six-hats: Motor Multi-Agente de Razonamiento Paralelo y Servidor MCP

Motor multi-agente de deliberación y razonamiento paralelo basado en la metodología de los Seis Sombreros para Pensar (Six Thinking Hats) de Edward de Bono, diseñado para revisión de código, diseño arquitectónico, auditoría adversarial y depuración en Antigravity IDE y terminales CLI.

1. Fundamentos metodológicos y arquitectura Agent-Native

La técnica de los Seis Sombreros descompone el razonamiento técnico en modos cognitivos independientes y especializados para eliminar sesgos, evitar bloqueos y prevenir la interferencia de ego en la toma de decisiones:

• ⚪ Sombrero Blanco: Hechos puros, extracción de AST políglota con Tree-sitter, complejidad ciclomática de McCabe, complejidad cognitiva (SonarSource), análisis de Git Churn / Hotspots (pydriller) y cobertura de pruebas.

• 🟢 Sombrero Verde: Creatividad, pensamiento lateral, alternativas paradigmáticas divergentes (Zero-Copy, reactivo, funcional monádico ROP con Result y tipado estructural PEP 544 Protocol) y propuestas de remediación para bucles de feedback.

• ⚫ Sombrero Negro: Juicio crítico, auditoría adversarial de vulnerabilidades (CWE/OWASP), detección de secretos por Entropía de Shannon (trufflehog) y generación de Invariantes de Prueba por Propiedades (hypothesis fuzzing).

• 🟡 Sombrero Amarillo: Optimismo lógico, cálculo de valor, aceleración de throughput (20 % a 40 %) y detección estática de trampas asintóticas Big-$O$ ($O(n^2)$ por pop(0), búsquedas lineales en bucles o concatenación cuadrática).

• 🔴 Sombrero Rojo: Experiencia de desarrollo (DX), ergonomía a las 3:00 AM, detección de confusión léxica de variables (rapidfuzz Levenshtein), índice de saturación visual y filtro anti-sobreingeniería Ponytail (Escalera de la Pereza y Regla de los Tres Golpes).

• 🔵 Sombrero Azul: Orquestación en Grafo Dialéctico Cíclico (langgraph), bucle de reversión ante riesgos críticos, telemetría estructurada OpenTelemetry Spans, veto de simplicidad Ponytail y parche unificado real (Unified Diff con difflib).

Filosofía Agent-Native: Sin dependencia de APIs externas

A diferencia de servidores que encapsulan llamadas fijas a modelos de nube (antipatrón LLM Sandwich), six-hats está diseñado como un sustrato analítico determinista:

1. Cero configuración de claves: No requiere GEMINI_API_KEY ni configuraciones de facturación de terceros.

2. Tu modelo favorito al mando: La inteligencia la aporta el modelo anfitrión con el que interactúas en tu entorno (Antigravity, Claude Desktop, Cursor, Ollama o ChatGPT).

3. Prompts MCP Oficiales: Expone primitivas nativas de Prompts de MCP (@app.prompt()) y directrices cognitivas estructuradas (agent_guidance) para que la IA anfitriona ejerza los roles de De Bono con la máxima precisión matemática y contextual.

Related MCP server: compare-mcp

2. Arquitectura del sistema y flujo en DAG

                    ┌─────────────────────────┐
                    │  Sombrero Azul (Leader) │
                    │    Orquestador / DAG    │
                    └────────────┬────────────┘
                                 │
      ┌───────────────────────────┼───────────────────────────┐
      ▼                           ▼                           ▼
 ┌──────────────┐          ┌──────────────┐          ┌──────────────┐
 │   Blanco     │          │    Verde     │          │     Rojo     │
 │ Contexto/AST │          │  Ideación/   │          │  DX/Legibi-  │
 │  y Métricas  │          │ Alternativas │          │    lidad     │
 └──────┬───────┘          └──────┬───────┘          └──────┬───────┘
        │                         │                         │
        └─────────────────────────┼─────────────────────────┘
                                  │
                  ┌───────────────┴───────────────┐
                  ▼                               ▼
           ┌──────────────┐                ┌──────────────┐
           │   Amarillo   │                │    Negro     │
           │ Viabilidad y │                │ Vulnerabili- │
           │  Rendimiento │                │ dades / Bugs │
           └──────────────┘                └──────────────┘

1. Entrada: Archivo de código fuente (Python, TypeScript, Go o Rust), diff unificado de Git o requerimiento de arquitectura.

2. Fase 1 (Datos fehacientes): El Sombrero Blanco extrae el árbol sintáctico con tree-sitter o ast, calculando complejidad ciclomática, cognitiva, índice de mantenibilidad y dependencias.

3. Fase 2 (Exploración creativa): El Sombrero Verde concibe alternativas paradigmáticas (funcional inmutable, reactivo basado en eventos o estructuras zero-copy).

4. Fase 3 (Crítica paralela concurrente):

   • El Sombrero Negro audita riesgos de inyección, credenciales expuestas, recursión y denegación de servicio.

   • El Sombrero Amarillo proyecta ganancias de throughput y modernización idiomática.

   • El Sombrero Rojo evalúa la fatiga cognitiva y aplica las reglas Ponytail contra la sobreingeniería (cálculo de bloat score y líneas redundantes).

5. Fase 4 (Síntesis y consenso): El Sombrero Azul resuelve contradicciones, aplica el veto Ponytail si el bloat score supera el umbral, genera el dictamen ejecutivo y sintetiza el parche de código unificado.

