Auto-GPT

Auto-GPT, que ahora se escribe AutoGPT, es un programa de código abierto que permitía a GPT-4 perseguir un objetivo por su cuenta mediante prompts en un bucle: planificaba un paso, elegía un comando, como hacer una búsqueda web o escribir en un archivo, lo ejecutaba, leía el resultado y volvía a planificar hasta considerar que había cumplido el objetivo. Toran Bruce Richards, fundador del estudio de videojuegos Significant Gravitas, lo publicó el 30 de marzo de 2023, dos semanas después del lanzamiento de GPT-4. En pocos días encabezó la lista de tendencias de GitHub y convirtió la idea de un agente de IA autónomo basado en un modelo de lenguaje grande (LLM) de tema de investigación en algo que cualquiera podía ejecutar. Desde entonces, el repositorio de AutoGPT ha superado las 180.000 estrellas.

Cómo funciona Auto-GPT#

El usuario daba al Auto-GPT original un nombre, un rol y unos cuantos objetivos, como investigar un mercado y redactar un informe. En cada ciclo, el programa creaba un prompt con esos objetivos, una lista de comandos permitidos, sus restricciones y su historial reciente, y pedía a GPT-4 que respondiera en JSON con dos partes. La parte thoughts contenía el texto del modelo, su razonamiento, el plan, la autocrítica y un resumen dirigido al usuario: una versión escrita de la generación de cadenas de pensamiento mediante prompts. La parte command indicaba una acción y sus argumentos: buscar en Google, navegar por una página web, leer o escribir archivos, ejecutar código Python o iniciar un agente GPT auxiliar.

Antes de ejecutar cada comando, Auto-GPT se lo mostraba al usuario, que escribía y para autorizarlo, y -N para autorizar los siguientes N comandos o n para salir. El modo continuo omitía por completo estas comprobaciones, y el README advertía que podía ejecutarse para siempre o realizar acciones que el usuario no autorizaría normalmente. Para conservar la memoria más allá de la breve ventana de contexto del modelo, las primeras versiones almacenaban los resultados anteriores como embeddings en una caché JSON local o en bases de datos vectoriales como Pinecone, Redis o Milvus, y recuperaban los más pertinentes en cada ciclo, mientras GPT-3.5 resumía las páginas web largas.

Qué mostró Auto-GPT y en qué tuvo dificultades#

Auto-GPT hizo visible para millones de personas el patrón ReAct, que intercala el razonamiento con el uso de herramientas, e inspiró una oleada de proyectos similares, entre ellos BabyAGI, de Yohei Nakajima, que mantenía una lista de tareas que el modelo creaba, priorizaba y completaba. Sus ejecuciones también dejaron al descubierto los problemas que quienes desarrollan agentes aún deben tener en cuenta. Los agentes repetían las mismas búsquedas en bucle, se desviaban del objetivo original, informaban de avances que no habían logrado —una forma de alucinación— y disparaban las facturas de la API porque cada ciclo llamaba a GPT-4 con un prompt largo. La falta de una regla clara de parada y el riesgo del modo continuo demostraron por qué los agentes posteriores se ejecutan dentro de un entorno de ejecución para agentes, con límites de pasos, reglas de aprobación y un entorno aislado para agentes, y por qué los equipos los evalúan con evaluación de agentes en lugar de recurrir a demostraciones impresionantes. Los modelos también mejoraron en la habilidad fundamental: OpenAI añadió llamadas a funciones nativas (function calling) en junio de 2023, y más adelante se entrenaron modelos de razonamiento con aprendizaje por refuerzo para ejecutar largas cadenas de llamadas a herramientas.

Auto-GPT frente a términos relacionados#

• Chatbots: Responden a un mensaje cada vez y esperan al siguiente. Auto-GPT generaba su propio prompt siguiente y seguía actuando hasta que decidía que había alcanzado el objetivo.
• AutoML: El aprendizaje automático automatizado busca entre modelos e hiperparámetros para entrenar el mejor modelo para un conjunto de datos. Los nombres se parecen, pero Auto-GPT no entrena nada: dirige un LLM preentrenado para que realice tareas generales.
• Automatización robótica de procesos (RPA): Reproduce clics y pulsaciones de teclas programados que un desarrollador registró de antemano. Auto-GPT elegía sus pasos en tiempo de ejecución a partir del objetivo y de cada resultado.
• Flujos de trabajo agénticos: Organizan llamadas a LLM y herramientas según rutas definidas por un desarrollador. Auto-GPT dejaba todo el plan en manos del modelo, en el extremo de autonomía total de ese mismo espectro.

AutoGPT hoy#

El proyecto se ha convertido en AutoGPT Platform, un servicio alojado y autohospedable para crear agentes como flujos de trabajo de bloques conectados en un lienzo visual, con un mercado de agentes listos para usar y un constructor basado en chat. El código de la plataforma está sujeto a la licencia Polyform Shield, que permite el uso personal y empresarial interno, pero prohíbe venderlo como un servicio alojado de la competencia; el agente independiente original sigue en la carpeta classic/ del repositorio, bajo la licencia MIT, junto con el kit de herramientas Forge para crear agentes y el entorno de pruebas agbenchmark. Los bucles orientados a objetivos como el de Auto-GPT se ejecutan ahora sobre todo en productos más acotados, con herramientas y permisos fijos: en Ultralytics Platform, el asistente Ask AI convierte una solicitud en acciones de Platform: busca conjuntos de datos, inicia ejecuciones de entrenamiento de YOLO26, compara sus resultados y propone el siguiente experimento, mediante el comando ul cloud, autorizado con la propia clave API del usuario.