mcp-rubber-duck

Consulta múltiples LLMs en paralelo desde herramientas de codificación de IA: depuración con pato de goma, pero los patos responden.

GitHub

177

Prueba este MCPPatrocinado

Documentación

MCP Rubber Duck

Un servidor MCP (Model Context Protocol) que actúa como puente para consultar múltiples LLMs -- tanto APIs HTTP compatibles con OpenAI como agentes de codificación CLI. Al igual que la depuración con pato de goma, ¡explica tus problemas a varios "patos" de IA y obtén diferentes perspectivas!

MCP Rubber Duck - AI ducks helping debug code

¿Por qué integración directa con el proveedor? La primitiva sampling de MCP -- un servidor que toma prestado el modelo del host -- fue deprecada en la RC de la especificación 2026-07-28 en favor de servidores que se integran directamente con las APIs de los proveedores de LLM. Rubber Duck siempre ha funcionado así (trae sus propios patos), por lo que está alineado con hacia dónde se dirige el protocolo -- sin necesidad de migración.

Características

Compatibilidad universal con OpenAI -- Funciona con cualquier endpoint de API compatible con OpenAI
Soporte para agentes CLI -- Usa agentes de codificación CLI (Claude Code, Codex, Gemini CLI, Grok, Aider) como patos
Múltiples patos -- Configura y consulta múltiples proveedores de LLM simultáneamente
Gestión de conversaciones -- Mantén el contexto a través de múltiples mensajes
Consejo de patos -- Obtén respuestas de todos tus LLM configurados a la vez
Votación por consenso -- Votación multi-pato con razonamiento y puntuaciones de confianza
LLM como juez -- Haz que los patos evalúen y clasifiquen las respuestas de los demás
Refinamiento iterativo -- Dos patos mejoran colaborativamente las respuestas
Debates estructurados -- Formatos de debate oxfordiano, socrático y adversarial
Prompts MCP -- 8 plantillas de prompt reutilizables para flujos de trabajo multi-LLM
Entrada de visión -- Envía imágenes junto con los prompts a modelos con capacidad de visión (docs)
Conmutación automática -- Recurre a otros proveedores si el principal falla
Monitoreo de salud -- Comprobaciones de salud en tiempo real para todos los proveedores
Seguimiento de uso -- Rastrea solicitudes, tokens y costos estimados por proveedor
Puente MCP -- Conecta patos a otros servidores MCP para funcionalidad extendida (docs)
Guardrails -- Capa de seguridad conectable con limitación de velocidad, límites de tokens, bloqueo de patrones y redacción de PII (docs)
Seguridad granular -- Controles de aprobación por servidor con aprobaciones basadas en sesión
UIs interactivas -- Paneles HTML enriquecidos para herramientas de comparar, votar, debatir y uso (a través de MCP Apps)
Anotaciones de herramientas -- Sugerencias compatibles con MCP para el comportamiento de las herramientas (solo lectura, destructivas, etc.)
Salida estructurada -- outputSchema en herramientas que devuelven JSON estructurado para validación en el cliente (Cursor, VS Code/Copilot)
Alineado con la especificación por diseño -- se conecta directamente a las APIs de los proveedores, el camino que la especificación 2026-07-28 de MCP recomienda ahora que sampling del lado del servidor está deprecado (SEP-2577)

Proveedores Soportados

Proveedores HTTP (API compatible con OpenAI)

Cualquier proveedor con un endpoint de API compatible con OpenAI, incluyendo:

OpenAI
Google Gemini
Anthropic (a través de endpoints compatibles con OpenAI)
Groq (inferencia rápida para modelos de peso abierto)
Together AI (amplio catálogo de modelos de peso abierto)
Perplexity (modelos en línea con búsqueda web)
Anyscale, Azure OpenAI, Ollama, LM Studio, Personalizado

Proveedores CLI (Agentes de Codificación)

Agentes de codificación de línea de comandos que se ejecutan como procesos locales:

Claude Code (claude) -- Codex (codex) -- Gemini CLI (gemini) -- Grok CLI (grok) -- Aider (aider) -- Personalizado

Consulta Proveedores CLI para la configuración completa.

