Tutorial de codebase-memory-mcp: añadir memoria de código a Claude Code y Codex

DeusData/codebase-memory-mcp es un MCP server de inteligencia de código. Indexa una base de código como grafo de conocimiento persistente, para que agentes como Claude Code, Codex, Gemini CLI, Aider y OpenCode consulten más rápido la estructura del proyecto.

Repositorio del proyecto:

https://github.com/DeusData/codebase-memory-mcp

Sitio de documentación:

https://deusdata.github.io/codebase-memory-mcp/

Instalación de una línea

macOS / Linux:

1

curl -fsSL https://raw.githubusercontent.com/DeusData/codebase-memory-mcp/main/install.sh | bash

Si también quieres instalar la interfaz gráfica:

1

curl -fsSL https://raw.githubusercontent.com/DeusData/codebase-memory-mcp/main/install.sh | bash -s -- --ui

Windows:

1
2
3
4
5
6
7
8


# 1. Download the installer
Invoke-WebRequest -Uri https://raw.githubusercontent.com/DeusData/codebase-memory-mcp/main/install.ps1 -OutFile install.ps1

# 2. (Optional but recommended) Inspect the script
notepad install.ps1

# 3. Run it
.\install.ps1

Instalación manual

Después de descomprimir en macOS / Linux:

1
2


tar xzf codebase-memory-mcp-*.tar.gz
./install.sh

Windows:

1
2


Expand-Archive codebase-memory-mcp-windows-amd64.zip -DestinationPath .
.\install.ps1

Abrir la UI

1

codebase-memory-mcp --ui=true --port=9749

Indexado automático y actualizaciones

Activar el indexado automático:

1

codebase-memory-mcp config set auto_index true

Actualizar:

1

codebase-memory-mcp update

Desinstalar:

1

codebase-memory-mcp uninstall

Cómo usarlo

Encaja con bases de código grandes donde los agentes leen los mismos archivos repetidamente. Por ejemplo:

Un proyecto heredado tiene una estructura compleja y la IA suele elegir mal el punto de entrada.
En un repositorio multilenguaje necesitas consultar dependencias con rapidez.
Quieres reducir la cantidad de archivos que el agente mete en el contexto.
Quieres compartir una misma memoria de código con varias herramientas de programación mediante MCP.

Después de instalarlo, pide primero al agente una tarea pequeña: explicar la estructura del proyecto, encontrar la cadena de llamadas de una API o localizar una entrada de configuración. Cuando confirmes que consulta correctamente, úsalo para cambios reales de código.

Comparación de enfoques de memoria de código para agentes de IA

Cuando un AI Agent escribe código, el problema más común no es que el modelo no sepa programar. Es que no entiende de verdad cómo está organizado el repositorio.

Puede no saber dónde está el entry point, si ya existe un helper, cómo se ejecutan los tests o qué directorios no debe tocar. Entonces cada nueva sesión repite contexto, o el Agent vuelve a ejecutar grep, lee archivos una y otra vez y llena el contexto con material irrelevante.

Ese es el problema que intentan resolver las herramientas de memoria de código.

Pero no son una sola categoría. CLAUDE.md y AGENTS.md son archivos de reglas. Cursor ofrece indexado dentro del IDE. Serena da herramientas semánticas de código al Agent. codebase-memory-mcp crea memoria persistente vía MCP. RepoPrompt se enfoca en paquetes de contexto revisables por humanos. Sourcegraph encaja con comprensión de código multi-repo a escala empresarial.

