tachibot-mcp

---

Novedades

v2.34.0

• GPT-6 Astra es el modelo predeterminado de OpenAI. gpt-6-astra (3 sep 2026; $10/$50, contexto de 1,05 M) ahora respalda openai_reason, openai_brainstorm, openai_code_review, spec_writer, tachi y los revisores GPT en diff_review / plan_critique. Astra se implementó primero en un conjunto limitado de organizaciones, por lo que las llamadas recurren a gpt-5.6-sol y luego a gpt-5.6-terra cuando una organización no tiene acceso. openai_explain permanece en sol — las explicaciones de bajo esfuerzo no necesitan el modelo insignia.
• Los modelos GPT-6 no se podían llamar en absoluto. callOpenAI solo usaba la API de Respuestas para nombres que comenzaban con gpt-5., por lo que Astra caía en Chat Completions con temperature: 0.7 y recibía un 400. gpt-6-* ahora va a la API de Respuestas sin temperatura, y los esfuerzos de razonamiento none/minimal que Astra rechaza se envían como low.
• qwq_reason vuelve a funcionar. qwen/qwq-32b fue retirado de OpenRouter (cada llamada devolvía 404), por lo que la herramienta ahora ejecuta qwen/qwen3.8-27b a reasoning_effort: medium con el modelo de pensamiento de 235B como respaldo — correcto en un problema de prueba en 2,0 s por $0,0007. El nombre de la herramienta y los parámetros no cambian.
• El número de herramientas se mantiene en 67.

v2.33.0

• La familia de escritura (storm, re3, de_generic). La biblioteca tenía pensamiento creativo (what_if, innovate, alt_view, creative_use) y cero escritura creativa: frente a un pipeline de 7 etapas, la etapa 4 (estructura) y la etapa 5 (borrador) estaban vacías, y la etapa 6 (revisión) caía en reflexion — que optimiza hacia correcto, mientras que la revisión de prosa es cortar, ritmo y especificidad. 85 → 88 técnicas.
• blog_writer — investigó formato largo en una sola llamada, componiendo storm y re3 en lugar de llevar una copia privada de su texto. Una copia se desviaría en el momento en que se editara cualquiera de las plantillas, y se desviaría silenciosamente, porque ambas rutas aún producen prosa bien formada. research: true ejecuta primero la entrevista de persona y alimenta sus 3 respuestas sorprendentes en la escritura de cuatro pasadas. 66 → 67 herramientas; habilitado en full, balanced y research_power.
• preview_prompt_technique(technique="auto") no tenía ruta para la intención de escritura. RECOMMEND_RULES no llevaba ningún matcher, por lo que "escribe una entrada de blog" caía en CORE_TECHNIQUES.slice(0, 3) — chain_of_note / astute_rag / spotlighting — mientras que list_prompt_techniques anunciaba auto como la vía de entrada. Los verbos de escritura ahora se enrutan a storm, re3, de_generic.
• blog_writer se truncaba silenciosamente en maxTokens: 8000. Su salida son varias representaciones completas de la misma pieza (el borrador de re3, la reestructuración y las pasadas de edición de línea, más las 16 respuestas marcadas de storm), a diferencia de las herramientas hermanas que emiten un solo artefacto. 8000 ya estaba en el límite con el recuento de palabras que los documentos usan como su propio ejemplo, y nada daba error en el truncamiento. Se elevó a 16000.
• Las pruebas anti-desviación no podían detectar la desviación. Las pruebas de "usa la plantilla en lugar de una copia privada" afirmaban frases características que una copia también satisfaría; ahora afirman la salida en vivo exacta del motor.

