docbrain

Estado del proyecto: código del cliente abierto, servidor cerrado. El código fuente de todo lo que DocBrain ejecuta en tu lado del límite de red — la CLI docbrain y el servidor MCP del IDE — está en este repositorio bajo crates/, con licencia MIT, compilado y probado en CI público — al igual que todo lo demás en este repositorio. Audita exactamente qué se ejecuta en tu entorno y qué sale de él. El servidor se distribuye como imágenes Docker de producción gratuitas (BSL 1.1 permite el uso en producción) con charts de Helm completos, configuración completa, el modelo de amenazas y toda la documentación para autoalojarlo en producción. El código fuente del servidor permanece cerrado por ahora — originalmente apuntábamos a la primera mitad de 2026 para publicarlo, no cumplimos esa fecha, y no publicaremos una nueva fecha hasta que estemos seguros de poder cumplirla. Si un servidor cerrado es un obstáculo para ti, es una posición racional y la respetamos: cómo DocBrain genera confianza. Contribuciones: PRs de código para los crates del cliente, además de documentación, configuración e informes de errores. Cuando se publique el código fuente del servidor, se publicará bajo la Business Source License 1.1.

El problema

Toda organización funciona con conocimiento que nunca se escribe: la decisión de una reunión, el arreglo que alguien encontró a las 2 de la mañana, la solución que solo una persona conoce. Vive en PRs, hilos de chat, tickets y cabezas de la gente. Cuando esa persona cambia de equipo o se va, años de contexto se van con ella.

Las herramientas que "indexan tus documentos y añaden un chatbot" resuelven la mitad equivocada del problema: recuperan tu wiki desactualizada e incompleta un poco más rápido. El conocimiento que realmente hace funcionar tu organización nunca se capturó en primer lugar. Y está empeorando ahora que la IA produce código, cambios y documentación fluida más rápido de lo que cualquier humano puede absorber — tus agentes también leen esos documentos. Más documentación es fácil. Documentación en la que tu organización pueda confiar es lo escaso.

Related MCP server: MCPDocSearch

Cómo funciona DocBrain

DocBrain captura conocimiento en la fuente, en el momento en que se crea:

  Someone merges a change      ──→  decisions, caveats, procedures extracted
  A team works through chat    ──→  the answer, distilled from the thread
  A deploy goes out            ──→  what changed and why
  On-call resolves an incident ──→  the fix and the root cause
  Any other system you run     ──→  ingested via the Connector SDK

Desde el primer día también lee hacia atrás. Apúntalo a sistemas que has estado usando durante años — canales de Slack archivados, tickets cerrados, pull requests fusionados, la wiki que nadie ha abierto desde 2022 — y los ingiere en su lugar, en modo solo lectura. Tu primera respuesta puede venir de un hilo que nadie recuerda haber escrito. Nada se migra y nadie tiene que reclasificar nada.

Los fragmentos capturados reciben una puntuación de confianza, se conectan en una sola memoria y se componen en documentación con procedencia por afirmación. Los borradores pasan por revisión humana antes de que se publique nada. Luego DocBrain mantiene el resultado honesto: seguimiento de frescura, detección de contradicciones y alertas de obsolescencia a medida que la realidad cambia. Haz una pregunta, obtén una respuesta citada — o un honesto "no lo sé" en lugar de una suposición.

Inicio rápido

git clone https://github.com/docbrain-ai/docbrain.git && cd docbrain
./scripts/setup.sh    # interactive wizard: picks provider, sets keys, starts services

O manualmente:

cp .env.example .env   # set LLM_PROVIDER and API keys
docker compose up -d

# Get the auto-generated admin API key
docker compose exec server cat /app/admin-bootstrap-key.txt

# Open the web dashboard
open http://localhost:3001

# Or ask a question via API
curl -H "Authorization: Bearer <key>" \
     -H "Content-Type: application/json" \
     -d '{"question":"How do I deploy to production?"}' \
     http://localhost:3001/api/v1/ask

Guía de configuración completa: docs/quickstart.md

Enseña a tu agente

Si tu equipo usa Claude Code o Cursor, el servidor docbrain-mcp ya le da a tu agente herramientas de captura — la mayoría de los equipos simplemente nunca le dicen al agente que las use. Tres líneas en tu CLAUDE.md convierten cada sesión de depuración en documentación:

When we resolve an error or discover non-obvious behavior, call
docbrain_suggest_capture for the files involved. If a gap exists, draft a
3–5 line capture and ask me to approve it before calling docbrain_annotate.