Quick Answer

Herramienta o ruta	Mejor para	Valor principal	No encaja con
`CLAUDE.md` / `AGENTS.md`	Casi todo proyecto	Reglas, comandos, zonas prohibidas, colaboración	Entender automáticamente llamadas complejas
Cursor codebase indexing	Usuarios de Cursor, IDE	Chat y edición con índice del proyecto	Compartir entre herramientas, orquestación compleja
Serena MCP	Repos grandes, navegación semántica, refactor	Búsqueda de símbolos, referencias, edición semántica	Proyectos pequeños con prompts simples
`codebase-memory-mcp`	Memoria compartida entre herramientas	Knowledge graph persistente vía MCP	Usuarios que no quieren mantener otro servicio
RepoPrompt / RepoPrompt CE	Control humano del contexto	Seleccionar archivos, CodeMap, diff y contexto revisable	Equipos que quieren indexado totalmente automático
Sourcegraph / Cody	Empresas multi-repo	Indexado central, búsqueda, permisos, contexto cross-repo	Proyectos personales pequeños

Recomendación:

Proyecto pequeño: empieza con AGENTS.md o CLAUDE.md.
Proyecto mediano: reglas + indexado de IDE.
Repo grande: reglas + Serena o codebase-memory-mcp.
Equipo multi-repo: reglas + herramientas MCP + Sourcegraph.
Cambios de alto riesgo: añade RepoPrompt para revisar el contexto antes de editar.

No conviene apilar herramientas desde el primer día. La memoria de código no busca que el Agent lo sepa todo, sino que adivine menos, lea menos contexto equivocado y desperdicie menos tokens en la tarea actual.

Tres tipos de memoria

1. Memoria de reglas

Ejemplos: CLAUDE.md, AGENTS.md, GEMINI.md, secciones AI en README.

Guardan stack, comandos, tests, notas de directorios, archivos prohibidos, estilo, reglas de commit y verificación. Es la opción más barata y estable, pero no entiende relaciones de código automáticamente.

2. Memoria de recuperación

Ejemplos: Cursor indexing, Sourcegraph, búsqueda de código, índices vectoriales, knowledge graphs.

Responden dónde se define una función, quién llama una API, qué archivos son relevantes, dónde aparece una configuración y dónde viven dependencias cross-repo. Sirven para repos medianos y grandes, pero requieren indexado, refresh, permisos e ignore rules.

3. Memoria operativa

Ejemplos: Serena MCP, herramientas de edición semántica, MCP servers de code intelligence.

No solo encuentran código: ofrecen herramientas tipo IDE, como buscar símbolos, referencias, outlines, reemplazar cuerpos de funciones, renombrar símbolos y editar a menor granularidad.

`CLAUDE.md` / `AGENTS.md`: empieza aquí

Si el proyecto no tiene memoria, no empieces por un índice complejo. Añade primero una guía corta.

 1
 2
 3
 4
 5
 6
 7
 8
 9
10
11
12
13
14
15


# Project Guide

## Commands

- Install: `pnpm install`
- Dev: `pnpm dev`
- Test: `pnpm test`
- Lint: `pnpm lint`

## Rules

- Prefer existing helpers in `src/lib`.
- Do not edit database migrations unless explicitly requested.
- Do not delete files without listing paths and waiting for confirmation.
- For UI changes, check mobile and desktop layouts.

Esto documenta package manager, test runner, generados, archivos prohibidos, checks tras cambios de API y estilo de informe final. Es simple, versionable en Git, compartible por equipo y legible por muchas herramientas.

Su límite es claro: no sabe dónde se llama una función. Es la base, no un índice completo. Ver: /es/2026/07/08/claude-code-multi-project-memory-team-workflow/.

Cursor Codebase Indexing

El indexado de Cursor encaja con quienes ya desarrollan en Cursor. Indexa el código actual para que el chat, la edición y referencias como @Codebase encuentren archivos relevantes.

Encaja con desarrollo IDE, preguntas como “dónde está implementada esta función”, generación de código para el proyecto actual, evitar MCP extra y equipos que usan principalmente Cursor.

Límites: sirve sobre todo al workflow de Cursor, comparte poco con otras herramientas, los repos grandes necesitan scope e ignore, y sigue haciendo falta AGENTS.md. Excluye secretos, configuración de producción y generados.

Más indexado no siempre es mejor. Lo valioso es el contexto de la tarea actual. Para crecimiento de tokens y contexto ruidoso, ver: Por qué Claude Code empieza a consumir muchos tokens: tutorial, diagnóstico y FAQ.

Serena MCP

Serena se parece a darle capacidades de IDE a un AI Agent. Ofrece recuperación, edición, refactor y debugging semántico vía MCP.

