AI / Agent Infrastructure · Independent R&D
System Control Plane
Sistema de ingeniería de software en desarrollo para estructurar, construir, auditar y mejorar proyectos mediante agentes de IA y control determinístico.
α
Origen y contexto
System Control Plane comenzó como una metodología para reducir costo, consumo de tokens y trabajo redundante durante el desarrollo de BlockFactory.
Lo que inicialmente era una forma de organizar el trabajo fue incorporando contratos, estados, evidencia, memoria, herramientas y mecanismos de verificación hasta convertirse en un sistema en sí mismo.
Hoy SCP es una plataforma de ingeniería de software en desarrollo que estructura cómo agentes, herramientas y componentes determinísticos participan en la construcción y evolución de proyectos reales.
β
Método de ingeniería
SCP combina Spec-Driven Development con principios de PDCA y Lean y organiza la evolución del software mediante deltas pequeños, especificados y verificables.
Antes de ejecutar se define el objetivo, se estructuran requerimientos y trabajo, se construye, se audita el resultado y la evidencia obtenida alimenta el siguiente ciclo.
ENGINEER coordina el proceso completo; PLAN razona y estructura sin ejecutar; CONTROL materializa de forma determinística contexto, contratos y unidades de trabajo; BUILD ejecuta el cambio; AUDITOR verifica el resultado contra la especificación y la evidencia.
- Objetivo
- Requerimientos
- Tareas y conjuntos de trabajo
- Refinamiento
- Construcción
- Auditoría
- Evidencia y mejora
γ
Arquitectura híbrida
SCP no delega todo el proceso a un modelo generativo. Combina agentes especializados con componentes determinísticos.
Los agentes se utilizan donde se necesita interpretación, planificación, construcción o revisión; el control del flujo, los contratos, la persistencia, las políticas y parte de las validaciones permanecen fuera del modelo.
- Sistemas multiagente
- Contratos estructurados
- Memoria y RAG
- DAGs y dependencias
- MCP y herramientas
- Persistencia y recuperación ante fallos
- Routing de modelos y herramientas
- Evidencia, provenance e histórico
- Observabilidad y medición de tokens/costo
δ
Proyectos existentes y self-hosting
SCP incorpora un módulo de ingesta para proyectos existentes, construyendo el contexto necesario para operar sobre bases de código que no fueron creadas originalmente por el sistema.
A partir de ese contexto puede aplicar el mismo ciclo de comprensión, especificación, construcción y auditoría.
SCP utiliza además ese proceso sobre su propio código: su evolución atraviesa el mismo ciclo de ingeniería que ofrece para otros proyectos.
Esto no implica modificación autónoma sin restricciones; significa que el propio sistema es uno de sus entornos reales de aplicación y prueba.
ε
Motor de estrategia
Diseñé un motor de estrategia que representa estrategias, contexto y resultados dentro de un espacio vectorial dinámico.
El sistema utiliza estructuras como GoalGraph, Strategy Graph/Fabric y ExecutionGraph para separar objetivo, estrategia y ejecución y conservar la relación entre ellos.
El objetivo es recuperar experiencias anteriores relacionadas, observar qué estrategias se utilizaron y evaluar cómo funcionaron bajo determinadas condiciones.
Decision Records y Strategy Experience preservan decisiones y resultados para que nuevas ejecuciones puedan reutilizar evidencia previa sin depender únicamente del contexto inmediato.
Los resultados de nuevas ejecuciones vuelven a alimentar ese espacio para estudiar progresivamente la relación entre contexto, estrategia, ejecución y resultado.
ζ
Eficiencia y decisiones acotadas
El costo de razonamiento fue uno de los problemas que originaron SCP y continúa siendo una dimensión explícita del diseño.
La arquitectura favorece resolver local o determinísticamente aquello que no necesita razonamiento generativo y reservar modelos más costosos para decisiones donde aportan valor.
El sistema incorpora políticas y herramientas internas para medir modelos, contexto, tokens y costo, utilizando TokScale para instrumentación de consumo y mecanismos de routing como ModelRouter para seleccionar recursos según el trabajo.
Los modelos y componentes pueden evaluarse por calidad, estabilidad y costo para decidir qué combinación resulta adecuada para cada tipo de trabajo.
Actualmente se está evaluando JEV como capa experimental para decisiones acotadas y estructuradas que no requieren una respuesta generativa abierta.
η
Estado actual y tecnologías
SCP es un proyecto activo y en desarrollo. Existe infraestructura operativa real para ejecutar parte importante del ciclo, trabajar con proyectos, persistir información, utilizar agentes y herramientas y producir evidencia.
La base implementada incluye runtime persistente, estado y decisiones durables, verificación y auditoría determinística, evidencia de ejecución y capacidad de recuperación y continuidad entre ejecuciones.
Algunas capacidades continúan evolucionando y otras permanecen experimentales o como dirección de investigación.
La pregunta central del proyecto es cómo construir software con agentes de IA manteniendo especificaciones, control, evidencia, memoria y capacidad de mejora.
Tecnologías y conceptos: Python, agentes, LangGraph, RAG, DAGs, MCP, Docker, Git, CLI, contratos, SQLite, persistencia, observabilidad, evidence/provenance, model routing, recuperación semántica, Spec-Driven Development, PDCA y Lean.