v2.32.0

• Familia tabular (7 técnicas nuevas) — el trabajo con forma de datos no tenía cobertura en absoluto, por lo que "filtra estas filas" caía en los contratos genéricos del núcleo. data_assert establece primero el propósito posterior, luego verifica los datos con aserciones ejecutables que llevan recuentos, porque un filtro que coincidía silenciosamente con cero filas es indistinguible de uno que funcionó. Además chain_of_table, sub_table_first, sql_stages, xlsx_map, table_format, self_debug.
• Familia de recuperación completada (3 nuevas) — astute_rag responde desde la memoria primero, luego marca cada fuente como coincide/rellena/conflicto y resuelve cada conflicto en voz alta; crag califica las fuentes como correctas/ambiguas/incorrectas y actúa según la calificación, ya que la búsqueda siempre devuelve sus vecinos más cercanos y no tiene forma de devolver nada; hyde redacta la respuesta que deseas que exista, busca con su vocabulario y luego la descarta.
• Las vallas de spotlighting llevaban 24 bits de entropía, no 32. untrustedFence() llamaba a randomBytes(3) mientras su propio bloque de comentarios había razonado hasta 4. Toda la propiedad de seguridad de spotlighting es que un atacante no puede adivinar el delimitador necesario para cerrar tu bloque, por lo que la deficiencia era crítica. Ahora son 8 caracteres hexadecimales, como se documenta.
• El literal 37 sobrevivió tres expansiones del catálogo (37 → 74 → 85) dentro de la descripción de list_prompt_techniques — el texto que un modelo lee para decidir si llamar a la herramienta en absoluto. Ahora se deriva de FLAT_TECHNIQUES.length.
• 74 → 85 técnicas. El número de herramientas se mantiene en 66.

v2.31.0

• La biblioteca de técnicas de prompt pasa de 37 → 74, cerrando tres familias que estaban en cero cobertura. Recuperación (4): TachiBot incluye cinco herramientas de búsqueda y no tenía disciplina sobre qué hacer con lo que devuelven — el texto recuperado iba directamente al razonamiento sin filtrar, que es de donde provienen las fuentes citadas erróneamente con confianza. Defensa contra inyección de prompts (1): esas mismas herramientas ingieren texto web no confiable sin contrato de aislamiento, por lo que una página que dice "ignora las instrucciones anteriores" se leía exactamente como nuestro propio prompt; spotlighting la aísla y establece la regla. Few-shot (5): nada tocaba la selección u orden de ejemplos, a pesar de que esto mueve la precisión más que la mayoría de los trucos de razonamiento.
• Ocho técnicas de gestión de trazas de la investigación de junio–agosto de 2026, incluyendo hourglass (comprimir a una regla, descartar la exploración, regenerar desde la regla en lugar de agregar errores) y backtrack (rebobinar al último checkpoint validado en lugar de reiniciar o parchear).
• Doce prompts originales reescritos para leerse como instrucciones. El conjunto inicial usaba taquigrafía telegráfica que se lee como una etiqueta en lugar de una solicitud, dejando que el modelo infiera la tarea.
• Reglas de recomendación para todo — 74 técnicas es más allá del punto donde cualquiera recuerda nombres, por lo que RECOMMEND_RULES ganó ocho grupos emparejados con cómo la gente realmente expresa la situación. Sin estas, las nuevas técnicas solo eran alcanzables sabiendo su nombre de antemano.

v2.30.1

• Las descripciones de herramientas ya no mencionan versiones de modelos. 19 descripciones se reescribieron para nombrar al proveedor y la tarea en lugar de cadenas fijas como "GPT-5.2", "Kimi K3" o "424B MoE" — esas se pudren silenciosamente en cada actualización de modelo y luego engañan activamente al modelo de enrutamiento. Dos estaban directamente mal: openai_reason y openai_search anunciaban "GPT-5.2" mientras el código llama al nivel insignia actual de OpenAI.
• grok_search finalmente dice por qué elegirlo. Su descripción completa era "Búsqueda web" — sin forma de elegirlo sobre las otras cuatro herramientas de búsqueda. Ahora establece su ventaja de conexión en vivo con X/noticias y hace referencia cruzada a grok_search_lite como la vía más barata. Los cinco razonadores de OpenRouter (deepseek_reason, glm_reason, stepfun_reason, ernie_reason, qwen_reason) igualmente diferían solo por trivia del proveedor; cada uno ahora lleva una regla de enrutamiento real sobre cuándo elegirlo.
• Manifiesto de Claude Desktop corregido — anunciaba 65 herramientas (real: 66), omitía el perfil heavy_coding de la ayuda de TACHIBOT_PROFILE, y su sugerencia de OPENAI_API_KEY afirmaba que esa clave alimenta las herramientas Qwen y QwQ (esas se enrutan vía OpenRouter).
• El empaquetado ya no rompe el árbol de trabajo. scripts/package-extension.sh ejecutaba npm install --production, podando devDependencies y dejando a tsc sin poder compilar después. Ahora restaura el árbol de dependencias completo cuando termina.
• El servidor se presentaba como v2.0.0. serverInfo.version estaba codificado desde una era de 12 herramientas hace ~28 versiones menores, por lo que el panel de conectores de Claude Desktop identificaba mal cada instalación. Ahora lee la versión real desde package.json. Los tamaños de perfil del asistente /setup estaban desactualizados de la misma manera y ahora coinciden con los seis perfiles reales.
• Corrección a v2.30.0: grok_search_lite no está roto y se queda. Esa versión afirmaba que grok-4.3 "tampoco invoca búsqueda web" — lo que habría hecho inútil al nivel de búsqueda barato. Re-sondeado el 15 de agosto preguntando la fecha de hoy: grok-4.3 ejecutó 2 búsquedas web y devolvió una cita en 10,4 s; grok-4.6 hizo lo mismo en 36,4 s. Lite está fundamentado, es más barato y 3–4 veces más rápido — prefígelo para consultas de alto volumen. grok-4.5 sigue siendo el que no fundamenta. El nivel barato ahora tiene su propia prueba de fundamentación, ya que nada lo cubría antes.
• No se agregaron ni eliminaron herramientas — el recuento se mantiene en 66.