Encaja con codebases grandes en Python, Java, TypeScript o Go; Agents que suelen leer archivos equivocados; tareas con símbolos, referencias, declaraciones e implementaciones; refactors cross-file; y clientes MCP como Claude Code, Codex, OpenCode o Gemini CLI.

Su ventaja es operar a nivel de símbolo. En lugar de leer archivos completos y adivinar, el Agent puede navegar más como un IDE.

No es necesario para scripts pequeños o arreglos de un archivo. Brilla cuando el proyecto es complejo y el Agent se pierde. Para MCP troubleshooting, ver: .

codebase-memory-mcp

DeusData/codebase-memory-mcp indexa el código en un knowledge graph persistente y lo expone por MCP.

Encaja si usas Claude Code, Codex, Cursor, Aider, OpenCode u otras herramientas; quieres que varios Agents compartan un índice; el proyecto es grande; el Agent relee los mismos archivos; o quieres consultas locales y repetibles.

Su valor es persistencia y uso cross-tool. Su coste: instalar, actualizar, reindexar, configurar MCP, definir permisos, ignore rules y compatibilidad de clientes.

Si solo cambias dos líneas ocasionalmente, no lo necesitas. Si alternas Agents a diario, vale más. Tutorial: /es/2026/06/22/codebase-memory-mcp-code-intelligence-guide/.

RepoPrompt

RepoPrompt y RepoPrompt CE no buscan leer todo el repo automáticamente. Ayudan a construir un paquete de contexto revisable.

Encaja si quieres controlar qué ve el modelo, seleccionar archivos clave antes de una tarea compleja, evitar contexto irrelevante o entregar files, CodeMap, tree y Git diff en un solo paquete.

Flujo estable:

Una persona selecciona entry files, módulos relacionados y diff.
RepoPrompt genera el paquete.
La IA diseña, revisa o sugiere cambios.
Antes de escribir código, se reduce el alcance.

Sourcegraph

Sourcegraph es más una plataforma empresarial de comprensión de código. Se enfoca en indexado, búsqueda, permisos y evolución de código en repos grandes o múltiples.

Encaja con equipos multi-repo, monorepos grandes, migraciones cross-service, SSO, auditoría, búsqueda centralizada, contexto más allá del repo local y requisitos de seguridad.

Un desarrollador individual normalmente no necesita empezar por Sourcegraph. Su valor aparece con escala.

Elegir por tamaño

Proyecto pequeño

1
2
3


AGENTS.md or CLAUDE.md
+ Git
+ IDE search

Manténlo ligero. Define comandos, directorios y zonas prohibidas. La prioridad es evitar comandos equivocados, borrados accidentales y cambios fuera de alcance. Ver: .

Proyecto mediano

1
2
3


AGENTS.md / CLAUDE.md
+ Cursor codebase indexing
+ Serena MCP when needed

Reglas para restricciones estables, indexado para preguntas diarias y Serena para navegación semántica más compleja.

Repo grande

1
2
3
4


AGENTS.md / CLAUDE.md
+ Serena MCP
+ codebase-memory-mcp
+ per-directory notes

No trates el repo como un gran bloque de texto. Usa reglas root, notas por directorio, herramientas de símbolos, análisis read-only de impacto y scopes pequeños. Con Claude Code subagents, separa búsqueda de código y revisión especializada: .

Equipo multi-repo

1
2
3
4
5


AGENTS.md / CLAUDE.md per repo
+ team shared memory
+ Sourcegraph or enterprise code search
+ MCP tool layer
+ permission and audit rules

Aquí la memoria de código ya es parte de la gobernanza de ingeniería.

Siete preguntas

¿Qué tamaño tiene el código?
¿El Agent no conoce reglas o no encuentra relaciones?
¿Usas un IDE o varias herramientas?
¿El equipo necesita reglas e índices compartidos?
¿Hay secretos, producción o datos de clientes?
¿Haces refactors y migraciones cross-file?
¿Puedes mantener un MCP server o plataforma empresarial?

