# Herramientas y Capacidades

## Descripcion General

Las herramientas son las acciones que sus agentes pueden tomar durante las conversaciones. Cuando un agente necesita navegar la web, ejecutar un comando, leer un archivo o controlar un dispositivo, usa herramientas.

Neotask proporciona un rico conjunto de herramientas integradas que cubren gestion de archivos, ejecucion de codigo, automatizacion de navegador, control de dispositivos, mensajeria, busqueda web y mas.

## Operaciones de Archivos

Los agentes pueden leer, escribir y editar archivos en su espacio de trabajo:

- **Read** -- Leer contenido de archivos
- **Write** -- Crear o sobreescribir archivos
- **Edit** -- Hacer ediciones dirigidas a partes especificas de un archivo
- **Apply Patch** -- Aplicar diffs unificados multi-hunk para modificaciones complejas de archivos

## Ejecucion de Codigo

Los agentes pueden ejecutar comandos shell con aislamiento configurable:

- **Ejecucion en Gateway** -- Ejecutar comandos directamente en la maquina que aloja el Gateway
- **Ejecucion en sandbox** -- Ejecutar comandos en contenedores Docker aislados con limites de recursos
- **Ejecucion en nodo** -- Ejecutar comandos en dispositivos companion conectados (nodos macOS, Linux)

### Caracteristicas de Ejecucion
- Tiempos de espera configurables (por defecto 30 minutos)
- Gestion de trabajos en segundo plano (listar, consultar, eliminar, limpiar)
- Auto-segundo plano para comandos de larga ejecucion
- Soporte TTY para programas interactivos
- Modo elevado para operaciones privilegiadas (solo host del gateway)

### Flujos de Aprobacion
Los comandos sensibles pueden requerir aprobacion del usuario antes de ejecutarse:
- **Allowlist** -- Solo se ejecutan comandos pre-aprobados
- **Ask** -- Los comandos desconocidos solicitan aprobacion
- **Full** -- Sin restricciones

## Automatizacion de Navegador

Los agentes controlan un navegador completo basado en Chromium (Chrome, Brave o Edge):

### Acciones
- **Navegar** -- Abrir URLs y navegar entre paginas
- **Interactuar** -- Hacer clic, escribir, pasar el cursor, arrastrar, seleccionar, llenar formularios
- **Capturar** -- Tomar capturas de pantalla, exportar PDFs
- **Inspeccionar** -- Instantanea del DOM o arbol de accesibilidad
- **Ejecutar** -- Ejecutar JavaScript en el contexto de la pagina
- **Cargar** -- Subir archivos a formularios web
- **Gestionar** -- Manejar dialogos (alertas, confirmaciones), leer salida de consola

### Perfiles de Navegador
Multiples perfiles de navegador aislados para separar cuentas:
- Cada perfil tiene sus propias cookies, almacenamiento e historial
- Puertos CDP asignados automaticamente para control programatico
- Soporte de navegador remoto (conectarse a navegadores en otras maquinas)

## Canvas y A2UI

El sistema Agent-to-UI (A2UI) permite a los agentes renderizar contenido visual interactivo en dispositivos conectados:

- **Presentar** -- Mostrar paginas web o contenido personalizado en el canvas de un dispositivo
- **Navegar** -- Controlar lo que se muestra en la ventana del canvas
- **Evaluar** -- Ejecutar JavaScript en el contexto del canvas
- **Instantanea** -- Capturar lo que se muestra actualmente
- **A2UI Push** -- Enviar actualizaciones de UI estructuradas (payloads JSONL) al canvas
- **A2UI Reset** -- Limpiar el estado del canvas

El renderizado de canvas esta disponible en macOS (WebKit), iOS (SwiftUI), Android (Jetpack Compose) y web (WebChat).

## Capacidades de Dispositivos Nodo

A traves de aplicaciones companion conectadas, los agentes pueden:

### Camara
- **Snap** -- Tomar fotos (camara frontal o trasera)
- **Clip** -- Grabar clips de video con duracion y FPS configurables

### Pantalla
- **Record** -- Capturar grabaciones de pantalla con duracion y calidad configurables

### Ubicacion
- **Get** -- Obtener coordenadas GPS con seleccion de precision

### Notificaciones
- **Notify** -- Enviar notificaciones nativas del SO con titulo, cuerpo y prioridad

### Comandos del Sistema
- **Run** -- Ejecutar comandos shell en el dispositivo nodo
- **Which** -- Verificar si un comando esta disponible en el nodo

## Mensajeria

Los agentes pueden enviar y gestionar mensajes a traves de canales conectados:

- **Send** -- Enviar mensajes a cualquier canal/destinatario conectado
- **Edit** -- Editar mensajes enviados previamente
- **React** -- Agregar reacciones a mensajes
- **Thread** -- Crear hilos y responder dentro de ellos
- **Poll** -- Crear encuestas en plataformas soportadas
- **Voice** -- Verificar estado del canal de voz (Discord)

## Web

- **Search** -- Busqueda web via Brave Search API
- **Fetch** -- Recuperar paginas web y convertir HTML a markdown/texto

## Memoria y Contexto

- **Memory Search** -- Busqueda de similitud vectorial sobre archivos de memoria del agente
- **Memory Get** -- Recuperar archivos de memoria especificos por nombre

## Gestion de Sesiones

- **List Sessions** -- Ver sesiones activas entre agentes
- **Session History** -- Obtener transcripcion de cualquier sesion
- **Send to Session** -- Enviar mensajes a otras sesiones de agentes
- **Spawn Sub-Agent** -- Iniciar ejecuciones de sub-agentes aislados
- **List Agents** -- Ver agentes disponibles

## Automatizacion

- **Cron** -- Crear, editar, ejecutar y gestionar trabajos programados
- **Gateway** -- Reiniciar gateway, aplicar cambios de configuracion, ejecutar actualizaciones

## Analisis de Imagenes

Los agentes pueden analizar imagenes usando modelos de vision configurados -- describir contenido, extraer texto, identificar objetos y responder preguntas sobre contenido visual.

## Grupos de Herramientas

Las herramientas estan organizadas en grupos para facil gestion de permisos:

| Grupo | Herramientas |
|-------|-------|
| **runtime** | exec, bash, process |
| **fs** | read, write, edit, apply_patch |
| **sessions** | sessions_list, sessions_history, sessions_send, sessions_spawn, session_status |
| **memory** | memory_search, memory_get |
| **web** | web_search, web_fetch |
| **ui** | browser, canvas |
| **automation** | cron, gateway |
| **messaging** | message |
| **nodes** | nodes |