v2.30.0

• grok_search no estaba buscando. Se ejecutaba en grok-4.5, que nunca invoca la herramienta web_search en la API de Agent Tools de xAI — por lo que respondía desde datos de entrenamiento mientras aún mostraba un pie de fuente y una línea de costo "Búsqueda usó hasta N fuentes" calculada localmente desde max_search_results, no desde el uso real. Sondeado el 14 de agosto: preguntada la fecha de hoy, grok-4.5 respondió "10 de octubre de 2025" con cero entradas de web_search_call; grok-4.6 respondió correctamente con dos llamadas de búsqueda y una cita. grok_search ahora ejecuta grok-4.6 (mismos $2/$6 y contexto de 500K que 4.5). La prueba de regresión afirma fundamentación — un web_search_call y ≥1 anotación — nunca el texto de la respuesta, porque una respuesta plausible sin fundamentar es precisamente lo que ocultó esto.
• Corrección a la nota v2.27.0 a continuación: grok_search_lite nunca se ejecutó en grok-4-1-fast a $0,20/$0,50. xAI retiró ese id y sirvió silenciosamente grok-4.3 — HTTP 200, el cambio revelado solo en el campo model del cuerpo de la respuesta, por lo que nada lanzó error y ningún respaldo se activó. El anunciado "~10x más barato" era realmente ~1,6x.
• 13 llamadas a console.log estaban corrompiendo el flujo del protocolo MCP. stdout es el canal JSON-RPC en un servidor stdio; los diagnósticos ahora van a stderr, protegidos por una prueba que también rechaza console.info, console.debug y process.stdout.write.
• create_workflow destruía silenciosamente archivos de flujo de trabajo existentes — la verificación de existencia protegía el directorio, no el archivo. Ahora se niega a sobrescribir a menos que overwrite: true, e informa la ruta real de .tachibot/workflows/ en lugar de .tachi/workflows/.
• Ocho mapas de prompts inyectaban la cadena literal "undefined" en los prompts del sistema para cualquier approach/task no reconocido, porque el respaldo de || estaba dentro del índice. Corregido en grok_reason, grok_code, kimi_thinking, qwen_reason, deepseek_reason, glm_reason, stepfun_reason, ernie_reason.
• Los pasos del flujo de trabajo ejecutaban el modelo equivocado — el paso qwen_algo llamaba a QwQ-32B con un prompt genérico en lugar de Qwen3.8-Max, y qwq_reason perdió su deliberación de 4 personas por completo. Ambos ahora delegan en las herramientas reales. Por separado, el paso qwen_coder de planner_maker enviaba un parámetro que el esquema rechaza, por lo que cada ejecución fallaba la validación.
• Suite de pruebas 130 → 158. La sonda de búsqueda en vivo ahora es opcional detrás de RUN_LIVE_TESTS=1, por lo que un npm test ordinario ya no hace una llamada API facturada.

