Todos los tipos de nodos, políticas de reintento, condiciones y ramas paralelas para flujos de trabajo YAML.

Creación de flujos (YAML)

YAML es el formato principal de creación para flujos de JamJet. Esta página cubre cada tipo de nodo, opciones de flujo de control y parámetros de configuración.

Encabezado del flujo

workflow:
  id: my-workflow          # identificador único (formato slug)
  version: 0.1.0           # semver
  state_schema:            # estado tipado (todas las claves opcionales al inicio)
    query: str
    results: list[str]
    answer: str
    score: float
  start: first-node        # id del nodo de entrada

Nodo de modelo

Llama a un LLM y escribe la respuesta en una clave de estado.

nodes:
  think:
    type: model
    model: claude-haiku-4-5-20251001       # o gpt-4o, gemini-2.0-flash, etc.
    prompt: |
      Eres un asistente útil.
      Responde esta pregunta: {{ state.query }}
    output_key: answer          # escribe la respuesta del modelo aquí
    next: end

    # Opcional
    system: "Eres conciso y preciso."
    temperature: 0.3
    max_tokens: 1024
    retry:
      max_attempts: 3
      backoff: exponential      # o linear, constant
      delay_ms: 500

Modelos compatibles:

Proveedor	IDs de modelo
Anthropic	`claude-haiku-4-5-20251001`, `claude-sonnet-4-6`, `claude-opus-4-6`
OpenAI	`gpt-4o`, `gpt-4o-mini`, `o3-mini`
Google	`gemini-2.0-flash`, `gemini-2.5-pro`

Nodo de herramienta (MCP)

Llama a una herramienta desde un servidor MCP conectado.

nodes:
  search:
    type: tool
    server: brave-search        # nombre del servidor MCP (de jamjet.toml)
    tool: web_search
    arguments:
      query: "{{ state.query }}"
      count: 5
    output_key: search_results
    next: summarize

Los servidores MCP se configuran en jamjet.toml:

[[mcp.servers]]
name = "brave-search"
command = "npx"
args = ["-y", "@modelcontextprotocol/server-brave-search"]
env = { BRAVE_API_KEY = "${BRAVE_API_KEY}" }

Nodo HTTP

Realiza una solicitud HTTP y escribe el cuerpo de la respuesta al estado.

nodes:
  fetch-data:
    type: http
    method: GET
    url: "https://api.example.com/data/{{ state.item_id }}"
    headers:
      Authorization: "Bearer {{ env.API_KEY }}"
    output_key: raw_data
    next: process

Para POST/PUT, agrega un campo body:

    method: POST
    body:
      query: "{{ state.query }}"
      format: json

Nodo branch

Enruta la ejecución basándose en una condición.

nodes:
  route:
    type: branch
    conditions:
      - if: "state.confidence >= 0.9"
        next: done
      - if: "state.confidence >= 0.5"
        next: refine
    default: escalate        # fallback if no condition matches

Las condiciones se evalúan en orden — la primera coincidencia gana. Las expresiones usan un subconjunto simple de sintaxis Python con state.* y env.* disponibles.

Nodo parallel

Se ramifica a múltiples rutas, espera a que todas se completen y luego continúa.

nodes:
  gather:
    type: parallel
    branches:
      - search
      - fetch-docs
      - check-cache
    join: synthesize         # node to run after all branches complete

Cada rama se ejecuta concurrentemente. Las escrituras de estado de las ramas paralelas se fusionan; si dos ramas escriben la misma clave, gana el último que escribe.

Nodo wait

Pausa la ejecución hasta que se reciba un evento externo.

nodes:
  await-approval:
    type: wait
    event: human_approved    # event name to wait for
    timeout_hours: 24
    on_timeout: escalate     # node to run if timeout fires
    next: continue

Reanuda una ejecución en espera con:

jamjet resume exec_01JM4X8NKWP2 --event human_approved --data '{"approved": true}'

Nodo eval

Evalúa la calidad del resultado en línea. Útil para ciclos de autocorrección.

nodes:
  check-quality:
    type: eval
    scorers:
      - type: llm_judge
        rubric: "Is the answer accurate, complete, and under 200 words?"
        min_score: 4          # 1-5 scale
        model: claude-haiku-4-5-20251001
      - type: assertion
        check: "len(output.answer) > 0"
      - type: latency
        max_ms: 5000
    on_fail: retry_with_feedback   # or escalate, halt, log_and_continue
    max_retries: 2
    next: end

Opciones de on_fail:

retry_with_feedback — vuelve a ejecutar el nodo de modelo anterior con los comentarios del evaluador inyectados en el prompt
escalate — redirige a un nodo de escalamiento (define escalate: en el encabezado del workflow)
halt — detiene la ejecución con un error
log_and_continue — registra el fallo pero continúa de todos modos

Nodo end

Termina la ejecución. Todo flujo de trabajo necesita al menos uno.

nodes:
  end:
    type: end

Puedes tener múltiples nodos end con nombre (por ejemplo, success, failure, escalated) — todos terminan la ejecución limpiamente.

Políticas de reintento

Cualquier nodo puede tener una política de reintento:

    retry:
      max_attempts: 3
      backoff: exponential    # linear | constant | exponential
      delay_ms: 200           # retardo inicial
      max_delay_ms: 10000     # límite para backoff exponencial
      retry_on:               # opcional: solo reintentar en estos errores
        - model_overloaded
        - rate_limited
        - timeout

Expresiones de plantilla

Los prompts, URLs, encabezados y argumentos admiten expresiones de plantilla {{ }}:

Expresión	Valor
`{{ state.key }}`	Un valor de estado
`{{ env.KEY }}`	Una variable de entorno
`{{ execution.id }}`	ID de ejecución actual
`{{ execution.workflow_id }}`	ID del flujo de trabajo
`{{ node.id }}`	ID del nodo actual

Ejemplo completo

workflow:
  id: research-agent
  version: 0.2.0
  state_schema:
    query: str
    search_results: list[str]
    draft: str
    answer: str
  start: search

nodes:
  search:
    type: tool
    server: brave-search
    tool: web_search
    arguments:
      query: "{{ state.query }}"
      count: 10
    output_key: search_results
    next: draft

  draft:
    type: model
    model: claude-sonnet-4-6
    prompt: |
      Basándote en estos resultados de búsqueda:
      {{ state.search_results | join('\n') }}

      Escribe una respuesta completa a: {{ state.query }}
    output_key: draft
    next: evaluate

  evaluate:
    type: eval
    scorers:
      - type: llm_judge
        rubric: "¿Esta respuesta está fundamentada en los resultados de búsqueda, es completa y está bien estructurada?"
        min_score: 4
        model: claude-haiku-4-5-20251001
      - type: assertion
        check: "len(output.draft) >= 100"
    on_fail: retry_with_feedback
    max_retries: 2
    next: done

  done:
    type: end

Creación de Flujos de Trabajo (YAML)