lab
Esc

Prueba con

↑↓ para moverte · Enter para abrir · también en /buscar?q= para agentes

sistema avanzado mcpclaude-codecodexgemini-cli

PAL MCP: consulta varios modelos desde tu agente

Contrasta planes, revisiones y diagnósticos con otros modelos desde el arnés que ya utilizas.

✓ verificado el 26 oct 2026

Instrucciones para tu agente

Esto es lo que se copia. Pégaselo a tu agente y te lo monta paso a paso.

O ábrelo directamente en ClaudeChatGPT

Pega este texto a tu agente (Claude Code, Codex, OpenCode, Hermes o el que uses) y dile «ayúdame a montarlo». Son los pasos para ponerlo en marcha; el porqué de cada pieza está en la guía completa.

Para el agente: cómo acompañar al usuario

  1. Pregunta primero para qué lo quiere. Si su objetivo no necesita algún paso, sáltalo.
  2. Antes de instalar, comprueba lo que ya tiene (versiones, claves, sistema operativo).
  3. Avanza un paso cada vez: explica en una frase qué vas a hacer y deja que el usuario lo ejecute o lo apruebe.
  4. Tras cada paso, comprueba que funcionó antes de seguir. Si falla, para y explica el error.
  5. No inventes comandos ni opciones: si la documentación del proyecto contradice estos pasos, manda la documentación.
  6. Al terminar, haz una prueba real con el objetivo del usuario y dile dónde profundizar.

Pasos de configuración

Comprueba que tienes Python ≥3.10, Git y uv. Para una ruta concreta, carga GEMINI_API_KEY desde tu entorno privado con acceso a un modelo de Gemini. El script lee esa variable y prepara su configuración, sin que debas imprimir su valor. Lee el script antes de ejecutarlo. El README documenta este arranque:

git clone https://github.com/BeehiveInnovations/pal-mcp-server.git
cd pal-mcp-server
./run-server.sh

El script prepara su entorno y registra el servidor en los clientes detectados. Inicia una sesión nueva de Claude Code en el proyecto de ensayo y comprueba que aparece pal. Pide primero listar los modelos mediante listmodels; elige un identificador de Gemini disponible y pide al agente usar la herramienta chat de PAL con ese modelo para calcular 2 + 2. Debe devolver 4 e identificar el modelo utilizado. Después puedes aportar un archivo de ensayo y pedir su análisis. No actives todavía clink, que lanza otras CLI.

Comprobación

Confirma que tu cliente lista las herramientas de PAL y que una consulta devuelve el modelo utilizado. Contrasta su respuesta con un archivo o test del proyecto.

Si algo falla

Si el servidor no inicia, revisa sus requisitos y configuración en el README. Si falla un modelo, comprueba su disponibilidad en el proveedor antes de cambiar toda la integración.

Consulta el README oficial para requisitos y variantes de instalación.

ver en .md ¿Prefieres el recurso entero?

Qué es

PAL MCP es el proyecto anteriormente llamado Zen MCP. Expone herramientas para consultar modelos y coordinar tareas desde clientes MCP, además de un puente hacia otros agentes de terminal.

Para qué te sirve

  • Cuando quieres que otro modelo revise un diagnóstico antes de cambiar código.
  • Cuando necesitas comparar propuestas de migración conservando el contexto de la tarea.

Cómo funciona

El servidor actúa como capa de acceso a proveedores. Sus herramientas permiten análisis y consenso; clink conecta procesos de CLI independientes, que pueden trabajar con un contexto distinto al de la conversación principal.

Antes de empezar

El inicio rápido requiere Python ≥3.10, Git y uv. Prepara un cliente MCP y las credenciales o sesiones que exijan los proveedores elegidos. Las consultas siguen consumiendo sus cuotas. Revisa el script de instalación y los permisos antes de ejecutarlo.

Límites y alternativas

Comparar modelos no convierte una opinión mayoritaria en evidencia. Cada CLI puede tener acceso a archivos o herramientas. Como alternativa, puedes pedir las revisiones manualmente en sesiones separadas. GitHub marca la licencia como NOASSERTION; se ha leído el archivo Apache-2.0 del repositorio.

Recursos