10 plugins, skills y herramientas MCP de Claude Code: guía práctica

Elige una extensión de Claude Code alrededor de un fallo concreto de tu flujo de trabajo. Los requisitos poco claros necesitan una conversación de planificación. Los defectos omitidos necesitan revisión y pruebas. La investigación repetida necesita fuentes trazables. Instalar más herramientas solo ayuda cuando sus responsabilidades están claras.

Esta guía compara diez proyectos para esas tareas, con ejemplos de configuración y un ejercicio de evaluación. El análisis usa la documentación actual de los proyectos y el vídeo proporcionado de Chase AI. Las recomendaciones son juicios editoriales, no mediciones prácticas de rendimiento ni pruebas de un aumento de productividad de diez veces.

Puntos clave #

• Elige según el resultado: un plan revisado, un mapa del código y una imagen generada necesitan herramientas diferentes.
• Separa las capas de instalación: instrucciones, programas ejecutables, plugins y conexiones de servicio tienen dependencias diferentes.
• Comprueba los nombres actuales: Graphify y grill-me-codex ahora tienen ubicaciones canónicas distintas.
• Verifica más allá del acuerdo: que dos modelos acepten un plan no demuestra una implementación correcta.
• Mide el trabajo aceptado: incluye configuración, uso del servicio, intentos fallidos y correcciones humanas.

Antes de empezar #

Requisitos previos: una instalación funcional de Claude Code, un proyecto o rama desechable y permiso para usar los servicios externos seleccionados. Los ejemplos de CLI suponen un terminal y el gestor de paquetes indicado. Las integraciones en la nube necesitan sus propias cuentas y autenticación.

Tiempo estimado: 15 minutos de lectura y de 30 a 60 minutos para una prueba limitada. Dificultad: intermedia para la configuración de CLI y la integración de servicios. Leer skills de instrucciones necesita menos configuración.

Documentación comprobada el 10 de octubre de 2026. Los comandos y las reglas de acceso reflejan las fuentes enlazadas. Comprueba de nuevo tu versión instalada antes de seguir un tutorial antiguo. Este artículo se centra en extensiones usadas desde Claude Code y señala las diferencias del host cuando importan.

Verifica por capas después de instalar. Comprueba por separado los archivos, el descubrimiento del host, las dependencias ejecutables, las credenciales y una tarea representativa. Un instalador exitoso no demuestra que funcionen el navegador, el servidor MCP, la herramienta multimedia o la cuenta externa. Haz la primera prueba con datos sintéticos y registra la revisión upstream.

Conoce el tipo de extensión #

El Model Context Protocol (MCP) conecta una aplicación de agente con las herramientas y los datos expuestos por un servidor. Una interfaz de línea de comandos (CLI) ejecuta comandos. Un skill suele enseñar al agente a usar una interfaz, pero su presencia no demuestra una conexión operativa.

Empieza por la capacidad que falta. Si tu agente ya tiene búsqueda en el repositorio, un procedimiento nuevo necesita un beneficio observable. Si el agente no tiene acceso a una plataforma de automatización, un archivo de instrucciones por sí solo no proporciona acceso autenticado. La guía amplia sobre el entorno del agente explica el software que rodea las llamadas al modelo y la ejecución de herramientas.

Elige tu primera herramienta #

Inicio recomendado: elige una fila y guarda una tarea de referencia antes de instalar. Añade una segunda herramienta solo cuando aporte una contribución separada y medible.

Aclara el trabajo #

grill-me y grill-with-docs #

Los skills de Matt Pocock ayudan a convertir una idea poco definida en decisiones. El punto de entrada actual de grill-me invoca el skill compartido de grilling. grill-with-docs invoca grilling y modelado de dominio. La documentación de la colección describe terminología compartida y registros de decisiones de arquitectura.

Usa la variante con documentación cuando los términos de negocio afecten a la implementación. En un importador CSV ilustrativo, decide si un cliente existente significa el mismo correo, el mismo identificador externo o ambos. Registra la definición antes de escribir la detección de duplicados.

Mantén la entrevista proporcionada. Una sesión útil resuelve incertidumbres importantes. No debe pedirte repetir respuestas que ya están en el repositorio. Termina con un plan, preguntas pendientes y comprobaciones observables de finalización.