v2.28.0

• Qwen3.8 Max (3 de agosto, qwen/qwen3.8-max) — El nuevo buque insignia de Alibaba, GA el mismo día, ahora impulsa qwen_algo, qwen_reason y el jurado qwen_reason. Contexto de 1M (antes 262K), multimodal (entrada de texto+imagen+video), y el primer Qwen que expone esfuerzo de razonamiento configurable. $2/$6 por M.
• Medido en un problema de algoritmo de consulta por rango, 3.8 Max fue el único de cinco candidatos Qwen en sacar a la luz tanto el tradeoff offline-vs-online como el caso límite de desigualdad estricta con duplicados. El qwen3-235b-a22b-thinking-2507 saliente fue correcto pero superficial; qwen3.7-max costó 1.6x por el doble de tiempo de ejecución; qwen3-max-thinking fue rechazado directamente — devuelve cero tokens de razonamiento.
• El esfuerzo está fijado a medium, deliberadamente. El esfuerzo predeterminado de este modelo se comporta como high: 302s y $0.09 en una sola llamada qwen_algo. En medium, la misma llamada responde con igual profundidad en 18–48s por $0.006–0.018 — más barato y 3.5x más rápido que el modelo al que reemplaza, que tomó 169s y $0.036 para una respuesta más corta. low comienza a descartar alternativas y no se usa.
• Paso directo de reasoning_effort para OpenRouter — callOpenRouter ahora reenvía el parámetro; OpenRouter lo descarta para modelos que no lo listan, por lo que la cadena de respaldo por cuota (3.8 Max → 3.7 Max → 235B Thinking) permanece segura. Qwen3.8/3.7-Max también se unen al grupo de tiempo de espera extendido de 600s.
• qwen_coder, qwen_competitive, testgen permanecen en Qwen3-Coder-Next — está especializado en código y es ~16x más barato ($0.12/$0.80); 3.8 Max es el nivel de razonamiento, no el nivel de generación de código.

v2.27.1

• Kimi K3 (16 de julio, moonshotai/kimi-k3) ahora impulsa cada herramienta Kimi, el jurado kimi y el asiento Kimi en diff_review. MoE de código abierto de 2.8T — el modelo abierto más grande lanzado — con contexto de 1M (antes 262K), entrada multimodal nativa y codificación agéntica de largo horizonte que supera a Opus 4.8 y GPT-5.5 en benchmarks de codificación/agentes. Nota el precio: $3/$15 por M, 4x K2.7-Code — K2.7-Code permanece como respaldo automático (K3 → K2.7-Code → K2.6).
• Gemini 3.7 Flash (GA 13 de agosto, gemini-3.7-flash) es el nuevo nivel de búsqueda/caballo de batalla detrás de gemini_search — contexto de 1M a $0.75/$3.75 precio introductorio hasta el 31 de diciembre de 2026 (luego $1.50/$7.50); gemini-3.6-flash permanece como respaldo. Flash-Lite sigue siendo gemini-3.5-flash-lite ($0.30/$2.50).
• Todo lo demás re-verificado, sin cambios — una auditoría completa de proveedores (26 de julio) confirma que GPT-5.6, Grok 4.5, DeepSeek V4 Pro, GLM-5.2, MiniMax M3, StepFun 3.7, ERNIE 4.5 VL, Qwen Coder-Next y Perplexity Sonar siguen siendo los más nuevos disponibles. Gemini 3.1 Pro sigue siendo el predeterminado de razonamiento/juez: Google lanzó tres modelos el 21 de julio y omitió 3.5 Pro. El despliegue escalonado de xAI terminó (acceso UE el 17 de julio), por lo que el respaldo grok-4.3 ahora es seguro de cuota/región en lugar de un workaround de despliegue.

v2.27.0

• Grok 4.5 (buque insignia del 8 de julio, "clase Opus") ahora impulsa todas las herramientas Grok, con respaldo automático a grok-4.3 mientras se completa el despliegue escalonado por región de xAI (UE a mediados de julio) — las herramientas siguen funcionando en todas partes, y 4.5 se activa solo.
• grok_search_lite (nueva herramienta, 65 en total) — la misma búsqueda en vivo de Grok en grok-4-1-fast ($0.20/$0.50, 2M ctx), ~10x más barata que grok_search. Úsala para consultas de alto volumen y fan-outs de jurado/consejo.
• Niveles de GPT-5.6 — las herramientas openai_* se mueven a gpt-5.6-sol (buque insignia, mismo $5/$30 que 5.5 pero más fuerte), terra para código (nivel 5.5 a mitad de precio), luna para explicaciones ($1/$6). El nivel $30/$180 gpt-5.5-pro se reemplaza por sol + esfuerzo de razonamiento; un respaldo de permisos (sol → terra → 5.5) cubre cuentas restringidas por organización.

