Low-code and no-code with BESSER to create and deploy smart web applications

Resumen Técnico: BESSER para Aplicaciones Web Inteligentes

Planteamiento del Problema
La creciente demanda de "aplicaciones web inteligentes" que contienen agentes de IA ha superado las capacidades de los flujos de trabajo de desarrollo tradicionales. Si bien las Plataformas de Desarrollo Low-Code (LCDP) han surgido para acelerar el desarrollo mediante modelado de alto nivel y generación automatizada de código, las soluciones más maduras y completas en funcionalidad son predominantemente comerciales. Este dominio comercial introduce desventajas significativas, incluyendo el bloqueo de proveedor, la extensibilidad limitada, las opciones restringidas para pilas tecnológicas y la falta de acceso al código fuente generado. Además, los enfoques existentes basados en modelos para interfaces de usuario web y móviles (como IFML, OOWS o UWE) a menudo no logran definir adecuadamente "componentes inteligentes" ni proporcionar una cadena de herramientas unificada para el ciclo completo de creación e implementación.

Metodología
Para abordar estas limitaciones, los autores presentan BESSER, un framework de código abierto de bajo código diseñado para facilitar la creación, generación e implementación de aplicaciones web inteligentes. La metodología se basa en un editor de modelado basado en la web que integra tres perspectivas complementarias en un lenguaje unificado B-UML (BESSER-UML):

1. Perspectiva Estructural: Utiliza diagramas de clases UML extendidos para definir aspectos estáticos (clases, atributos, relaciones). Incorpora metaatributos (por ejemplo, URI, icono) para capturar información específica de la plataforma.
2. Perspectiva de Agente: Permite el modelado explícito de agentes autónomos utilizando un lenguaje de máquina de estados extendido. Los agentes se definen por estados, transiciones, intenciones y acciones. Estas acciones pueden incluir respuestas textuales, llamadas a métodos de Python (para APIs externas) u operaciones impulsadas por salidas de Modelos de Lenguaje Grande (LLM), combinando efectivamente el control de las máquinas de estados con la apertura de los LLM.
3. Perspectiva de GUI: Proporciona una interfaz sin código de arrastrar y soltar para diseñar interfaces de usuario. El editor renderiza los componentes inmediatamente y los analiza internamente en la parte de GUI de B-UML, inspirado en IFML pero extendido con componentes de vista ricos (gráficos, interfaces de chat) y propiedades de estilo.

Contribuciones Clave y Arquitectura Técnica
La contribución central de BESSER es una tubería de generación que orquesta subgeneradores especializados para transformar la aplicación modelada en un proyecto listo para implementación:

• Generación de Backend: Transforma el modelo estructural en tres módulos de Python interconectados:
  • Clases Pydantic para validación de datos.
  • Modelos SQLAlchemy para esquema de base de datos y Mapeo Objeto-Relacional (ORM).
  • API REST FastAPI que expone endpoints CRUD completos para todas las entidades y relaciones.
• Generación de Frontend: Interpreta el modelo de GUI para producir una aplicación basada en React con TypeScript. Los componentes de vista se mapean a elementos de React, incluyendo tablas de datos, formularios interactivos, botones de invocación de métodos y visualizaciones de gráficos.
• Generación de Agentes: Si existe un modelo de agente, el generador del Marco Agente BESSER (BAF) crea scripts de Python ejecutables. Este backend expone un punto de conexión WebSocket, mientras que el frontend incrusta un widget de chat para facilitar el intercambio de mensajes y la visualización de respuestas.
• Integración de Implementación: El framework agiliza la implementación en la nube integrándose con GitHub y Render. A través de OAuth de GitHub, los usuarios pueden activar una implementación con un solo clic. El sistema genera automáticamente un repositorio de GitHub, envía la base de código y utiliza una configuración render.yaml para aprovisionar servicios de nivel gratuito (backend FastAPI, frontend React y servicio de agente opcional) en Render. Este flujo de trabajo elimina la configuración manual de infraestructura, entregando típicamente una aplicación accesible públicamente en minutos.

Resultados y Demostración
El artículo presenta una demostración de la tubería de BESSER utilizando un escenario de gestión de bibliotecas que incluye un agente conversacional que responde a preguntas frecuentes. La demostración ilustra el ciclo de vida completo:

• Carga de plantillas predefinidas (diagrama de clases, GUI y modelo de agente) en el editor web.
• Generación de la base de código.
• Implementación de la aplicación mediante GitHub y Render.
  El sistema produce con éxito una aplicación funcional donde la GUI se vincula a los modelos estructural y de agente, consolidándolos en una única aplicación web inteligente.

Significado y Afirmaciones
El artículo afirma que BESSER aborda la necesidad crítica de transparencia y extensibilidad en el desarrollo de bajo código para aplicaciones inteligentes. Al ser de código abierto, mitiga el bloqueo de proveedor y permite a los usuarios acceder y extender manualmente el código generado. El framework se posiciona no solo como un generador de prototipos, sino como una herramienta que permite a los usuarios pasar de ediciones de modelos a una aplicación web en vivo y accesible públicamente con un esfuerzo mínimo. Los autores señalan que el código generado puede servir como producto final o como prototipo para una extensión manual adicional. El trabajo futuro se limita modestamente a explorar la integración de perspectivas adicionales, como la personalización mediante perfiles de usuario o componentes de recomendación utilizando redes neuronales.