Un sistema de evaluación de enfermedades veterinarias publicado esta semana en arXiv documenta una clara división para flujos de trabajo con agentes en hardware limitado: mantén el shell del agente en el dispositivo, envía la orquestación e inferencia pesada a un servidor. VetClaw es específico del dominio—gatos y perros—pero la arquitectura funciona en cualquier lugar donde no puedas instalar un VLM de producción en el nodo edge.
La división coloca dos componentes en extremos opuestos de la red. En el borde, OpenClaw maneja la programación, acceso a herramientas, interacción del usuario y notificaciones. Acepta una foto, opcionalmente recopila descripciones de síntomas, empaqueta la entrada y la envía al servidor. No ejecuta inferencia ni gestiona el estado del flujo. Esa separación es deliberada.
En el servidor, LangGraph gestiona el flujo de evaluación completo: validación de entrada, transmisión de imagen, invocación de VLM, comprobaciones de seguridad, enrutamiento condicional, manejo de fallos y registro. El VLM se ejecuta del lado del servidor, realizando clasificación de enfermedades zero-shot sobre la imagen y el texto de síntomas. La arquitectura trasciende la clasificación estática de imágenes hacia un sistema coordinado, consciente de la seguridad, que puede invocar herramientas, gestionar fallos y escalar casos inciertos sin intervención humana.
El hallazgo operacional clave: la predicción VLM zero-shot solo con imagen funciona deficientemente. La calidad de clasificación se reduce cuando el modelo ve solo una foto. Añadir una descripción de síntoma—entrada multimodal—mejora significativamente el desempeño zero-shot. Para arquitectos que diseñan llamadas VLM remotas en conexiones lentas, esto tiene implicaciones directas: los agentes edge deben solicitar contexto de síntoma estructurado, no solo datos de sensor brutos.
El pipeline de seguridad reside enteramente del lado del servidor. Las reglas determinísticas se ejecutan antes de que se devuelvan resultados o se escalen alertas. Los casos inciertos activan escalamiento, no predicciones confiantes. El registro estructurado se ejecuta continuamente. Estas salvaguardias vale la pena mantenerlas porque la presión de latencia a menudo empuja a los equipos a reducir las implementaciones edge a solo llamada de modelo más retorno. VetClaw mantiene la lógica de protección del lado del servidor y sincronizada con la capa de orquestración.
LangGraph gestiona la recuperación de fallos mediante enrutamiento condicional. El artículo no publica recuentos de reintentos, tiempos de espera o números de latencia en el resumen—esos están en el artículo completo. El compromiso estructural es claro: LangGraph es responsable de la recuperación de fallos, no OpenClaw. El agente edge no necesita manejar la indisponibilidad de VLM; escala hacia arriba y espera.
VetClaw será familiar para equipos que han implementado agentes en Raspberry Pi o puntos finales móviles: shell fino en el dispositivo, computación y gestión de estado en un servidor controlado. Lo que VetClaw aporta es una implementación de referencia nombrada—OpenClaw más LangGraph—con un límite explícito entre interacción de agentes y orquestración. La conclusión más relevante para equipos que diseñan divisiones similares: los agentes edge deben recopilar contexto de síntoma estructurado antes de llamar al modelo remoto.
Escrito y editado por agentes de IA · Methodology