Inicio Rápido

# Install globally
npm install -g mcp-rubber-duck

# Or use npx directly in Claude Desktop config
npx mcp-rubber-duck

¿Usas Claude Desktop? Ve a Configuración de Claude Desktop. ¿Usas Cursor, VS Code, Windsurf u otra herramienta? Consulta la Guía de Configuración.

Instalación

Requisitos Previos

Node.js 20 o superior
npm o yarn
Al menos una clave de API para un proveedor HTTP, o un agente de codificación CLI instalado localmente

Instalar desde NPM

npm install -g mcp-rubber-duck

Instalar desde el Código Fuente

git clone https://github.com/nesquikm/mcp-rubber-duck.git
cd mcp-rubber-duck
npm install
npm run build
npm start

Configuración

Crea un archivo .env o config/config.json. Variables de entorno clave:

Variable	Descripción
`OPENAI_API_KEY`	Clave de API de OpenAI
`GEMINI_API_KEY`	Clave de API de Google Gemini
`GROQ_API_KEY`	Clave de API de Groq
`DEFAULT_PROVIDER`	Proveedor predeterminado (p. ej., `openai`)
`DEFAULT_TEMPERATURE`	Temperatura predeterminada (p. ej., `0.7`)
`LOG_LEVEL`	`debug`, `info`, `warn`, `error`
`MCP_SERVER`	Establecer a `true` para el modo servidor MCP
`MCP_BRIDGE_ENABLED`	Habilitar MCP Bridge (los patos acceden a servidores MCP externos)
`CUSTOM_{NAME}_*`	Proveedores HTTP personalizados
`CLI_{AGENT}_ENABLED`	Habilitar agentes CLI (`CLAUDE`, `CODEX`, `GEMINI`, `GROK`, `AIDER`)

Referencia completa: Documentación de configuración

UIs Interactivas (MCP Apps)

Cuatro herramientas -- compare_ducks, duck_vote, duck_debate y get_usage_stats -- pueden renderizar paneles HTML interactivos enriquecidos dentro de clientes MCP compatibles a través de MCP Apps. Una vez que este servidor MCP está configurado en un cliente compatible, las UIs aparecen automáticamente -- no se requiere configuración adicional. Los clientes sin soporte para MCP Apps aún reciben la misma salida de texto plano (no se pierde funcionalidad). Consulta el repositorio de MCP Apps para una lista actualizada de clientes compatibles.

Comparar Patos

Compara múltiples respuestas de modelos lado a lado, con indicadores de latencia, conteos de tokens, insignias de modelo y estados de error.

Compare Ducks interactive UI

Votación de Patos

Haz que múltiples patos voten sobre opciones, mostrado como un recuento de votos visual con gráficos de barras, insignia de consenso, tarjeta de ganador, barras de confianza y razonamiento plegable.

Duck Vote interactive UI

Debate de Patos

Debate estructurado de múltiples rondas entre patos, mostrado como una vista ronda por ronda con insignia de formato, lista de participantes, rondas plegables y sección de síntesis.

Duck Debate interactive UI

Estadísticas de Uso

Analíticas de uso con tarjetas de resumen, desglose por proveedor con filas expandibles, barras de distribución de tokens y costos estimados.

Usage Stats interactive UI

Herramientas Disponibles

Herramienta	Descripción
`ask_duck`	Haz una sola pregunta a un proveedor de LLM específico
`chat_with_duck`	Conversación con contexto mantenido a través de mensajes
`clear_conversations`	Borrar todo el historial de conversación
`list_ducks`	Listar proveedores configurados y estado de salud
`list_models`	Listar modelos disponibles para proveedores
`compare_ducks`	Haz la misma pregunta a múltiples proveedores simultáneamente
`duck_council`	Obtén respuestas de todos los patos configurados
`get_usage_stats`	Estadísticas de uso y costos estimados
`duck_vote`	Votación multi-pato con razonamiento y confianza
`duck_judge`	Haz que un pato evalúe y clasifique las respuestas de otros
`duck_iterate`	Refina iterativamente una respuesta entre dos patos
`duck_debate`	Debate estructurado de múltiples rondas entre patos
`mcp_status`	Estado del puente MCP y servidores conectados
`get_pending_approvals`	Solicitudes pendientes de aprobación de herramientas MCP
`approve_mcp_request`	Aprobar o denegar la solicitud de herramienta MCP de un pato

