemini
temperature	number	No	1.0	Controla aleatoriedad (0-2). Valores mas altos hacen la salida mas aleatoria
max_output_tokens	number	No	2048	Maximo numero de tokens en respuesta

Output:

Field	Type	Description
text	string	Generated text response from Gemini
model	string	Model used for generation
candidates	array	All candidate responses

Example: Simple question

prompt: Explain quantum computing in simple terms

Example: Content generation

prompt: Write a professional email about ${topic}
temperature: 0.7
max_output_tokens: 500

Chat de OpenAI

api.openai.chat

Enviar un mensaje de chat a modelos GPT de OpenAI

Parameters:

Name	Type	Required	Default	Description
prompt	string	Yes	-	El mensaje a enviar a GPT
model	select (gpt-4-turbo-preview, gpt-4, gpt-3.5-turbo)	No	gpt-4-turbo-preview	El mensaje a enviar a GPT
temperature	number	No	0.7	Temperatura de muestreo (0-2)
max_tokens	number	No	1000	Temperatura de muestreo (0-2)
system_message	string	No	-	Maximo de tokens en respuesta

Output:

Field	Type	Description
response	string	Mensaje de rol del sistema (opcional)
model	string	Respuesta de la operacion
usage	object	Respuesta de la operacion

Example: Simple chat

prompt: Explain quantum computing in 3 sentences
model: gpt-3.5-turbo

Example: Code generation

prompt: Write a Python function to calculate fibonacci numbers
model: gpt-4
temperature: 0.2
system_message: You are a Python programming expert

Generacion de imagen DALL-E

api.openai.image

Generar imagenes usando DALL-E

Parameters:

Name	Type	Required	Default	Description
prompt	string	Yes	-	Descripcion de la imagen a generar
size	select (256x256, 512x512, 1024x1024, 1792x1024, 1024x1792)	No	1024x1024	Descripcion de la imagen a generar
model	select (dall-e-3, dall-e-2)	No	dall-e-3	Version del modelo DALL-E
quality	select (standard, hd)	No	standard	Calidad de imagen (solo DALL-E 3)
n	number	No	1	Numero de imagenes a generar (1-10)

Output:

Field	Type	Description
images	array	List of generated images
model	string	Model name or identifier

Example: Generate artwork

prompt: A serene mountain landscape at sunset, digital art
size: 1024x1024
model: dall-e-3
quality: hd

Example: Create logo

prompt: Modern tech startup logo with blue and green colors
size: 512x512
model: dall-e-2
n: 3

Agente de IA

llm.agent

Agente de IA autonomo con conexiones multi-puerto (modelo, memoria, herramientas)

Parameters:

Name	Type	Required	Default	Description
prompt_source	select (manual, auto)	No	manual	De donde obtener el prompt de la tarea
task	string	No	-	La tarea para que el agente complete. Usa {{input}} para referenciar datos anteriores.
prompt_path	string	No	{<!-- -->{input}<!-- -->}	Ruta para extraer prompt de entrada (ej., {{input.message}})
join_strategy	select (first, newline, separator, json)	No	first	Como manejar entradas de array
join_separator	string	No	`

---

| Separador para unir elementos de array | |max_input_size| number | No |10000| Maximo de caracteres para prompt (previene desbordamiento) | |system_prompt| string | No |You are a helpful AI agent. Use the available tools to complete the task. Think step by step.| Instrucciones para el comportamiento del agente | |tools| array | No |[]| Lista de IDs de modulo (alternativa a conectar nodos de herramientas) | |context| object | No |{}| Lista de IDs de modulo (alternativa a conectar nodos de herramientas) | |max_iterations| number | No |10| Datos de contexto adicionales para el agente | |provider | select (openai, anthropic, ollama) | No | openai| AI model provider | |model| string | No |gpt-4o| Specific model to use | |temperature| number | No |0.3| Creativity level (0=deterministic, 1=creative) | |api_key| string | No | - | API key (defaults to provider env var) | |base_url` | string | No | - | Custom API base URL (for Ollama or proxies) |

Output:

Field	Type	Description
ok	boolean	Si el agente completo exitosamente
result	string	Si el agente completo exitosamente
steps	array	Si el agente completo exitosamente
tool_calls	number	El resultado final del agente
tokens_used	number	Lista de pasos que tomo el agente

Example: Web Research Agent

task: Search for the latest news about AI and summarize the top 3 stories
tools: ["http.request", "data.json_parse"]
model: gpt-4o

Example: Data Processing Agent

task: Read the CSV file, filter rows where status is "active", and count them
tools: ["file.read", "data.csv_parse", "array.filter"]
model: gpt-4o