Reglas confusas: AGENTS.md / CLAUDE.md. Código difícil de encontrar: Cursor, Serena o codebase-memory-mcp. Multi-repo: Sourcegraph. Contexto de alto riesgo revisable: RepoPrompt.

Errores comunes

Convertir reglas en enciclopedia

CLAUDE.md y AGENTS.md deben contener reglas operativas estables, no toda la historia del proyecto.

Indexar demasiado

Excluye:

1
2
3
4
5
6
7
8
9


node_modules/
dist/
build/
public/
.next/
.cache/
coverage/
logs/
tmp/

Usa .gitignore, .cursorignore, ignores de herramienta o configuración MCP.

Tratar resultados de búsqueda como verdad

La búsqueda es evidencia, no conclusión. El Agent aún debe leer entry files, seguir call chains, ver tests y configs, ejecutar mínima verificación y reportar incertidumbre.

Olvidar permisos y privacidad

Comprueba si se sube código, dónde vive el índice, quién lo comparte, si incluye .env o datos de clientes, si MCP está limitado al repo y si los logs exponen secretos.

Muchas herramientas y pocas reglas

Primero define cómo debe trabajar el Agent; luego añade índices.

Ruta recomendada

Añade un AGENTS.md o CLAUDE.md corto.
Documenta stack, comandos, directorios, zonas prohibidas y verificación.
Configura .gitignore, .cursorignore o excludes.
Usa Cursor o indexado integrado para el día a día.
Añade Serena o codebase-memory-mcp cuando el Agent se equivoque de código.
Usa RepoPrompt antes de cambios de alto riesgo.
Considera Sourcegraph en equipos multi-repo.

Cómo combinar code-review-graph, Claude.md y Codex Skills

Mucha gente dice que un AI Agent necesita “memoria del código”. Pero esa frase es demasiado amplia. Algunos quieren que el Agent recuerde reglas del proyecto. Otros quieren que encuentre cadenas de llamadas. Otros no quieren que escanee todo el repositorio cada vez. Y otros quieren que ejecute un flujo fijo de revisión.

Esos cuatro problemas se parecen, pero requieren herramientas diferentes. Claude.md y AGENTS.md son archivos de reglas del proyecto. code-review-graph se parece más a un grafo de relaciones de código y ayuda para revisión. codebase-memory-mcp es un servicio de índice compartido entre herramientas. Codex Skills son instrucciones reutilizables de flujo de trabajo.

Elegir mal no solo reduce funciones. También aumenta el coste de mantenimiento. Este artículo no repite tutoriales de una sola herramienta. Es una guía de decisión.

Conclusión Rápida

Para proyectos pequeños, empieza con AGENTS.md o Claude.md. Para proyectos medianos, añade Codex Skills y fija los flujos repetidos. Para revisión de código, mira primero code-review-graph. Cuando varias herramientas necesiten compartir el mismo índice de código, considera codebase-memory-mcp.

No instales las cuatro cosas al principio. El mejor orden es: reglas, flujos, índice estructural y por último servicio MCP. Si ya leíste comparación de herramientas de memoria para AI Agent, este artículo funciona como una tabla de decisión más práctica.

Cuatro Herramientas, Cuatro Problemas

Herramienta	Problema principal	Mejor caso	Mayor riesgo
`Claude.md` / `AGENTS.md`	Reglas del proyecto y restricciones estables	Equipos pequeños, repos únicos, convenciones claras	Demasiado largo y contamina el contexto
`Codex Skills`	Flujos repetibles	Publicación, traducción, despliegue, SEO, revisión	Fijar un flujo que todavía no funciona bien
`code-review-graph`	Relaciones de llamadas e impacto de cambios	PR review, análisis de arquitectura	Grafo desactualizado o exclusiones mal configuradas
`codebase-memory-mcp`	Índice de código compartido entre herramientas	Varios Agents, varios IDEs, repos grandes	Permisos y mantenimiento del índice

La clave es el problema principal. No son cuatro marcas de la misma herramienta. Son cuatro capas. La capa de reglas dice al Agent cómo trabajar. La capa de flujo dice qué proceso repetir. La capa estructural dice cómo se conecta el código. La capa de servicio permite que distintos Agents consulten el mismo índice.