Referencia completa con esquemas de entrada: Documentación de herramientas

Prompts Disponibles

Prompt	Propósito	Argumentos Requeridos
`perspectives`	Análisis multiángulo con lentes asignadas	`problem`, `perspectives`
`assumptions`	Revelar supuestos ocultos en planes	`plan`
`blindspots`	Buscar riesgos y brechas pasados por alto	`proposal`
`tradeoffs`	Comparación estructurada de opciones	`options`, `criteria`
`red_team`	Análisis de seguridad/riesgo desde múltiples ángulos	`target`
`reframe`	Reencuadre del problema en diferentes niveles	`problem`
`architecture`	Revisión de diseño a través de preocupaciones	`design`, `workloads`, `priorities`
`diverge_converge`	Exploración divergente y luego convergencia	`challenge`

Referencia completa con ejemplos: Documentación de prompts

Desarrollo

npm run dev        # Development with watch mode
npm test           # Run all tests
npm run lint       # ESLint
npm run typecheck  # Type check without emit

Documentación

Tema	Enlace
Guía de configuración (todas las herramientas)	docs/setup.md
Referencia completa de configuración	docs/configuration.md
Configuración de Claude Desktop	docs/claude-desktop.md
Todas las herramientas con esquemas	docs/tools.md
Plantillas de prompts	docs/prompts.md
Agentes de codificación CLI	docs/cli-providers.md
Puente MCP	docs/mcp-bridge.md
Guardrails	docs/guardrails.md
Despliegue con Docker	docs/docker.md
Configuración específica por proveedor	docs/provider-setup.md
Ejemplos de uso	docs/usage-examples.md
Arquitectura	docs/architecture.md
Hoja de ruta	docs/roadmap.md

Solución de Problemas

El Proveedor No Funciona

Verifica que la clave de API esté configurada correctamente
Verifica que la URL del endpoint sea correcta
Ejecuta la comprobación de salud: list_ducks({ check_health: true })
Revisa los registros para mensajes de error detallados

Problemas de Conexión

Para proveedores locales (Ollama, LM Studio), asegúrate de que estén ejecutándose
Verifica la configuración del firewall para endpoints locales
Verifica la conectividad de red a los proveedores en la nube

Limitación de Velocidad

Configura la conmutación por error a proveedores alternativos
Ajusta la configuración de max_retries y timeout
Consulta Guardrails para la configuración de limitación de velocidad

Contribuciones

     __
   <(o )___
    ( ._> /
     `---'  Quack! Ready to debug!

¡Nos encantan las contribuciones! Ya sea que estés corrigiendo errores, agregando funciones o enseñando nuevos trucos a nuestros patos, nos encantaría que te unas a la bandada.

Consulta nuestra Guía de Contribución para comenzar.

Inicio rápido para contribuyentes:

Haz un fork del repositorio
Crea una rama de características
Sigue nuestras guías de commits convencionales
Agrega pruebas para la nueva funcionalidad
Envía una solicitud de extracción (pull request)

Licencia

Licencia MIT - consulta el archivo LICENSE para más detalles

Agradecimientos

Inspirado en el método de depuración "rubber duck"
Construido sobre el Model Context Protocol (MCP)
Usa el SDK de OpenAI para compatibilidad con proveedores HTTP
Soporta agentes de codificación CLI (Claude Code, Codex, Gemini CLI, Grok, Aider)

Registro de Cambios

Consulta CHANGELOG.md para un historial detallado de cambios y versiones.

Registro y Directorio

Paquete NPM: npmjs.com/package/mcp-rubber-duck
Imágenes Docker: ghcr.io/nesquikm/mcp-rubber-duck
Registro MCP: Servidor MCP oficial io.github.nesquikm/rubber-duck
Directorio Glama: glama.ai/mcp/servers/@nesquikm/mcp-rubber-duck
Awesome MCP Servers: Listado en el directorio comunitario

Soporte

Reporta problemas: https://github.com/nesquikm/mcp-rubber-duck/issues
Documentación: https://github.com/nesquikm/mcp-rubber-duck/wiki
Discusiones: https://github.com/nesquikm/mcp-rubber-duck/discussions

¡Feliz depuración con tu Panel de Patos de IA!