Tu agente arregla algo, comprueba si la organización ya lo sabe y — con tu aprobación — archiva lo que falta en la cola de revisión. El conocimiento se captura en el único momento en que es gratis: segundos después del arreglo. Guía completa, incluida la configuración de Cursor y el modelo de privacidad: docs/agents.md

Lo que obtienes

• Captura de 13 fuentes integradas — Confluence, Slack, Teams, GitHub, GitLab, Jira, PagerDuty, Linear, OpsGenie, Rootly, Zendesk, Intercom y archivos locales, además de un SDK de conectores independiente del lenguaje para cualquier otra cosa. Guía de ingesta →

• Pregunta, con citas — búsqueda híbrida vectorial + por palabras clave, respuestas con puntuación de confianza; la baja confianza hace preguntas aclaratorias en lugar de adivinar. API →

• docbrain generate — documentación bajo demanda fundamentada en tus propios runbooks, incidentes, hilos y PRs, con procedencia por afirmación y un honesto needs_input para lo que el conocimiento no puede responder. Guía de generate →

• Controles de calidad en cada documento — puntuación estructural, de estilo (tu guía de estilo, aplicada automáticamente) y semántica; nada sin puntuar entra en el sistema. Política de estilo →

• Flujos de revisión y propiedad — aprobaciones en varias etapas, propietarios de espacios, SLAs y paneles de gobernanza, para que la documentación tenga responsabilidad. Gobernanza → · Revisiones →

• Piloto automático — agrupa las preguntas sin responder en vacíos, genera borradores fundamentados y los envía a revisión humana. Nada se publica sin supervisión. Piloto automático →

• Inteligencia en vivo — lee los sistemas conectados en el momento en que preguntas y luego reconcilia eso con el historial indexado en una sola respuesta citada. Las herramientas con capacidad de escritura se descartan al descubrirlas, por lo que nunca tiene la capacidad de cambiar nada. Herramientas MCP →

• Detección de frescura y contradicciones — documentos obsoletos marcados, documentos contradictorios señalados, obsolescencia en cascada rastreada entre documentos dependientes. Inteligencia del conocimiento →

• Pipeline de aprendizaje (opcional, desactivado por defecto) — los comentarios sobre las respuestas pueden ajustar el modelo de embeddings en tu corpus, para que la recuperación aprenda qué significa "similar" en tu código. Las versiones se filtran por calidad antes de promocionarse y se revierten automáticamente si empeoran. Se ejecuta enteramente en tu infraestructura. Aprendizaje →

• Inteligencia predictiva — detección de vacíos de incorporación a partir de lo que preguntan los nuevos miembros en sus primeros 30 días, previsión estacional de consultas y revisión de documentación activada por cambios de código. Inteligencia del conocimiento →

• Réplica de ACL de los sistemas fuente — restricciones de Confluence, membresía de canales de Slack y visibilidad de repositorios aplicadas en el momento de la consulta. Control de acceso →

• RBAC, SSO, registro de auditoría — roles en 4 niveles, SSO con GitHub/GitLab/OIDC, aislamiento por espacio. RBAC →

• En todos los lugares donde trabaja tu equipo — panel web, comandos de Slack, CLI, hooks de CI y herramientas MCP para Claude Code, Cursor y cualquier editor compatible con MCP. Slack →

Arquitectura

graph TB
    subgraph "Capture Layer"
        CI["CI/CD Pipelines"]
        IDE["IDE (MCP)"]
        SLACK["Slack / Teams"]
        WEB["Web UI"]
        CLI["CLI"]
        API_EXT["External APIs"]
    end

    subgraph "DocBrain Server (Rust / Axum)"
        FRAG["Fragment Router"]
        QUAL["Quality Pipeline"]
        CLUST["Clustering Engine"]
        COMP["Composition Engine"]
        REV["Review Workflows"]
        RAG["RAG Pipeline"]
        AUTO["Autopilot"]
        GOV["Governance"]
        EVT["Event Bus + Webhooks"]
    end

    subgraph "Storage"
        PG["PostgreSQL"]
        OS["OpenSearch<br/><i>vector + keyword</i>"]
        RD["Redis"]
    end

    CI & IDE & SLACK & WEB & CLI & API_EXT --> FRAG
    FRAG --> QUAL --> CLUST --> COMP --> REV
    WEB & CLI & SLACK --> RAG
    RAG & AUTO & GOV --> PG & OS
    EVT --> PG

Servidor en Rust, PostgreSQL, OpenSearch, Redis. Diseño completo: docs/architecture.md

Seguridad

DocBrain se ejecuta enteramente en tu infraestructura, en solo lectura contra tus fuentes. Tú eliges dónde se ejecuta el modelo: completamente local con Ollama (cero salida de datos), tu propia cuenta en la nube (Bedrock, Azure, Vertex — tu KMS, tu registro de auditoría) o una API de proveedor. Los documentos, embeddings e índices nunca salen de tu red; solo la consulta y los fragmentos relevantes llegan al LLM que elegiste.