v2.26.1

• Habilidades /test y /audit (19 habilidades en total) — /test genera pruebas ejecutables vía testgen; /audit ejecuta una revisión de seguridad OWASP/CWE vía security_review.
• Instalación de habilidades en el asistente — tachibot init ahora ofrece instalar habilidades de Claude Code con una opción de omisión por habilidad ([Enter]=todas · [s]=elegir cuáles omitir · [n]=ninguna). Las habilidades son opt-in — postinstall ya no escribe en ~/.claude silenciosamente (npm run install-skills aún instala todas de forma no interactiva).
• Correcciones — la extensión de un clic .mcpb ahora apunta a un punto de entrada válido (estaba roto) y rastrea la versión del paquete; tachibot init sale limpiamente en stdin no interactivo/CI en lugar de colgarse.

v2.26.0

Pila de prompts, modernizada

• refine_prompt (nueva herramienta) — mejorador de prompts opt-in en un modelo barato/rápido: consulta cruda → brief orientado a objetivos + qué cambió + preguntas abiertas. Nunca se dispara automáticamente, nunca ejecuta nada — tú revisas y luego usas el brief. En Claude Code, /prompt refine presenta las preguntas abiertas como opciones clicables y fusiona tus respuestas en un brief final.
• Lista de técnicas curada — list_prompt_techniques ahora usa por defecto las ~9 técnicas centrales que aún ayudan a los modelos de razonamiento de 2026 (contratos de salida como scot, pre_mortem, bdd_spec); all=true para las 31 completas.
• technique="auto" — preview_prompt_technique recomienda la técnica correcta para tu tarea, con razones. Pregunta a tachi "mejora mi prompt" para el menú basado en síntomas.

Configuración, desmitificada

• tachibot init (nuevo asistente CLI) — detecta tus claves API y clientes, imprime la configuración exacta para Claude Code y Claude Desktop. Nunca escribe ni muestra claves.
• Instalación de un clic en Claude Desktop — descarga el .mcpb de la última versión y haz doble clic. Sin edición de JSON.
• doctor — muestra qué claves están configuradas, qué herramientas son visibles vs ocultas y por qué, y qué probar primero.

Nuevas herramientas y habilidades (66 herramientas · 19 habilidades)

• debug_triage — hipótesis de causa raíz clasificadas con la verificación discriminante más barata para cada una (Grok 4.3)
• spec_writer — solicitud vaga → especificación revisable: historias de usuario, Given/When/Then, fuera de alcance, preguntas abiertas (GPT-5.5)
• diff_review / plan_critique / testgen / security_review — revisión de diff multi-modelo, red-team adversarial de planes, generación de pruebas, auditoría OWASP/CWE
• Habilidades: /review, /redteam, /spec, /triage, /setup

Correcciones

• Pantalla de orquestación focus: 37 líneas de scaffolding repetido → 10 líneas enfocadas
• npm test sale con 0 nuevamente (los timers de carrera no cancelados se filtraban más allá del teardown de Jest)
• El razonamiento de alto esfuerzo de GPT-5.5 ya no se corta a los 3 minutos (timeout 180s → 600s)

---

Habilidades (Claude Code)

TachiBot incluye 19 comandos slash para Claude Code. Estos orquestan las herramientas en flujos de trabajo potentes:

Habilidad	Qué hace	Ejemplo
/setup	Configuración guiada — ejecuta doctor, recorre claves/perfiles	/setup
/spec	Solicitud → especificación revisable antes de planificar	/spec add OAuth somehow
/blueprint	Planificación multi-modelo → pasos TDD pequeños	/blueprint add OAuth with refresh tokens
/judge	Consejo multi-modelo - análisis paralelo con síntesis	/judge how to implement rate limiting
/think	Cadena de razonamiento secuencial con cualquier modelo	/think grok,gemini design a cache layer
/focus	Razonamiento basado en modos (debate, investigación, análisis)	/focus architecture-debate Redis vs Pg
/breakdown	Descomposición estratégica con pre-mortem	/breakdown refactor payment module
/decompose	Dividir en sub-problemas, profundizar en cada uno	/decompose implement collaborative editor
/prompt	Recomendar la técnica de pensamiento correcta (37 disponibles)	/prompt why do users churn
/algo	Análisis de algoritmos con 4 modelos especializados (DeepSeek líder)	/algo optimize LRU cache O(1)
/lens	Análisis de contexto largo sobre la ventana de 1M de Kimi	/lens find inconsistencies in this spec
/reflect	Bucle de reflexión fundamentado — crítica vs evidencia externa	/reflect harden this auth middleware
/tot	Árbol de pensamiento: ramificar → podar con jurado → sintetizar	/tot design a rate limiter
/review	Revisión de diff multi-modelo — panel + veredicto del juez Gemini	/review (o pega un diff)
/redteam	Red-team adversarial de planes — pre-mortem, riesgos, ediciones al plan	/redteam <paste plan>
/triage	Triage de bugs por causa raíz clasificada	/triage <paste stack trace>
/test	Generar pruebas ejecutables (casos límite primero)	/test src/auth.ts
/audit	Revisión de seguridad — hallazgos OWASP/CWE + correcciones	/audit the login handler
/tachi	Ayuda - ver habilidades disponibles, herramientas, estado de claves	/tachi

