Open Aura

Servidor MCP de código abierto y local-first que convierte tus sesiones reales de codificación con IA en un perfil de desarrollador puntuado. Solo fragmentos redactados, nada sale de tu máquina.

GitHub

Prueba este MCPPatrocinado

Documentación

Open Aura

De código abierto y local-first: convierte tus sesiones reales de codificación con IA en un perfil de builder puntuado, íntegramente en tu propia máquina.

Open Aura es un servidor MCP al que se conecta tu agente (Claude Code, Cursor, Claude Desktop, …). Después de una sesión, el agente envía un paquete de evidencia redactado — fragmentos truncados + metadatos de archivos, nunca código crudo ni prompts — y Open Aura puntúa cómo trabajaste con la IA y lo almacena en tu Postgres local. Sin inicio de sesión, sin cuenta, nada sale de tu máquina.

¿Quieres un perfil público, la tabla de clasificación compartida y perspectivas de equipo? Eso vive en la edición alojada en vibelevel.ai.

Inicio rápido (Docker)

cp .env.example .env          # then set OPENAI_API_KEY to your OpenCode key
docker compose up             # Postgres + backend (MCP :8090) + viewer (:3000)
docker compose up -d --build  # rebuild images after pulling changes

Apunta la configuración MCP de tu agente al servidor local (sin autenticación en modo local):

// Claude Code / Cursor MCP config
{
  "mcpServers": {
    "aura": { "url": "http://localhost:8090/mcp" }
  }
}

Luego, después de un trabajo, pide a tu agente que "puntúe esta sesión con Aura."

Visor local

Un visor web de solo lectura viene incluido con el stack (su propio contenedor aura-ui). Después de docker compose up, abre http://localhost:3000. Una barra lateral izquierda — Perfil · Primeros pasos · Clasificación · Sesiones, una lista de sesiones recientes y un grupo Próximamente atenuado (importar tus sesiones / enviar a la clasificación — eso vive en la edición alojada) — se sitúa junto al contenido: el bloque de puntuación principal, tarjetas de insights volteables, barras de dimensiones y una lectura de solo lectura de la clasificación pública. Lee tus datos locales a través de la API REST del backend y nunca puntúa ni escribe nada.

Actualización / reconstrucción

El stack integra el código fuente en sus imágenes en tiempo de compilación (aura-app desde ., aura-ui vía next build) — no hay montajes de código fuente en vivo. Así que después de que git pull código nuevo, un simple docker compose up sigue ejecutando las imágenes antiguas en caché y no verás los cambios. Reconstruye:

docker compose up -d --build

Si un cambio aún no se muestra (caché de capas obsoleta), fuerza una reconstrucción limpia:

docker compose build --no-cache aura-app aura-ui
docker compose up -d

Luego haz una actualización forzada del visor (Ctrl/Cmd+Shift+R). El registro de inicio del backend imprime la versión + compilación en ejecución (p. ej. Open Aura v0.2.0 · build …) para que puedas confirmar que el nuevo código está activo.

Qué mide

Una lectura sin referencias de tu proceso — sin rúbrica, sin casos de prueba — en dimensiones como eficacia de prompting, colaboración/dirección con IA, descomposición de problemas y contribución humana vs. dependencia de la IA, además de un arquetipo de sesión, tarjetas de insights y telemetría medida (tokens, herramientas, ciclo de vida "lo saca adelante"). Herramientas expuestas: score_this_session, import_history, get_my_profile, whoami.

Privacidad

El contrato de redacción es el punto central: las transcripciones crudas y los contenidos de archivos nunca salen de tu máquina. El agente envía solo extractos de texto truncados y rutas/metadatos de archivos. En modo local, las rutas de puntuación y perfil no realizan ninguna llamada saliente — todo permanece en tu Postgres local. (La única excepción es la pestaña opcional Clasificación del visor, que hace una simple GET de solo lectura de la clasificación pública desde vibelevel.ai — no envía ninguno de tus datos.)