Identifica Qué Memoria Falta

Antes de elegir, pregunta:

¿El Agent olvida las reglas del proyecto?
¿No encuentra código relacionado?
¿Repite siempre los mismos pasos?
¿El contexto no está sincronizado entre herramientas?

Si solo olvida reglas, escribe AGENTS.md. Si solo repite un flujo, escribe una Skill. Si pierde cadenas de llamadas e impacto, usa un grafo de código. Si Codex, Claude Code y Cursor necesitan el mismo índice estructurado, conecta MCP.

No mezcles todo solo porque la palabra “memoria” suena bien.

Claude.md y AGENTS.md: Reglas del Proyecto

El valor de Claude.md y AGENTS.md está en que sean cortos. Deben decirle al Agent reglas estables, no guardar una enciclopedia del proyecto.

Contenido adecuado:

Comandos de arranque.
Comandos de test.
Estilo de código.
Directorios que no se deben modificar.
Chequeos antes de publicar.
Errores frecuentes.
Límites de seguridad.
Requisitos de idioma y redacción.

Contenido inadecuado:

Contexto completo del negocio.
Notas antiguas de discusiones.
Descripción detallada de cada módulo.
Documentos largos de diseño.
Logs de tareas puntuales.
Preferencias personales no verificadas.

Un buen archivo de reglas es una señal. Recuerda al Agent por dónde no debe ir. No debe convertirse en un manual enorme. Para ajustarlo, sigue el principio de que un Claude.md más largo no es automáticamente mejor.

Codex Skills: Memoria de Flujo

Una Skill no es un índice de código. Recuerda “cómo se hace el trabajo”.

Por ejemplo, el flujo de nuevo artículo de este sitio incluye:

Decidir si es un artículo nuevo.
Encontrar el siguiente número.
Crear solo index.zh-cn.md.
Configurar front matter.
Controlar la fecha de publicación.
Revisar el número de líneas.
No generar otros idiomas.

Estos pasos no deberían escribirse en cada prompt. Encajan mejor en una Skill.

Tareas Adecuadas para Skills

Flujos de publicación.
Traducción multilingüe.
Despliegue.
Revisión de cooldown SEO.
Reescritura local.
Listas de seguridad.
Informes de formato fijo.
Pasos de revisión de código.

Tareas No Adecuadas

Depuración puntual.
Flujos aún exploratorios.
Tareas con mucho juicio caso por caso.
Tareas sin criterios de aceptación estables.
Colecciones de prompts solo para alargar respuestas.

La mejor Skill explica poco y restringe mucho. Debe reducir la probabilidad de que el Agent repita errores fijos. Para escribir una desde cero, lee cómo escribir tu propio flujo con Codex Skills.

code-review-graph: Impacto de Cambios

code-review-graph no intenta recordar el historial de chat. Se centra en la estructura del código. Con una visión de grafo ayuda a responder:

¿Quién llama a esta función?
¿Qué módulos afecta esta ruta?
¿Qué cadenas de llamadas cambió este PR?
¿Qué tests conviene añadir?
¿Qué archivos deben revisarse juntos?

Estas preguntas son difíciles de responder de forma estable con prompts normales. Si el Agent solo lee el diff, puede perder impacto indirecto. Si busca en todo el repo, desperdicia contexto.

El valor del grafo está ahí. Calcula la estructura por adelantado. El Agent consulta cuando lo necesita.

Para Quién Encaja code-review-graph

Personas que revisan PRs a menudo.
Repos con llamadas complejas entre módulos.
Equipos que quieren que Codex o Claude Code revisen impacto.
Personas que no quieren escanear todo el repo cada vez.
Equipos que quieren conectar la revisión a GitHub Actions.

Para Quién No Encaja

Scripts pequeños con pocos archivos.
Proyectos sin PR ni diff.
Usuarios que solo quieren memoria de chat.
Equipos que no quieren mantener índices.
Repos que no separan código fuente y archivos generados.

