alonsoir · March 25, 2025 12:09
diff --git a/agno-sample.py b/agno-sample.py
 # filepath: /Users/aironman/git/python-samples-2025/src/python_samples_2025/agno/agno-sample.py
 import os
 from agno.agent import Agent
 from agno.models.openai import OpenAIChat
 from dotenv import load_dotenv

 load_dotenv()
 # Obtén el token de la variable de entorno
 openai_api_key = os.getenv("OPENAI_API_KEY")
 if not openai_api_key:
    raise ValueError("El token de OpenAI no está configurado. Por favor, define la variable de entorno OPENAI_API_KEY.")

 reasoning_agent = Agent(
    model=OpenAIChat(id="gpt-4o", api_key=openai_api_key),  # Pasa el token aquí
    reasoning=True,
    markdown=True,
 )

 # Pruebas rápidas
 prompts = [
    "Explica cómo entrenar un modelo de IA en 5 pasos simples.",
    "Genera un plan de proyecto para usar IA en análisis de sentimientos.",
    "Resuelve este problema: ¿Cuál es el mejor algoritmo para clasificar texto corto?",
    "Resuelva el problema del tranvía. Evalúe múltiples marcos éticos. Incluya un diagrama ASCII de su solución."
 ]
 for prompt in prompts:
    reasoning_agent.print_response(prompt, stream=True, show_full_reasoning=True)
diff --git a/agno-sec-output.md b/agno-sec-output.md
diff --git a/agno-sec.py b/agno-sec.py
 import os
 import subprocess
 import json
 import logging
 from agno.agent import Agent
 from agno.models.openai import OpenAIChat
 from dotenv import load_dotenv

 # Configurar logging
 logging.basicConfig(level=logging.INFO, format="%(asctime)s - %(levelname)s - %(message)s")

 # Cargar API key
 load_dotenv()
 openai_api_key = os.getenv("OPENAI_API_KEY")
 if not openai_api_key:
    logging.error("El token de OpenAI no está configurado.")
    raise ValueError("El token de OpenAI no está configurado.")

 # Configurar agente Agno
 agent = Agent(
    model=OpenAIChat(id="gpt-4o", api_key=openai_api_key),
    reasoning=True,
    markdown=True,
 )

 # Archivo de contexto
 CONTEXT_FILE = "context.json"

 def load_context():
    """Carga el contexto desde un archivo JSON y garantiza que tenga la estructura correcta."""
    if os.path.exists(CONTEXT_FILE):
        try:
            with open(CONTEXT_FILE, "r") as f:
                context = json.load(f)
        except json.JSONDecodeError:
            logging.warning("El archivo de contexto está corrupto. Se creará uno nuevo.")
            context = {}
    else:
        context = {}

    # Asegurar que "scans" esté presente
    if "scans" not in context:
        context["scans"] = []
    
    return context

 def save_context(new_data):
    """Guarda datos en el contexto."""
    context = load_context()
    context["scans"].append(new_data)
    try:
        with open(CONTEXT_FILE, "w") as f:
            json.dump(context, f, indent=4)
    except IOError as e:
        logging.error(f"Error al guardar el contexto: {e}")

 def run_tool(command):
    """Ejecuta un comando en la terminal y maneja errores."""
    try:
        result = subprocess.run(command, shell=True, capture_output=True, text=True)
        if result.returncode != 0:
            logging.warning(f"Error ejecutando '{command}': {result.stderr.strip()}")
            return f"Error: {result.stderr.strip()}"
        return result.stdout.strip()
    except Exception as e:
        logging.error(f"Error ejecutando '{command}': {e}")
        return f"Excepción: {e}"

 def is_tool_installed(tool_name):
    """Verifica si una herramienta está instalada."""
    return subprocess.run(f"which {tool_name}", shell=True, capture_output=True).returncode == 0

 # Paso 1: Verificar dependencias
 for tool in ["nmap", "tshark"]:
    if not is_tool_installed(tool):
        logging.warning(f"{tool} no está instalado. Es posible que el script falle.")

 # Paso 2: Ejecutar Nmap
 target = "127.0.0.1"
 nmap_cmd = f"nmap -sV {target}"
 logging.info(f"Ejecutando Nmap en {target}...")
 nmap_output = run_tool(nmap_cmd)
 logging.info(f"Salida de Nmap:\n{nmap_output}")

 # Paso 3: Analizar la salida con Agno
 prompt = f"Analiza esta salida de Nmap y sugiere la siguiente acción:\n{nmap_output}"
 response = agent.print_response(prompt, stream=False, show_full_reasoning=True)
 logging.info(f"Análisis de Agno:\n{response}")

 # Paso 4: Guardar contexto
 new_context = {
    "tool": "nmap",
    "target": target,
    "output": nmap_output,
    "analysis": response
 }
 save_context(new_context)

 # Paso 5: Decidir la siguiente herramienta
 prompt = f"Con este contexto:\n{json.dumps(new_context, indent=2)}\n¿Qué herramienta uso después (Wireshark, Tshark) y cómo?"
 response = agent.print_response(prompt, stream=False, show_full_reasoning=True)

 if response is None:
    logging.error("No se recibió respuesta del agente Agno.")
    response = "No se recibió respuesta válida."

 logging.info(f"Sugerencia de la siguiente herramienta:\n{response}")