Configuración

Var	Predeterminado	Propósito
`AURA_LOCAL_MODE`	`true` (en `.env.example`)	usuario local único, sin PAT/inicio de sesión
`AURA_SCORING_MODEL`	`openai/gpt-oss-120b`	modelo de puntuación (enrutamiento de proveedor en `model_config.json`)
`OPENAI_API_KEY` / `GROQ_API_KEY` / `ANTHROPIC_API_KEY`	—	trae el tuyo; configura el que use tu modelo
`OPENAI_BASE_URL`	predeterminado de OpenAI	endpoint opcional compatible con OpenAI (para OpenCode, usa `https://opencode.ai/zen/v1`)
`POSTGRES_URL`	proporcionado por compose	Postgres local (aplica `schema.sql` para instalación nativa)
`AURA_MCP_PORT`	`8090`	puerto del servidor MCP

Experimental: insights operativos de PFG

Una capacidad opt-in, desactivada por defecto que convierte una sesión puntuada en consejos concretos y conscientes de las herramientas. El grafo ya mapea las herramientas que los builders realmente usan — habilidades de Claude, LangChain, el SDK de OpenAI, servidores MCP y más — así que Open Aura puede mirar lo que construiste y orientarte hacia ellas: "hiciste esto a mano, pero existe un SDK establecido para ello," o "hay una habilidad de Claude exactamente para esto." Estos check-tips son solo orientativos — nunca cambian tu puntuación de Aura.

Funciona precisamente porque Open Aura es local — lee tu git diff real y la transcripción completa (pasada como local_context, nunca persistida ni puntuada) en lugar de un resumen redactado.

Para activarlo necesitas un Token de Acceso Personal de solo lectura de graph.vibelevel.ai — consulta la sección Cómo obtener acceso en docs/PFG_INSIGHTS_POC.md y las variables PFG_* en .env.example.

Cómo está construido

src/aura_mcp/ — el servidor MCP (server.py) + el enlace de usuario local único (local_auth.py).
src/services/aura/ — el puntuador sin referencias, extracción de señales, arquetipos, agregación de perfiles y la rúbrica de puntuación (aura_model_coding.py / aura_model_writing.py) — abierta a contribuciones.
src/core/ — configuración ligera, pool de Postgres y enrutamiento de proveedores de LLM.
aura_mcp_app.py — el punto de entrada que monta la aplicación MCP + la API REST + /health.
packages/aura-ui/ + web/ — los componentes del visor React y el host de Next.js que los renderiza (el contenedor aura-ui).

Hoja de ruta

Áreas de enfoque actuales — se aceptan contribuciones (los elementos detallados viven en Issues):

Mejorar la puntuación — hacer la rúbrica más discriminante y más difícil de engañar: bandas más nítidas de arquetipo / contribución humana, un tope de puntuación de contribución humana y puntuaciones de dimensión mejor calibradas.
Importar sesiones a VibeLevel Aura — un flujo mediado por navegador de exportación → inicio de sesión → publicación para que tu Aura local se convierta en un perfil compartible orientado a reclutadores en vibelevel.ai (nada se sube automáticamente).
Mejorar los insights de VibeGraph / PFG — extracción de etiquetas y resolución de grafo más precisas (menos coincidencias sueltas), fundamentación acotada/segura ante latencia y transparencia clara sobre qué permanece local vs. qué ve tu modelo BYO.

Contribuciones

Se aceptan issues y pull requests — consulta CONTRIBUTING.md.

Licencia

Apache-2.0 — consulta LICENSE.

VibeLevel y Aura son nombres y marcas de VibeLevel. Este repositorio es la edición abierta local-first. El servicio alojado en vibelevel.ai — la clasificación pública, los perfiles compartibles y la red agregada — es separado y no está incluido aquí. La licencia no otorga derechos sobre los nombres o logotipos de VibeLevel o Aura, ni para operar un servicio alojado que los utilice.