Las habilidades se adaptan automáticamente a tus claves API configuradas. Incluso con solo 1-2 proveedores, todas las habilidades funcionan.

¿Empezando? Escribe /tachi para ver qué está disponible.

---

Características Clave

Inteligencia Multi-Modelo

• 65 Herramientas de IA en 12 proveedores — Perplexity, Grok, GPT-5, Gemini, Qwen, Kimi, MiniMax, DeepSeek, GLM (Zhipu), StepFun, ERNIE (Baidu), más modelos locales gratuitos (Ollama / LM Studio / llama.cpp / vLLM)
• Gemini 3.7 Flash (gemini-3.7-flash, GA 13 de agosto de 2026) — nivel Flash/búsqueda; el predeterminado de razonamiento sigue siendo gemini-3.1-pro-preview (Google aún no ha lanzado un 3.5 Pro)
• Consejo Multi-Modelo — planner_maker sintetiza planes de 5+ modelos en pasos TDD pequeños
• Enrutamiento Inteligente — Selección automática de modelos para resultados óptimos
• Puerta de Enlace OpenRouter — Clave API única opcional para todos los proveedores

Flujos de Trabajo Avanzados

• Flujos de Trabajo Basados en YAML — Procesos de IA de múltiples pasos con grafos de dependencias
• Ingeniería de Prompts — 85 técnicas respaldadas por investigación (incluyendo SCoT, ReAct, Reflexion, Chain-of-Note, Spotlighting)
• Puntos de Verificación — 50% / 80% / 100% con puntuación de calidad automatizada
• Ejecución Paralela — Ejecuta múltiples modelos simultáneamente

Perfiles de Herramientas

Perfil	Herramientas	Mejor Para
Mínimo	14	Tareas rápidas, presupuesto de tokens bajo
Potencia de Investigación	38	Investigación profunda, múltiples fuentes
Enfoque en Código	43	Desarrollo de software, tareas SWE
Equilibrado	56	Propósito general, flujos de trabajo mixtos
Codificación Pesada	59	Máximas herramientas de código + flujos agénticos
Completo (predeterminado)	67	Todo habilitado

Experiencia de Desarrollador

• Claude Code — Soporte de primera clase
• Claude Desktop — Integración completa
• Cursor — Funciona sin problemas
• TypeScript — Completamente tipado, extensible

---

Inicio Rápido

Instalación

npm install -g tachibot-mcp

Asistente de configuración

npx -y -p tachibot-mcp tachibot init

Detecta tus claves y clientes, luego imprime la configuración exacta para Claude Code y Claude Desktop.

Claude Code (una línea)

claude mcp add tachibot -- npx -y -p tachibot-mcp tachibot

Luego verifica con /mcp. Agrega claves API con --env, por ejemplo --env OPENROUTER_API_KEY=sk-or-xxx --env PERPLEXITY_API_KEY=pplx-xxx.

Configuración (Claude Desktop)

Un clic (lo más fácil): descarga tachibot-mcp.mcpb de la última versión y haz doble clic — Claude Desktop instala la extensión sin edición de JSON. Agrega tus claves API cuando se te solicite (o más tarde mediante la configuración de la extensión).

