Sibyl
Sibyl
Agente de investigación profunda impulsado por IA. Haz cualquier pregunta: Sibyl busca en la web a través de múltiples fuentes, lee docenas de páginas, contrasta los hallazgos y genera un informe de investigación con calidad ejecutiva que incluye análisis, predicciones y citas.
No es solo otro resumidor de búsquedas. Sibyl es una plataforma de análisis de investigación: realiza comparaciones estructuradas, análisis DAFO, seguimiento de Google Trends, cronologías de eventos y visualización de datos financieros. Todo a partir de una sola pregunta.
Qué hace diferente a Sibyl
Búsqueda tradicional | ChatGPT/Perplexity | GPT Researcher | Sibyl | |
Búsqueda web + resumen | Sí | Sí | Sí | Sí |
Multifuente (noticias, Reddit, Wikipedia) | No | Parcial | Parcial | Sí (4 motores) |
Descomposición de subpreguntas | No | No | Sí | Sí |
Relleno de brechas iterativo (buscar → analizar → identificar brechas → buscar de nuevo) | No | No | Parcial | Sí |
Análisis multifuente (sentimiento, consenso, desacuerdos) | No | No | No | Sí |
Tablas de comparación estructuradas | No | No | No | Sí |
Análisis DAFO | No | No | No | Sí |
Datos de Google Trends | No | No | No | Sí |
Cronologías de eventos | No | No | No | Sí |
Datos financieros + gráficos | No | No | No | Sí |
Servidor MCP (Claude Code, Cursor) | No | No | No | Sí |
Multi-LLM (DeepSeek, Gemini, GLM, OpenAI) | No | No | Limitado | Sí (detección automática) |
Informes PDF con gráficos incrustados | No | No | Básico | Sí |
Inicio rápido
Servidor MCP (para Claude Code / Cursor)
pip install sibyl-research
claude mcp add sibyl -e DEEPSEEK_API_KEY=sk-... -- sibyl-mcpLuego en Claude Code:
"Investiga el impacto de la IA en los empleos de ingeniería de software durante los próximos 5 años"
"Compara NVIDIA vs AMD vs Intel para cargas de trabajo de IA"
"Análisis DAFO de Tesla en 2026"
CLI
pip install sibyl-research
export DEEPSEEK_API_KEY=sk-... # or OPENAI_API_KEY, GEMINI_API_KEY, etc.
# Standard research
sibyl "Canadian housing market outlook 2026"
# Deep research with predictions + market data + PDF
sibyl "Will NVIDIA maintain AI chip dominance?" -d 3 --symbols NVDA,AMD,INTC --pdf
# Chinese output
sibyl "加拿大移民政策变化" -l zh --pdf -o reports/Cómo funciona
You ask a question
│
├─ Step 1: Decompose into 3-5 focused sub-questions
├─ Step 2: Generate 15-20 diverse search queries
├─ Step 3: Search across 4 engines (DuckDuckGo, Google News, Reddit, Wikipedia)
├─ Step 4: Scrape 15-20 sources (realistic browser headers, retry, Google Cache fallback)
├─ Step 5: Filter sources by relevance (LLM-scored)
├─ Step 6: Analyze each sub-question independently
├─ Step 7: Identify knowledge gaps → auto-search for missing info
├─ Step 8: Cross-reference sources (sentiment, consensus, disagreements)
├─ Step 9: Section-by-section synthesis (Summary, Findings, Analysis, Predictions)
├─ Step 10: Review and refine draft
└─ Output: PDF/Markdown report with Table of Contents, citations, chartsHerramientas de investigación (11 herramientas MCP)
Investigación central
Herramienta | Qué hace |
| Ciclo completo de investigación: buscar → extraer → analizar → informar. Profundidad 1-3. |
| Búsqueda web rápida, devuelve resultados sin procesar |
| Extrae texto limpio de cualquier URL |
| Analiza el texto proporcionado con LLM |
Herramientas de análisis (exclusivas de Sibyl)
Herramienta | Qué hace |
| Tabla de comparación estructurada lado a lado con métricas y recomendaciones |
| Fortalezas / Debilidades / Oportunidades / Amenazas con evidencia |
| Datos reales de Google Trends: nivel de interés, dirección, búsquedas en aumento |
| Tabla cronológica de eventos con fechas y evaluación de impacto |
Datos financieros
Herramienta | Qué hace |
| Precios reales de acciones/ETF, tendencias, medias móviles, rango de 52 semanas |
| Genera gráficos de tendencia de precios (PNG) |
Salida
Herramienta | Qué hace |
| Guardar como PDF (con gráficos incrustados) y/o Markdown |
Profundidad de investigación
Profundidad | Qué sucede | Llamadas LLM | Tiempo |
1 (rápida) | 2-3 consultas de búsqueda, síntesis básica | ~3 | 20-30s |
2 (estándar) | Descomposición de subpreguntas, análisis por pregunta, referencias cruzadas, revisión | ~10 | 60-90s |
3 (profunda) | + Relleno de brechas de conocimiento, predicciones con caso alcista/bajista/base, calificación de confianza | ~13 | 90-120s |
Soporte multiproveedor
Sibyl funciona con cualquier LLM. Detecta automáticamente desde variables de entorno:
Proveedor | Variable de entorno | Modelo |
DeepSeek |
|
|
OpenAI |
|
|
Anthropic |
|
|
Gemini |
|
|
GLM (ZhipuAI) |
|
|
O configura múltiples proveedores con roles:
# sibyl.yaml
providers:
- model: deepseek/deepseek-chat
api_key: sk-xxx
role: analysis
- model: gemini/gemini-2.5-flash
api_key: xxx
role: fast
- model: openai/glm-4-flash
api_key: xxx
api_base: https://open.bigmodel.cn/api/paas/v4
role: chineseInformes de ejemplo
Informes generados por Sibyl sobre temas reales:
Perspectivas de las tasas de interés de la Reserva Federal 2026-2027 — 5 páginas, 12 hallazgos, 6 fuentes, análisis del debate "tasas altas por más tiempo" vs "flexibilización constante"
Impacto de los aranceles de Trump en el comercio 2026 — 5 páginas, 10 hallazgos, 4 fuentes, comparación histórica con Smoot-Hawley, efectos de segundo orden en el desplazamiento laboral por IA
Panorama de la industria de la IA 2026 — Tamaño del mercado ($538 mil millones), tendencias de inversión ($2.9 billones en infraestructura), perspectivas regulatorias, con gráficos de acciones de NVDA/GOOGL/META
Requisitos
Python 3.10+
Al menos una clave de API de LLM
No se necesitan otras claves de API (todos los motores de búsqueda son gratuitos)
Licencia
MIT
Latest Blog Posts
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/chriswu727/sibyl'
If you have feedback or need assistance with the MCP directory API, please join our Discord server