CLAUDE.md inspirado en Karpathy #

Las guías mantenidas por Multica convierten las observaciones de Karpathy en cuatro temas: supuestos explícitos, soluciones sencillas, cambios enfocados y objetivos verificables. El repositorio es una implementación comunitaria inspirada en sus observaciones. Llamarlo un plugin mantenido personalmente por Karpathy describiría mal su procedencia.

Integra las guías útiles en la política actual del proyecto. Conserva los comandos de compilación, las convenciones de contenido y las restricciones de despliegue. Un archivo de instrucciones sustituto que elimine esos detalles crea nuevas fuentes de errores.

Ejemplo de regla de proyecto: exige que un cambio del importador conserve el tratamiento actual de duplicados y explique cualquier cambio intencionado con un fixture. Así una preferencia general por la cautela se convierte en una comprobación clara para el revisor. Las instrucciones expresan expectativas. Las pruebas y los controles de ejecución aportan evidencia separada.

Revisa planes y código #

grill-me-codex, ahora Claudex Loop #

Claudex Loop es el destino actual del repositorio original grill-me-codex. Su documentación describe reconocimiento del repositorio, requisitos, revisión por el otro proveedor, implementación e inspección independiente. El circuito completo necesita ambas CLI y Python 3.10 o posterior.

Usa Claudex Loop para planes importantes cuyas suposiciones deban cuestionarse antes de implementar. El flujo actual permite comenzar desde Claude Code o Codex. Registra hallazgos y disposiciones, y separa el permiso para revisar del permiso para construir. La descripción antigua de cinco rondas del vídeo no sustituye al presupuesto actual del flujo instalado.

Pide pruebas con cada objeción. Para el importador CSV, una revisión debe identificar un duplicado concreto o un caso de reintento y su comportamiento esperado. El acuerdo de los modelos es un resultado de revisión, no una prueba. Conserva los hallazgos pendientes cuando se agote el presupuesto.

Plugin de OpenAI Codex #

/plugin marketplace add openai/codex-plugin-cc
/plugin install codex@openai-codex
/reload-plugins
/codex:setup

El plugin Codex de OpenAI para Claude Code añade revisión de código y delegación de tareas dentro de Claude Code. Son comandos de Claude Code, no comandos shell. El repositorio oficial documenta Node.js 18.18 o posterior y acceso autenticado a Codex mediante ChatGPT o una clave de OpenAI API.

/codex:review --background
/codex:status
/codex:result

Usa la revisión normal para cambios actuales o una comparación de ramas. Usa /codex:adversarial-review para un desafío focalizado. Los comandos de delegación como /codex:rescue hacen un trabajo diferente de una revisión de solo lectura. Especifica la autoridad prevista.

Presupuesta el uso de Codex por separado. El proyecto incluye ChatGPT Free entre las cuentas admitidas, pero los límites de uso siguen vigentes. Instalar el plugin no crea acceso ilimitado.

Regla de selección: usa una revisión limitada del plugin para un parche existente. Elige el circuito grande cuando los requisitos y la revisión del plan necesiten un proceso propio y registrado.

Conserva el contexto útil #

Graphify #

uv tool install graphifyy
graphify install --project
graphify extract . --code-only
graphify query "show the authentication flow"

Graphify representa las relaciones del repositorio en un grafo de conocimiento consultable. El repositorio canónico ahora está bajo Graphify-Labs. El nombre del paquete es graphifyy, con dos y finales. El ejecutable sigue siendo graphify.

La extracción code-only usa análisis local de árboles de sintaxis abstracta para leer la estructura del código. La interpretación de documentos y medios usa otro camino respaldado por modelos. No extiendas las afirmaciones sobre privacidad o coste local a todos los modos.

Los hooks opcionales reconstruyen el grafo después de commits y cambios de rama. Tras un pull o merge, el flujo documentado solicita graphify update .. Los cambios de documentación necesitan una actualización propia. La exportación de Obsidian ofrece otra vista del grafo.

Usa Graphify para preguntas sobre relaciones y después inspecciona el código correspondiente. El grafo ayuda a seleccionar archivos. Su estructura no demuestra el comportamiento en ejecución ni sustituye las pruebas. Mide el ahorro de tokens con tus preguntas, incluyendo la creación y el mantenimiento del grafo.

claude-obsidian #

claude-obsidian organiza el material fuente en páginas de Obsidian enlazadas y citadas. El repositorio describe ingestión, recuperación, mantenimiento del conocimiento, conservación de fuentes y registros de apoyo o contradicción. El vault sigue siendo un conjunto normal de archivos locales.