Modo Puerta de Enlace (Recomendado) — 2 claves, todos los proveedores:

{
  "mcpServers": {
    "tachibot": {
      "command": "tachibot",
      "env": {
        "OPENROUTER_API_KEY": "sk-or-xxx",
        "PERPLEXITY_API_KEY": "pplx-xxx",
        "USE_OPENROUTER_GATEWAY": "true"
      }
    }
  }
}

Modo Directo — Una clave por proveedor:

{
  "mcpServers": {
    "tachibot": {
      "command": "tachibot",
      "env": {
        "PERPLEXITY_API_KEY": "your-key",
        "GROK_API_KEY": "your-key",
        "OPENAI_API_KEY": "your-key",
        "GOOGLE_API_KEY": "your-key",
        "OPENROUTER_API_KEY": "your-key"
      }
    }
  }
}

Obtén claves: OpenRouter | Perplexity

Consulta la Guía de Instalación para instrucciones detalladas.

---

Ecosistema de Herramientas (67 Herramientas)

Investigación y Búsqueda (6)

perplexity_ask · perplexity_reason · grok_search · grok_search_lite · openai_search · gemini_search

Razonamiento y Planificación (15)

grok_reason · openai_reason · qwen_reason · qwq_reason · kimi_thinking · kimi_decompose · deepseek_reason · glm_reason · stepfun_reason · ernie_reason · planner_maker · planner_runner · list_plans · spec_writer · blog_writer

Inteligencia de Código (11)

kimi_code · grok_code · grok_debug · qwen_coder · qwen_algo · qwen_competitive · deepseek_algo · minimax_code · minimax_agent · testgen · debug_triage

Análisis y Juicio (14)

gemini_analyze_text · gemini_analyze_code · gemini_judge · jury · diff_review · plan_critique · gemini_brainstorm · openai_brainstorm · openai_code_review · openai_explain · grok_brainstorm · grok_architect · security_review · kimi_long_context

Meta y Orquestación (6)

think · nextThought · focus · tachi · doctor · usage_stats

Flujos de Trabajo (9)

workflow · workflow_start · continue_workflow · list_workflows · create_workflow · visualize_workflow · workflow_status · validate_workflow · validate_workflow_file

Ingeniería de Prompts (4)

list_prompt_techniques · preview_prompt_technique · execute_prompt_technique · refine_prompt

Modelos Locales (1)

local_query — cualquier servidor local compatible con OpenAI (Ollama / LM Studio / llama.cpp / vLLM). Cero costo, sin conexión, privado; también disponible como miembro del jurado local (hermes se acepta como alias heredado). Ejecuta lo que LOCAL_LLM_MODEL apunte — por ejemplo, una compilación de Nous Hermes (ollama pull hermes3). Ten en cuenta que el agente Hermes en sí es independiente del modelo — funciona en más de 300 backends (GPT, Claude, Gemini, DeepSeek, o Ollama/vLLM autoalojados) — por lo que "Hermes" nunca fue una garantía de pesos distintos.

Modos Avanzados (bonus)

• Challenger — Análisis crítico con verificación de datos multi-modelo
• Verifier — Verificación de consenso multi-modelo
• Scout — Recopilación de inteligencia híbrida

---

Ejemplo de Uso

Planificación Multi-Modelo

// Create a plan with multi-model council
planner_maker({ task: "Build a REST API with auth and tests", mode: "start" })
// → Grok searches → Qwen analyzes → Kimi decomposes → GPT critiques → Gemini synthesizes

// Execute with checkpoints
planner_runner({ plan: planContent, mode: "step", stepNum: 1 })
// → Automatic verification at 50%, 80% (kimi_decompose), and 100%

Descomposición de Tareas

kimi_decompose({
  task: "Migrate monolith to microservices",
  depth: 3,
  outputFormat: "dependencies"
})
// → Structured subtasks with IDs, parallel flags, acceptance criteria

Revisión de Código

kimi_code({
  task: "review",
  code: "function processPayment(amount, card) { ... }",
  language: "typescript"
})
// → SWE-Bench 76.8% quality analysis

Razonamiento Profundo

focus({
  query: "Design a scalable event-driven architecture",
  mode: "deep-reasoning",
  models: ["grok", "gemini", "kimi"],
  rounds: 5
})

---

Documentación

• Documentación Completa
• Guía de Instalación
• Configuración
• Referencia de Herramientas
• Guía de Flujos de Trabajo
• Guía de Claves API
• Modos de Enfoque

Guías de Configuración

• Configuración de Claude Code
• Configuración de Claude Desktop
• Ambas Plataformas

---

Contribuciones

¡Las contribuciones son bienvenidas! Consulta CONTRIBUTING.md para las pautas.

• Reportar Problemas
• Solicitar Funciones

---