Las claves de API se cifran con Argon2, cada endpoint aplica RBAC, los límites de tasa son por clave y las acciones de administración se registran en auditoría. El código del cliente que instalas es de código abierto en crates/. El modelo de amenazas completo — 11 vectores de ataque analizados y una lista de verificación para operadores — está publicado: THREAT_MODEL.md

Proveedores de LLM (14): Anthropic, OpenAI, AWS Bedrock, Ollama, Google Gemini, Vertex AI, Azure OpenAI, DeepSeek, Groq, Mistral, xAI, OpenRouter, Together AI, Cohere. Configuración de proveedores →

Despliegue

# Docker Compose — everything behind a single origin at localhost:3001
docker compose up -d

# Kubernetes
helm install docbrain ./helm/docbrain \
  --set llm.provider=anthropic \
  --set llm.anthropicApiKey=sk-ant-...

Guía de Kubernetes → · Configuración →

Documentación

Vélo en acción

▶ El inicio rápido, grabado sin editar — instalar → ingerir → respuesta citada → generate convirtiendo notas de guardia en bruto en un runbook que cita sus fuentes. 90 segundos, imágenes publicadas, modelos 100% locales, nada preparado.

Evaluación independiente

Abrimos el asistente de IA de Atlassian, le pedimos que se comparara con DocBrain y publicamos la respuesta completa sin editar, incluido donde gana.

"La 'captura de conocimiento que nunca se escribió' de DocBrain está resolviendo un problema que fundamentalmente no puedo." — Rovo, respondiendo a una solicitud de comparación directa

Donde gana Rovo: integración nativa con Atlassian, configuración cero para equipos existentes de Atlassian Cloud, amplia ejecución de trabajo y más de 3 millones de usuarios. Transcripción completa →

Lo que aún no hemos demostrado

Un proyecto construido sobre la negativa a exagerar no debería exagerar sobre sí mismo.

• El servidor es de código cerrado. El cliente que se ejecuta dentro de tu red es MIT y auditable, en crates/. El servidor no está publicado. Apuntamos a la primera mitad de 2026, no lo logramos, y no daremos una nueva fecha hasta que estemos seguros.

• No publicamos ningún punto de referencia de precisión medido. La fundamentación se mide internamente y controla cada promoción de modelo, pero ningún número entra en este README hasta que se mida en corpus reales de clientes y podamos publicar la metodología junto con él.

• El autoalojamiento no es exclusivo de nosotros. Existen alternativas de código abierto y varias son genuinamente buenas en la recuperación, algunas con licencias más permisivas que la nuestra. Lo que no hacen es capturar lo que nunca se escribió. Júzganos por eso.

• Nuestra base de evidencia es más sólida para equipos de software. El mecanismo se generaliza en soporte, operaciones y el resto del negocio; las estadísticas publicadas no se han medido en todas partes, y no implicaremos lo contrario.

Comunidad

• GitHub Issues: Informes de errores y solicitudes de funciones

• GitHub Discussions: Preguntas y conversación comunitaria

• Correo electrónico: hello@docbrainapi.com

Contribuciones

Aceptamos contribuciones. El código fuente de las herramientas del cliente (crates/) acepta PRs de código; las contribuciones del lado del servidor se reciben mejor como documentación, configuración e informes de errores. Consulta la Guía de contribución.

Informes de seguridad

Para informar una vulnerabilidad de seguridad, consulta SECURITY.md. No abras un problema público.

Licencia

Este repositorio tiene licencia MIT — la CLI docbrain, el servidor MCP, los gráficos de Helm, la configuración, los ejemplos y la documentación.

Los binarios del servidor DocBrain y las imágenes de contenedor se distribuyen bajo la Licencia de Código Fuente Comercial 1.1. Se permite el uso en producción, excepto ofrecer DocBrain como servicio alojado. Para licencias alternativas: licensing@docbrainapi.com.

Código de conducta

Código de conducta del Pacto de Colaboradores. Informa inquietudes a hello@docbrainapi.com.