Usa claude-obsidian para conocimiento duradero del proyecto: decisiones de diseño, documentos fuente y notas de investigación que deben sobrevivir a conversaciones individuales. El resultado útil es un registro mantenible con procedencia, es decir, un origen trazable para cada afirmación importante.

Revisa el vault después de la ingestión. Elige algunas afirmaciones y sigue sus citas hasta el material original. Conserva la evidencia contradictoria en lugar de unirla en un resumen seguro. El almacenamiento local por sí solo no demuestra inferencia local. Comprueba la configuración del host y del modelo antes de entregar documentos sensibles.

notebooklm-py #

uv tool install "notebooklm-py[browser]"
notebooklm login
notebooklm auth check --test --json
notebooklm skill install

notebooklm-py ofrece una biblioteca Python, una CLI y un skill de agente para el servicio de investigación notebook de Google. El proyecto documenta importación de fuentes, preguntas fundamentadas, artefactos generados y descargas por lotes. El extra browser permite el flujo de inicio de sesión interactivo.

Es una integración no oficial. La biblioteca depende de interfaces de Google no documentadas y sigue expuesta a roturas y límites de frecuencia. No la presentes como una API pública respaldada por Google.

Usa notebooklm-py para un corpus limitado, como notas de versión y guías de migración de una dependencia. Comprueba las citas con el texto fuente antes de incorporar los resultados a un plan. Protege el estado de autenticación guardado como material de acceso a la cuenta.

Externalizar la investigación cambia dónde se ejecuta el trabajo. No elimina tokens de orquestación, cuotas de servicio, esfuerzo de revisión ni obligaciones de gestión de datos. Trata el ahorro de tokens como una medida que debes recopilar, no como una propiedad automática de la instalación.

Diseña y genera recursos #

Impeccable #

/impeccable critique settings
/impeccable audit settings
/impeccable polish settings

Impeccable proporciona un vocabulario de diseño para el trabajo de interfaces. Su documentación cubre crítica, distribución, tipografía, accesibilidad, movimiento e iteración visual en el navegador. Los ejemplos suponen un skill instalado y un proyecto con una superficie de configuración.

Empieza con un problema de interacción. Para el importador, pregunta por qué los usuarios no ven errores de validación o entienden mal la opción de duplicados. Revisa los cambios propuestos antes de aplicar un pulido visual. Un espaciado atractivo por sí solo no arregla una acción ambigua.

La iteración en directo ayuda a comparar alternativas en el navegador. Comprueba navegación con teclado, diseño móvil, mensajes de error y contraste. El número de comandos cambia entre versiones. Usa la lista de tu versión instalada, no el recuento del vídeo.

Higgsfield #

La integración MCP de Higgsfield conecta agentes con su servicio de generación de imágenes y vídeo. La página oficial de integración enumera opciones de conexión para Claude Code y CLI. Usa el flujo actual para tu cuenta y la interfaz elegida.

Elige Higgsfield cuando falte un recurso multimedia. Para una página de producto ilustrativa, especifica proporción, composición, restricciones de marca y ubicación antes de generar variantes. Mantén el briefing visual separado de la implementación de la página.

Comprueba primero el acceso y el consumo del servicio. Una lista de integración no demuestra acceso a todos los modelos, generación ilimitada ni un derecho comercial concreto. Revisa los términos de la cuenta y el modelo elegido antes de adoptar un flujo de producción.

Revisa el archivo final en el tamaño previsto. Comprueba texto visible, símbolos no deseados, recorte y coherencia con el producto. Las pantallas y diagramas generados no son evidencia de una prueba exitosa.

Conecta flujos repetibles #

n8n MCP #

El servidor MCP integrado de n8n expone operaciones de flujo a clientes conectados. La documentación de conexión actual cubre instancias Cloud y autogestionadas. La construcción y edición de flujos se documenta desde n8n 2.13.0. Este artículo se refiere al servidor propio de n8n, no a un paquete comunitario independiente con un nombre parecido.

Usa acceso a nivel de instancia para esta integración. El nodo MCP Server Trigger tiene un alcance distinto y expone herramientas de un único flujo. Comprueba la referencia de herramientas con tu versión desplegada.

Activa el acceso de forma deliberada. Los flujos existentes necesitan exposición MCP para tener acceso completo. Las vistas previas de búsqueda tienen una visibilidad más amplia dentro de los permisos existentes del usuario. La exposición no es una lista de autorización separada por cliente, aunque los permisos concedidos al cliente también controlan las operaciones.

