Solución de problemas
Soluciones a problemas comunes de PentAGI: un flow que falla en su primera llamada al modelo, errores del tool-call parser, advertencias del instalador en macOS y modelos pequeños que se quedan atascados.
Empieza con los logs de ambos extremos de la conexión: docker compose logs -f pentagi para PentAGI y los logs de tu backend o proxy de modelos.
Un flow falla con "failed to select primary docker image via llm call"
Lo primero que hace un flowflow — flujoUna ejecución de PentAGI: un objetivo, las tareas creadas a partir de tus mensajes y todo lo que hicieron los agentes en el proceso. es pedirle al modelo que elija una imagen de Docker, a través del agent typeagent type — tipo de agenteEl rol que desempeña un agente, como pentester, coder o searcher. La configuración del modelo se elige por tipo de agente. simple. Este error casi siempre apunta al backend del modelo, no a Docker:
- Revisa los logs de PentAGI y los de tu backend de modelos.
- Verifica que la URL base, la clave API y el nombre del modelo sean correctos y accesibles desde el contenedor.
- Esta llamada no envía herramientas, así que falla por la conexión, la clave o el modelo, no por tooltool — herramientaAquello con lo que actúa un agente: una capacidad integrada como el terminal, el navegador aislado o la búsqueda web, o un programa en el sandbox como nmap, metasploit o sqlmap. calling: comprueba que el modelo del
simpleagentagent — agenteUn agente de IA de PentAGI: un modelo con su propio prompt, configuración y herramientas que realiza un tipo de trabajo en un flujo, como probar, escribir código o buscar en la web. responda a una petición de chat sencilla. Un tool-call parser faltante se manifestará más tarde, cuando los agents empiecen a llamar a herramientas.
Errores del tool-call parser con modelos autoalojados
PentAGI controla los agents mediante tool callstool call — llamada a herramientasUna solicitud del modelo para ejecutar una de las herramientas del agente, como un comando de terminal o una búsqueda web., por lo que un backend personalizado debe devolver JSON de tool call válido al estilo OpenAI. Los síntomas de un parser ausente o incompatible incluyen Failed to parse tool call arguments as JSON, flows que se detienen tras unos pocos pasos y tool calls que entran en bucles sin converger.
- Habilita el tool-call parser y la plantilla de chat recomendados para el modelo que sirves en llama.cpp, SGLang o vLLM.
- Valida el providerprovider — proveedorUn servicio o servidor que le da a PentAGI sus modelos de lenguaje, como OpenAI, Anthropic o un Ollama local. con la utilidad
ctesterantes de ejecutar un flow completo. - Actualiza PentAGI: las versiones recientes sanean argumentos malformados para que una sola respuesta defectuosa ya no detenga un flow.
macOS marca el instalador
Las compilaciones para macOS están firmadas y notariadas. Si macOS sigue advirtiendo sobre el instalador, no lo anules con Abrir de todas formas: elimina el archivo y vuelve a descargar el archivo correspondiente a tu CPU desde los enlaces oficiales: darwin/ para Intel, darwin/ para Apple silicon. Nunca reutilices un archivo procedente de una fuente no oficial.
Los modelos más pequeños se atascan
Habilita el monitoreo de ejecución y la planificación de task y asigna al agent adviser un modelo más potente o un ajuste de razonamiento más alto.
¿Sigues atascado?
Pregunta en Discord o abre un issue incluyendo las líneas de log relevantes.
Última actualización el