~/studies/work 2026-11-17 · published 2026-11-21

APIs de canal: lo que una matriz de 29 productos no decidió

Un estudio de APIs de canal de chat para personas y agentes: 62 características en 29 productos, tres spikes que fueron solo type checks, y un resultado que no separó nuestro propio vocabulario de Matrix. Con los niveles de prueba.

La pregunta

Dos estudios enlazados, 2026-11-16 y 2026-11-17. El primero preguntó qué debería ser un canal en un engine de agentes para que la misma pantalla funcione con personas y varios agentes dentro. El segundo preguntó qué modelo de recursos y qué semántica debería exponer la API de canal sobre el wire existente del engine.

Punto de partida, observado en el código: una pantalla de canal funcionaba contra un runtime anterior, el nuevo engine solo le servía un mensaje directo por agente, y el núcleo del engine no tenía concepto de canal.

Cuánta evidencia, y de qué tipo

El registro guarda cuatro niveles de prueba por celda: read (código o paquete de tipos), specified (una descripción de API publicada), run e hypothesis. Tras la ronda 5 del segundo estudio, derivado por un script el 2026-11-17:

ElementoCantidad
Productos29 (15 directos, 14 indirectos)
Características62, de las cuales 27 marcadas como decisivas
Celdas de características1,308
Celdas en read / specified / run / hypothesis316 / 929 / 0 / 63
Matriz de vocabulario de API9 candidatos, 15 ejes, 135 celdas

Cero celdas en run es el titular honesto. Los tres spikes (57 escenarios sobre 5 vocabularios, con type checks y 58 tests en verde) se ejecutaron solo como type checks de la propia transcripción del estudio de cada wire de proveedor, en un modelo en proceso. No tocaron ningún servidor de proveedor, ningún SDK de proveedor ni nuestro engine.

El error de auditoría terminó en 0,065 frente a una meta por debajo de 5 por ciento, así que ese criterio no se cumplió. Cada celda de mercado tiene una fuente, y la demanda de integradores es, en palabras del registro, una hipótesis.

El resultado

Observado: la matriz y los spikes no separan nuestro propio vocabulario del de Matrix, y el de Discord puntúa cuatro puntos peor. Es una afirmación sobre esta puntuación, que no validé de forma independiente.

El owner decidió el 2026-11-17: un modelo de recursos propio sobre el wire existente, con nombres tomados de archivos de especificación de proveedores (Matrix, Discord, Zulip), y un feed por persona de pistas de cambio sin id y sin replay, construido después del channel log. Diseñado, no construido.

El primer estudio había recomendado una room con timeline y una conversación hija por agente y por hilo, en cuatro fases. El segundo estudio encontró que los caminos basados en room y el camino de acceso no se sostenían y recomendó un nuevo channel log con la misma mecánica.

Preguntas aún abiertas

  • Editar, borrar y eliminar definitivamente en un log append-only. Recomendación: las ediciones y los borrados son eventos, borrar oculta, y la eliminación definitiva necesita un erase a nivel de evento que llegue con el channel log.
  • Permisos al estilo Discord. Recomendación: no publicar ningún objeto de permisos hasta que un único authorizer lo aplique, y entonces empezar con tuplas solo-allow sobre un recurso de canal.
  • Dónde vive el timeline de un canal: un nuevo channel log accedido mediante un tipo de recurso de canal en el único authorizer.
  • Si la sesión de un agente es por hilo (recomendado) o por canal, y quién responde a un mensaje que no nombra a ningún agente: el agente del hilo, si no el agente de auto-respuesta de la room, si no nadie.

Las cuatro son recomendaciones a la espera de una decisión, no resoluciones.

Qué me llevaría

Una matriz ancha es barata de llenar y cara de creer. Lo útil fue la separación por nivel de prueba: hizo visible que 929 de 1,308 celdas descansaban en la descripción publicada de una interfaz, no en ejecutar nada. Una decisión entre dos vocabularios que puntúan a pocos puntos de distancia es una decisión sobre el encaje con tu propio wire, y la matriz no puede tomarla.

Hipótesis, mía: un spike ejecutable contra un servidor real de un proveedor habría valido más que la segunda mitad de la matriz. No lo he probado.