local-delegate
Delega tareas mecánicas texto→texto a un LLM local para conservar la cuota de tu suscripción de Claude. Un servidor MCP (stdio) que es cliente genérico de cualquier endpoint OpenAI-compatible — llama-swap, Ollama, LM Studio, vLLM.
Demo
Dashboard embebido (datos de ejemplo): tokens de contexto conservados, ahorro por herramienta y modelo, origen del input (path = ahorro real) y actividad reciente. Se sirve en http://127.0.0.1:9393.
¿Por qué?
Cuando Claude tiene que resumir un log enorme, clasificar, extraer campos o generar boilerplate,
gasta cuota de tu suscripción en trabajo mecánico. local-delegate expone esas tareas como
tools MCP que corren en un LLM local: pasas path en vez de text y el archivo se lee
del lado del servidor, así el contenido grande nunca entra al contexto de Claude. Solo
vuelve el resultado corto — cuota que no gastaste.
Instalación rápida
Con uv no hay nada que instalar: uvx baja y ejecuta el paquete aislado.
Añádelo a tu config de MCP (Claude Desktop / Claude Code):
{
"mcpServers": {
"local-delegate": {
"command": "uvx",
"args": ["local-delegate-mcp"]
}
}
}
Ver plantillas completas en examples/.
Requisitos
Un endpoint OpenAI-compatible ya corriendo, accesible en LOCAL_DELEGATE_BASE_URL
(default http://127.0.0.1:9292/v1). Cualquiera sirve:
- llama-swap — ver recipe con GPU Blackwell (en construcción).
- Ollama —
http://127.0.0.1:11434/v1. - LM Studio, vLLM, o cualquier servidor que hable la API de OpenAI.
El paquete no arranca ningún backend por defecto (LOCAL_DELEGATE_AUTOSTART=0). El
auto-arranque de llama-swap es opt-in (ver tabla de configuración).
Tools
Pasar path (en vez de text) hace que el MCP lea el archivo server-side → ahorro real de cuota.
| Tool | Qué hace | Rol de modelo (default) |
|---|---|---|
local_summarize | Resume texto o archivo | mecánico / largo (auto) |
local_classify | Devuelve UNA etiqueta de una lista | mecánico |
local_extract | Extrae campos → objeto JSON | mecánico |
local_boilerplate | Genera código desde una spec | código |
local_delegate | Escape genérico texto→texto | mecánico (o el que pases) |
local_lint_summary | Resume logs de lint/tests/CI | mecánico / largo (auto) |
local_commit_msg | Mensaje de commit desde un diff | código |
local_translate | Traduce texto o archivo | mecánico / largo (auto) |
local_explain_code | Explica código en prosa | código |
Los modelos locales no usan tool-calling: el server arma el prompt + guardrails, hace POST al endpoint y devuelve solo texto.
Configuración
Todo por variables de entorno; nada hardcodeado. Los ids de modelo default son solo eso — cámbialos por los de tu backend.
| Variable | Default | Descripción |
|---|---|---|
LOCAL_DELEGATE_BASE_URL | http://127.0.0.1:9292/v1 | Endpoint OpenAI-compatible |
LOCAL_DELEGATE_API_KEY | (vacío) | Bearer token, si tu endpoint lo exige |
LOCAL_DELEGATE_TIMEOUT | 180 | Timeout HTTP (segundos) |
LOCAL_DELEGATE_LOG | (dir de datos de usuario) | Ruta del usage.jsonl |
LOCAL_DELEGATE_MODEL_MECHANICAL | gemma3-4b | Modelo para clasificar/extraer/resumen corto |
LOCAL_DELEGATE_MODEL_LONG | llama31-8b | Modelo para documentos largos |
LOCAL_DELEGATE_MODEL_CODE | qwen25-coder-14b | Modelo para código |
LOCAL_DELEGATE_MODEL_FAST | qwen35-2b | Modelo ultrarrápido / trivial |
LOCAL_DELEGATE_LONG_INPUT_CHARS | 6000 | Umbral mecánico↔largo |
LOCAL_DELEGATE_WEB | 1 | Web de métricas embebida (0 para desactivar) |
LOCAL_DELEGATE_WEB_HOST / _PORT | 127.0.0.1 / 9393 | Host/puerto de la web |
LOCAL_DELEGATE_AUTOSTART | 0 | Auto-arranque de llama-swap (opt-in) |
LLAMASWAP_EXE / LLAMASWAP_CONFIG / LLAMASWAP_LISTEN | — | Solo si AUTOSTART=1 |
La métrica de ahorro
El MCP registra cada llamada en usage.jsonl y sirve un dashboard en
http://127.0.0.1:9393. El ahorro de contexto = caracteres de entrada leídos server-side
(llamadas con source=path) ÷ 4 ≈ tokens que nunca entraron al contexto de Claude.
Detalle en la wiki (en construcción).