 # Paso 6: Ejecutar Tshark si se recomienda
 if response and "tshark" in response.lower():
    tshark_cmd = "tshark -i any -c 100"
    logging.info("Ejecutando Tshark...")
    tshark_output = run_tool(tshark_cmd)
    logging.info(f"Salida de Tshark:\n{tshark_output}")
    save_context({"tool": "tshark", "output": tshark_output})

diff --git a/output-agno-sample.md b/output-agno-sample.md
	# filepath: /Users/aironman/git/python-samples-2025/src/python_samples_2025/agno/agno-sample.py
	import os
	from agno.agent import Agent
	from agno.models.openai import OpenAIChat
	from dotenv import load_dotenv

	load_dotenv()
	# Obtén el token de la variable de entorno
	openai_api_key = os.getenv("OPENAI_API_KEY")
	if not openai_api_key:
	raise ValueError("El token de OpenAI no está configurado. Por favor, define la variable de entorno OPENAI_API_KEY.")

	reasoning_agent = Agent(
	model=OpenAIChat(id="gpt-4o", api_key=openai_api_key), # Pasa el token aquí
	reasoning=True,
	markdown=True,
	)

	# Pruebas rápidas
	prompts = [
	"Explica cómo entrenar un modelo de IA en 5 pasos simples.",
	"Genera un plan de proyecto para usar IA en análisis de sentimientos.",
	"Resuelve este problema: ¿Cuál es el mejor algoritmo para clasificar texto corto?",
	"Resuelva el problema del tranvía. Evalúe múltiples marcos éticos. Incluya un diagrama ASCII de su solución."
	]
	for prompt in prompts:
	reasoning_agent.print_response(prompt, stream=True, show_full_reasoning=True)
	import os
	import subprocess
	import json
	import logging
	from agno.agent import Agent
	from agno.models.openai import OpenAIChat
	from dotenv import load_dotenv

	# Configurar logging
	logging.basicConfig(level=logging.INFO, format="%(asctime)s - %(levelname)s - %(message)s")

	# Cargar API key
	load_dotenv()
	openai_api_key = os.getenv("OPENAI_API_KEY")
	if not openai_api_key:
	logging.error("El token de OpenAI no está configurado.")
	raise ValueError("El token de OpenAI no está configurado.")

	# Configurar agente Agno
	agent = Agent(
	model=OpenAIChat(id="gpt-4o", api_key=openai_api_key),
	reasoning=True,
	markdown=True,
	)

	# Archivo de contexto
	CONTEXT_FILE = "context.json"

	def load_context():
	"""Carga el contexto desde un archivo JSON y garantiza que tenga la estructura correcta."""
	if os.path.exists(CONTEXT_FILE):
	try:
	with open(CONTEXT_FILE, "r") as f:
	context = json.load(f)
	except json.JSONDecodeError:
	logging.warning("El archivo de contexto está corrupto. Se creará uno nuevo.")
	context = {}
	else:
	context = {}

	# Asegurar que "scans" esté presente
	if "scans" not in context:
	context["scans"] = []

	return context

	def save_context(new_data):
	"""Guarda datos en el contexto."""
	context = load_context()
	context["scans"].append(new_data)
	try:
	with open(CONTEXT_FILE, "w") as f:
	json.dump(context, f, indent=4)
	except IOError as e:
	logging.error(f"Error al guardar el contexto: {e}")

	def run_tool(command):
	"""Ejecuta un comando en la terminal y maneja errores."""
	try:
	result = subprocess.run(command, shell=True, capture_output=True, text=True)
	if result.returncode != 0:
	logging.warning(f"Error ejecutando '{command}': {result.stderr.strip()}")
	return f"Error: {result.stderr.strip()}"
	return result.stdout.strip()
	except Exception as e:
	logging.error(f"Error ejecutando '{command}': {e}")
	return f"Excepción: {e}"

	def is_tool_installed(tool_name):
	"""Verifica si una herramienta está instalada."""
	return subprocess.run(f"which {tool_name}", shell=True, capture_output=True).returncode == 0

	# Paso 1: Verificar dependencias
	for tool in ["nmap", "tshark"]:
	if not is_tool_installed(tool):
	logging.warning(f"{tool} no está instalado. Es posible que el script falle.")

	# Paso 2: Ejecutar Nmap
	target = "127.0.0.1"
	nmap_cmd = f"nmap -sV {target}"
	logging.info(f"Ejecutando Nmap en {target}...")
	nmap_output = run_tool(nmap_cmd)
	logging.info(f"Salida de Nmap:\n{nmap_output}")

	# Paso 3: Analizar la salida con Agno
	prompt = f"Analiza esta salida de Nmap y sugiere la siguiente acción:\n{nmap_output}"
	response = agent.print_response(prompt, stream=False, show_full_reasoning=True)
	logging.info(f"Análisis de Agno:\n{response}")

	# Paso 4: Guardar contexto
	new_context = {
	"tool": "nmap",
	"target": target,
	"output": nmap_output,
	"analysis": response
	}
	save_context(new_context)

	# Paso 5: Decidir la siguiente herramienta
	prompt = f"Con este contexto:\n{json.dumps(new_context, indent=2)}\n¿Qué herramienta uso después (Wireshark, Tshark) y cómo?"
	response = agent.print_response(prompt, stream=False, show_full_reasoning=True)

	if response is None:
	logging.error("No se recibió respuesta del agente Agno.")
	response = "No se recibió respuesta válida."

	logging.info(f"Sugerencia de la siguiente herramienta:\n{response}")

	# Paso 6: Ejecutar Tshark si se recomienda
	if response and "tshark" in response.lower():
	tshark_cmd = "tshark -i any -c 100"
	logging.info("Ejecutando Tshark...")
	tshark_output = run_tool(tshark_cmd)
	logging.info(f"Salida de Tshark:\n{tshark_output}")
	save_context({"tool": "tshark", "output": tshark_output})