Inspecciona el modo de ejecución. execute_workflow ejecuta por defecto la versión de producción publicada según la documentación. El modo manual ejecuta la versión actual no publicada. Comprueba entradas y acciones posteriores antes de ejecutar.

Una primera prueba útil: clasifica solicitudes de soporte sintéticas y escribe los resultados en un destino de prueba. Confirma el tratamiento de campos ausentes y reintentos. El alojamiento propio aún necesita cómputo, mantenimiento y servicios posteriores de pago.

Ejecuta una prueba controlada #

Ejercicio ilustrativo: añade un importador CSV a una aplicación pequeña. El importador previsualiza filas, informa de campos de correo inválidos y evita la creación de duplicados. No necesita registros de clientes ni destinos externos activos.

# Evaluation worksheet, not a tool configuration file
task: "add CSV import preview"
inputs:
  - "valid rows"
  - "invalid email field"
  - "repeated customer identifier"
  - "same import submitted twice"
acceptance:
  - "preview creates no records"
  - "invalid rows receive useful messages"
  - "duplicate policy matches the written requirement"
  - "repeat submission creates no extra records"
record:
  - "source revision and selected skill version"
  - "model and service configuration"
  - "elapsed time and billed usage"
  - "failed checks and human corrections"

Establece primero la referencia. Guarda la revisión inicial y pide al agente completar la tarea con tu flujo actual. Ejecuta comprobaciones de aceptación independientes y conserva el resultado. Repite desde la misma revisión con una extensión y los mismos requisitos.

Ajusta el experimento al problema sospechado. Si el tratamiento de duplicados se entiende mal repetidamente, prueba un skill de requisitos. Si el agente omite un validador existente, prueba el mapeo del repositorio. Si los usuarios no ven errores, prueba la crítica de interfaz. Cargar las diez herramientas a la vez impide atribuir una mejora.

Razonamiento esperado: un segundo intento exitoso aporta evidencia útil, pero una ejecución no demuestra un multiplicador general de productividad. Las ejecuciones repetidas ayudan a separar el valor de la herramienta de la variabilidad del modelo. Compara resultados aceptados, esfuerzo de revisión e intentos fallidos.

Crea un registro de decisión conservado. Nombra el problema, la herramienta elegida, el beneficio observado, el asunto pendiente y las condiciones para otra prueba. Conserva una herramienta cuando su contribución supere esta comprobación. Una gran colección instalada no exige un gran flujo activo.

Solución de problemas #

Comprueba las capas de instalación en orden: archivos presentes, descubrimiento del host, dependencias listas, autenticación funcional y tarea representativa verificada. Un instalador exitoso solo demuestra una parte de la cadena.

Inspecciona los skills superpuestos antes de añadir otra copia. Las entrevistas de requisitos, las suites de planificación, las herramientas de diseño y los paquetes de revisión pueden tener valores predeterminados en conflicto. Elige un procedimiento principal y añade herramientas de apoyo para contribuciones concretas. Conserva la política del repositorio y el alcance solicitado.

Recorrido en vídeo #

El recorrido de Chase AI presenta los diez proyectos tratados aquí. Mira el vídeo original para ver sus demostraciones. Usa la documentación enlazada para la instalación y el comportamiento actuales. El título del vídeo expresa una afirmación promocional, no un resultado medido establecido por esta guía.

Próximos pasos #

Elige un fallo recurrente y una prueba de aceptación. Prueba la extensión correspondiente en un proyecto desechable y conserva la combinación más pequeña que mejore el resultado. Añade gestión del conocimiento, generación multimedia o automatización solo cuando el trabajo necesite esos resultados.

Para orientación relacionada, lee la comparación de agentes de código CLI al elegir el agente. Usa el curso de colaboración con IA para trabajar en requisitos, evidencia y responsabilidades de revisión.

Referencias #

• Graphify: grafos de código e instalación
• Matt Pocock: colección de skills
• Claudex Loop: proyecto actual de grill-me-codex
• OpenAI: plugin Codex para Claude Code
• claude-obsidian: gestión del conocimiento vinculada a fuentes
• Multica: guías de código inspiradas en Karpathy
• Impeccable: comandos de diseño e instalación
• Higgsfield: integración de agentes
• notebooklm-py: biblioteca, CLI y skill no oficiales
• n8n: guía oficial de conexión MCP