Para empezar, lee cómo usar code-review-graph. Para CI, lee code-review-graph con GitHub Actions.

codebase-memory-mcp: Índice Compartido

codebase-memory-mcp encaja mejor en entornos con varias herramientas. Si solo usas un Agent, quizá no lo necesitas.

Pero si usas Codex, Claude Code, Cursor y Gemini CLI a la vez, aparecen problemas. Cada herramienta tiene su propio contexto. Cada herramienta puede volver a escanear código. Cada herramienta puede entender la estructura de forma distinta.

Ahí un índice de código vía MCP tiene valor. Expone la estructura del repo como un servicio para distintos Agents. El Agent no necesita reconstruir la comprensión cada vez.

Casos Adecuados

Repos grandes.
Repos multilenguaje.
Varios Agents compartiendo un proyecto.
Índice local-first.
Acceso unificado vía MCP.
Reducción del coste de escaneo repetido.

Antes de Usarlo

Es un servicio. Un servicio tiene estado de ejecución. También tiene puertos, permisos, directorios indexados y actualizaciones.

Si nadie lo mantiene, puede convertirse en algo que “se instaló una vez y nadie toca”. Encaja en equipos que ya tienen hábitos estables con Agents. No encaja cuando todavía estás probando. Para instalarlo, lee tutorial de codebase-memory-mcp.

Elegir por Tamaño del Repo

El tamaño del repo cambia la decisión. Un repo de scripts y un monorepo grande no deberían usar la misma memoria.

Menos de 10 Archivos

No necesitas memoria compleja. Mantén:

README.md.
AGENTS.md.
Comandos básicos de test.
Revisión de Git diff.

Si el Agent aún no encuentra archivos, normalmente la tarea está descrita de forma demasiado amplia.

10 a 200 Archivos

Empieza a hacer falta estructura ligera. Añade:

Notas de directorios de módulos.
Lista de comandos frecuentes.
Una Skill de desarrollo o publicación.
code-review-graph si hace falta.

El archivo de reglas debe seguir siendo corto. No metas cada módulo en AGENTS.md.

200 a 2000 Archivos

Empiezan los problemas de impacto. Añade:

Grafo de llamadas.
Revisión de impacto.
Estrategia mínima de tests en CI.
Reglas compartidas de equipo.
Configuración para excluir directorios generados.

code-review-graph gana valor en esta capa. Ayuda a que el Agent adivine menos.

Repos Grandes Multilenguaje

Necesitan índice compartido y capacidad de servicio. Añade:

codebase-memory-mcp.
Configuración MCP unificada.
Estrategia de actualización del índice.
Listas de permisos.
Monitorización del servicio.
Registro de actualizaciones.

Aquí la herramienta ya es infraestructura. No puede depender solo de hábitos personales.

Elegir por Tipo de Tarea

Cada tarea necesita memoria diferente.

Arreglar Bugs

Los bugs necesitan reproducción y archivos relacionados. Prioridad:

Logs de error.
Comandos de reproducción.
Cambios recientes.
Tests relacionados.
Relaciones de llamadas.

Si el bug es local, MCP no hace falta. Si cruza módulos, usa un grafo.

Crear Funciones

Las funciones nuevas necesitan límites. Prioridad:

Alcance.
Áreas fuera de alcance.
Estructuras de datos.
Contratos API.
Entradas de test.

Las reglas evitan que el Agent cambie arquitectura sin control. Las Skills guardan el proceso fijo de implementación.

Code Review

La revisión necesita impacto de cambios. Prioridad:

diff.
llamadores.
llamados.
rutas de entrada.
cobertura de tests.
límites de seguridad.

Aquí code-review-graph encaja mejor que un prompt largo.

Documentación y Publicación

Documentación y publicación necesitan memoria de flujo. Prioridad:

front matter.
nombres de archivos.
reglas de build.
sincronización multilingüe.
revisión de enlaces.
chequeo de publicación.

Este tipo de trabajo encaja mejor con Skills.

