Comandos

mka1 <service> <resource> <action> [flags]

mka1 --help
mka1 llm --help
mka1 llm responses --help
mka1 llm responses create --help

mka1 explore

mka1 llm responses create \
  --model meetkai:functionary-es-mini \
  --input '"Escribe un resumen de una frase de la API de MKA1."'

mka1 llm responses create \
  --model meetkai:functionary-es-mini \
  --instructions 'Responde en inglés sencillo. Mantén las respuestas en menos de 80 palabras.' \
  --input '"Explica para qué se usan los embeddings."'

mka1 llm responses create \
  --model meetkai:functionary-es-mini \
  --previous-response-id resp_123 \
  --input '"Ahora convierte eso en un asunto de correo electrónico."'

mka1 llm responses create \
  --model meetkai:functionary-es-mini \
  --input '"Escribe tres puntos de notas de lanzamiento para la actualización de la documentación."' \
  --stream \
  --output-format json

mka1 llm responses create \
  --model meetkai:functionary-es-mini \
  --input '"Produce un informe de 1,000 palabras."' \
  --background

# Crear una conversación
mka1 llm conversations create --metadata '{"session_id":"web-42"}'

# Usarla en una respuesta
mka1 llm responses create \
  --model meetkai:functionary-es-mini \
  --conversation conv_123 \
  --input '"¿Qué debería preguntar a continuación para mejorar este borrador?"'

# Inspeccionar los elementos almacenados
mka1 llm conversations list-items --conversation-id conv_123

mka1 llm files upload --file ./support-manual.pdf --purpose assistants
mka1 llm files list
mka1 llm files get --file-id file_123
mka1 llm files content --file-id file_123 --output-file ./downloaded.pdf

# Crear un almacén
mka1 llm vector-stores create --name support-knowledge

# Adjuntar un archivo
mka1 llm vector-stores create-file \
  --vector-store-id vs_123 \
  --file-id file_123

# Buscar en él
mka1 llm vector-stores search \
  --vector-store-id vs_123 \
  --query '¿Cómo restablezco la contraseña de una cuenta?'

mka1 llm extract extract \
  --model meetkai:functionary-es-mini \
  --file ./invoice.pdf \
  --prompt 'Extrae el número de factura, proveedor, total y fecha.' \
  --schema '{
    "type": "object",
    "properties": {
      "invoice_number": { "type": "string" },
      "vendor_name": { "type": "string" },
      "total_amount": { "type": "number" },
      "date": { "type": "string", "format": "date" }
    },
    "required": ["invoice_number", "total_amount"]
  }'

mka1 llm extract create-schema --name invoice --schema @./invoice.schema.json
mka1 llm extract extract-with-schema --schema-id sch_123 --file ./invoice.pdf

# De voz a texto
mka1 llm speech transcribe --file ./call.wav

# De texto a voz — guarda en un archivo .wav
mka1 llm speech speak \
  --text 'Hola, bienvenido a nuestro servicio.' \
  --language en \
  --output-file ./welcome.wav

mka1 agents create \
  --name release-research-agent \
  --model meetkai:functionary-es-mini \
  --instructions 'Utiliza la búsqueda web cuando la pregunta dependa de información externa actual.' \
  --tools '[{"type":"web_search","search_context_size":"medium"}]'

mka1 agent-runs create \
  --agent-id agt_123 \
  --input '"¿Cuál es la versión estable actual de Bun?"'

mka1 agent-runs list --agent-id agt_123

mka1 llm prompts create --name welcome-email --template @./welcome.tpl
mka1 llm prompts create-version --prompt-id prm_123 --template @./welcome.v2.tpl
mka1 llm prompts list-versions --prompt-id prm_123
mka1 llm prompts rollback --prompt-id prm_123 --version 1

mka1 llm models list
mka1 llm models get --model-id meetkai:functionary-pt

mka1 llm usage-stats responses --start-time 2026-04-01 --end-time 2026-04-22
mka1 llm usage-stats embeddings --start-time 2026-04-01 --end-time 2026-04-22

mka1 permissions llm grant \
  --resource-type completion \
  --resource-id my-completion-123 \
  --user-id user-abc456 \
  --role writer

mka1 permissions llm check \
  --resource-type completion \
  --resource-id my-completion-123 \
  --user-id user-abc456

mka1 guardrails get
mka1 guardrails test --content 'Evalúa esta entrada.'