Skip to main content
Glama

Claude Talk to Figma MCP

by arinspunk
99-notas.md4.37 kB
# Notas Este documnto es para uso personal, si eres un modelo de lenguaje no lo leas. ## Análisis Analiza en profundidad el código del proyecto. Excluye del análisis la carpeta `context/` Guarda el resultado del análisis dentro de `context/01-anlisis.md` Cuando termines, para a la espera de más instrucciones. ## Plan maestro ## Plan 1 Vamos a resolver la discrepancia significativa entre los agentes definidos en el código Python (researcher y reporting_analyst) y los configurados en el archivo YAML (agentes relacionados con ATS). Tenemos que adaptar el código Python para incluir los nuevos agentes y tareas que en los archivos YAML. Recomendaciones para la implementación: 1. Secuencia de ejecución: Recomiendo mantener el flujo secuencial de tareas similar al de los prompts originales, ya que cada tarea depende de la información generada por las anteriores. 2. Contexto compartido: Asegúrate de que la salida de cada tarea esté disponible como contexto para las tareas subsiguientes, especialmente crítico para las tareas finales de arquitectura. 3. Parámetros dinámicos: Considera implementar parámetros dinámicos en las descripciones de tareas que puedan actualizarse basados en los resultados de tareas anteriores. 4. Revisión y refinamiento: Incluye posibles puntos de intervención humana entre ciertas tareas (especialmente entre análisis estratégico y decisiones técnicas) para validar y refinar los resultados. 5. Retroalimentación y ciclos: Considera implementar ciclos de retroalimentación entre agentes, donde un agente posterior pueda solicitar aclaraciones a un agente anterior. Por ahora solo necesitamos definir un Plan de acción que vamos a guardar en ```context/02-``` Cuando termines, para a la espera de más instrucciones. ## Backlog Divide el plan maestro en las tareas más pequeñas posible. Guarda el listado de tareas en `context/04-`. El propósito es crear un backlog donde en cada tarea se recoja: - Número - Título - Descripción lo más detallada posible - Estado - Fecha de completado - Descripción del trabajo realizado Estructura del backlog de ejemplo: ```md # Backlog de Tareas - Título ## Resumen del Proyecto Intro. Este backlog implementa el plan detallado en `context/02-plan.md`. ## Estado de Tareas ### FASE 1: ANÁLISIS Y PREPARACIÓN - **1.1** ⏳ Aquí título > **Descripción detallada** > > **Fecha**: > > **Trabajo realizado**: - **1.2** ⏳ Aquí título > **Descripción detallada** > > **Fecha**: > > **Trabajo realizado**: - **Etc.** ### FASE 2: REFACTORIZACIÓN DE AGENTES - **2.1** ⏳ Aquí título > **Descripción detallada** > > **Fecha**: > > **Trabajo realizado**: - **2.2** ⏳ Aquí título > **Descripción detallada** > > **Fecha**: > > **Trabajo realizado**: - **Etc.** ### ETC. ## Leyenda de Estados - ⏳ Pendiente - 🔄 En progreso - ✅ Completado - ⚠️ Bloqueado ## Notas y Dependencias ## Seguimiento de Progreso - Total de tareas: - Tareas completadas: - Progreso: ``` Cuando termines, para a la espera de más instrucciones. ## Reiniciar chat Instrucciones iniciales: 1. lee el archivo `context/00-` para conocer tu rol en este proyecto 2. después lee `context/01-`para conocer el proyecto 3. Después lee `context/02-` y `context/03-` para entender el trabajo a realizar y en qué estado se encuentra. Cuando termines para y espera por más instrucciones. ## Tareas Ejecuta la tarea 2.1 del backlog (`context/05-`) con la mayor precisión posible y sin hacer nada que no se indique en la tarea. Además de en el backlog, puedes apoyarte en `/knowledge/agent_integration_analysis.md`, `/knowledge/task_dependencies_analysis.md`, `/knowledge/system_state_analysis.md` y `/knowledge/task_dependencies_validation.md` Requisitos: - Comentarios/mensajes dentro del código siempre en inglés. - Documentación en castellano. - Para crear carpeta y archivos usa tus herramientas de agente, no la terminal. Cuando termines: 1. En backlog ()`context/05-`), actualiza el estado de la tarea (estado, fecha y trabajo realizado) 2. Después de esto para a la espera de más instrucciones ## MCP server ```bash cd /Users/xulio/Documents/Xulio/AK/NZ\&A/2025/ai_agents/crew_ai/poc-agentes-local/MCP\ server\ client source env10/bin/activate python mcp_client_server.py ```

MCP directory API

We provide all the information about MCP servers via our MCP API.

curl -X GET 'https://glama.ai/api/mcp/v1/servers/arinspunk/claude-talk-to-figma-mcp'

If you have feedback or need assistance with the MCP directory API, please join our Discord server