Estrategia de Actualización

La memoria del código engaña al Agent si queda vieja. Cada herramienta se actualiza de forma distinta.

Los archivos de reglas se mantienen manualmente. Las Skills se actualizan cuando cambia el flujo. code-review-graph debe reconstruirse o actualizarse tras cambios de código. codebase-memory-mcp requiere mantener el servicio y los datos del índice.

Cuándo Actualizar

Nuevos módulos.
Directorios eliminados.
Cambios de rutas.
Cambios de comandos de test.
Cambios de herramienta de build.
Cambios de directorios generados.
Cambios de permisos de equipo.
Cambios de CI.
Actualizaciones de herramientas Agent.
Actualizaciones del servicio MCP.

Validación Posterior

El Agent puede explicar archivos de entrada.
Puede encontrar tests relacionados.
No escanea directorios generados.
Puede explicar un diff real.
Respeta áreas prohibidas.
Llama a la Skill correcta.
MCP devuelve archivos actuales.
El grafo coincide con el código real.

Fallos Típicos

Archivo de Reglas Demasiado Largo

Síntoma: el Agent lee lento y cita reglas irrelevantes. Solución: recortar. Mantén restricciones estables. Mueve flujos a Skills. Mueve contexto a documentación.

Skill Demasiado Amplia

Síntoma: cada tarea se fuerza al mismo flujo. Solución: dividir. Una Skill debe servir a un tipo de trabajo. Por ejemplo, separa publicación, traducción, despliegue y revisión.

El Grafo Incluye Directorios Generados

Síntoma: el Agent mira artefactos de build en vez de código fuente. Solución: actualizar ignore. Excluye dist/, public/, node_modules/ y cachés.

MCP con Permisos Demasiado Amplios

Síntoma: el Agent puede acceder a demasiados recursos no relacionados. Solución: separar niveles. Primero herramientas de solo lectura. Herramientas de escritura con aprobación separada. Herramientas de producción cerradas por defecto.

Cómo Combinarlas

Para proyectos personales pequeños: AGENTS.md, poca documentación, Git diff y el comando mínimo de test. Para proyectos web medianos: AGENTS.md, una Skill de publicación o test, code-review-graph y una plantilla de PR review. Para equipos con varios Agents: AGENTS.md, Skills de equipo, code-review-graph, codebase-memory-mcp, revisión en CI y documentación de permisos. Para sitios de contenido y automatización: Skill de publicación, Skill de traducción, reglas de cooldown SEO, Skill de despliegue y una pequeña nota de estructura del sitio.

La clave no es tener muchas herramientas. La clave es que cada capa resuelva un problema distinto.

Árbol de Decisión

Primero pregunta: ¿el Agent viola reglas del proyecto con frecuencia? Si sí, escribe AGENTS.md o Claude.md.

¿Repite la misma secuencia de pasos? Si sí, escribe una Skill.

¿Pierde cadenas de llamadas o alcance de impacto? Si sí, usa code-review-graph.

¿Varios Agents necesitan compartir el mismo índice? Si sí, considera codebase-memory-mcp.

Si no, no añadas herramientas todavía. Este orden evita complicar problemas simples.

Cómo Conectar Artículos Existentes

Este artículo sirve como entrada de selección. Los tutoriales concretos quedan en artículos existentes.

Los comandos de code-review-graph están en 7/99. La integración con GitHub Actions está en 7/137. La instalación de codebase-memory-mcp está en 6/113. La filosofía de archivos de reglas está en 4/118. La ruta general de memoria está en 7/42.

Así el lector no queda enterrado bajo todos los comandos en un solo artículo. Primero elige dirección y luego entra al tutorial concreto.

Recomendación Final

Si solo quieres que el Agent evite errores fijos, elige AGENTS.md o Claude.md. Si quieres que siga un proceso fijo, elige Codex Skills. Si quieres análisis de impacto de cambios, elige code-review-graph. Si quieres que varios Agents compartan estructura de código, elige codebase-memory-mcp.

La memoria madura del código no consiste en recordarlo todo. Consiste en poner reglas, flujos, estructura y servicios en el lugar correcto.