3. Instalación y configuración

Instalación local con uv

# Crear entorno virtual e instalar en modo editable con herramientas de desarrollo
uv venv --python 3.13
source .venv/bin/activate
uv pip install -e ".[dev]"

Ejecución de la suite de pruebas

.venv/bin/pytest tests/ -v

4. Soporte políglota universal con Tree-sitter

El analizador sintáctico del Sombrero Blanco detecta automáticamente el lenguaje según la extensión y el contenido:

5. Uso de la interfaz de línea de comandos (CLI)

El comando six-hats (o su alias hats) ofrece herramientas enriquecidas con tablas de terminal, paneles coloreados y modos de integración continua:

Revisión completa de un archivo

six-hats review ruta/al/archivo.py
six-hats review backend/handler.go
six-hats review frontend/App.tsx

Revisión del git diff activo del repositorio

six-hats review --git-diff

Auditoría de sobreingeniería Ponytail (Escalera de la Pereza)

Audita un archivo para detectar código redundante, fábricas innecesarias, envoltorios vacíos y violaciones del principio YAGNI:

six-hats ponytail ruta/al/archivo.py
six-hats ponytail ruta/al/archivo.py --json

Debate dialéctico sobre una propuesta arquitectónica

six-hats debate "Migrar el pipeline de ingesta a Kafka distribuido"

Iniciar el servidor MCP en modo STDIO

six-hats mcp

6. Integración en CI/CD y compuertas de calidad

six-hats está preparado para integrarse en flujos de trabajo de GitHub Actions, GitLab CI o pre-commit hooks:

Salida estructurada JSON

six-hats review src/main.py --json

Exportación a estándar OASIS SARIF v2.1.0

Genera informes SARIF compatibles con GitHub Code Scanning, GitLab SAST y Azure DevOps:

six-hats review src/main.py --sarif report.sarif

Compuertas de calidad con --fail-on

Detiene la ejecución del pipeline con código de retorno 1 si se identifican riesgos de severidad igual o superior a la indicada:

# Falla si hay vulnerabilidades críticas de seguridad o fallos estructurales
six-hats review src/main.py --fail-on critical

# Falla si hay riesgos altos (complejidad ciclomática excesiva, race conditions, inyecciones)
six-hats review src/main.py --fail-on high

# Falla si el código presenta sobreingeniería severa según Ponytail
six-hats review src/main.py --fail-on bloat

Configuración con pre-commit

Agrega el gancho a tu .pre-commit-config.yaml:

repos:
  - repo: local
    hooks:
      - id: six-hats-review
        name: Six Hats Code Review
        entry: six-hats review --fail-on high
        language: system
        files: \.(py|ts|tsx|js|jsx|go|rs)$
      - id: six-hats-ponytail
        name: Six Hats Ponytail Bloat Auditor
        entry: six-hats ponytail
        language: system
        files: \.(py|ts|tsx|js|jsx|go|rs)$

7. Integración con Antigravity IDE y clientes MCP

En ~/.gemini/config/mcp_config.json:

{
  "mcpServers": {
    "six-hats": {
      "command": "/home/pablo/Escritorio/SIX HATS/.venv/bin/six-hats",
      "args": ["mcp"],
      "env": {
        "PYTHONIOENCODING": "utf-8",
        "PYTHONPATH": "/home/pablo/Escritorio/SIX HATS/src"
      }
    }
  }
}

Herramientas MCP expuestas

• six_hats_review: Ejecuta el ciclo completo del DAG sobre un diff o archivo políglota, retornando telemetría de AST, propuestas del Sombrero Verde, auditoría del Sombrero Negro, beneficios del Sombrero Amarillo, evaluación DX/Ponytail del Sombrero Rojo y veredicto con parche unificado y directrices (agent_guidance) para la IA anfitriona.

• six_hats_debate: Lanza una confrontación dialéctica entre el Sombrero Negro y el Sombrero Verde moderada por el Sombrero Azul sobre una propuesta técnica.

• six_hats_quick_check: Análisis expedito sobre la tríada crítica: Blanco (Hechos), Negro (Riesgos) y Amarillo (Valor).

• six_hats_ponytail_audit: Auditoría estricta contra la Escalera de la Pereza de Ponytail para detectar sobreingeniería y código superfluo.

Prompts MCP Oficiales expuestos

El servidor implementa primitivas nativas de Prompts de MCP (@app.prompt()), disponibles en cualquier cliente compatible:

1. six_hats_deliberation: Protocolo maestro de deliberación secuencial y paralela con los Seis Sombreros.

2. hat_green_creative: Protocolo para pensamiento lateral, inversión de supuestos y alternativas paradigmáticas.

3. hat_black_adversarial: Protocolo para auditoría destructiva, análisis de límites y vector de ataque.

4. hat_blue_synthesis: Protocolo de mediación dialéctica, veto Ponytail y síntesis de parche unificado.

5. six_hats_debate: Debate dialéctico formal entre Sombrero Negro y Verde moderado por Sombrero Azul.

8. Subagentes para Antigravity y Entornos de Desarrollo

El directorio subagents/ contiene las especificaciones formales de roles listas para ser instanciadas como subagentes autónomos:

• subagents/green_hat.md: Especialista en pensamiento lateral e innovación.

• subagents/black_hat.md: Auditor adversarial de seguridad y resiliencia.

• subagents/red_hat.md: Auditor de ergonomía a las 3:00 AM y veto Ponytail.

• subagents/blue_hat.md: Especialista en mediación de compromisos y generador de parches.

• subagents/orchestrator.md: Coordinador de la sesión multi-agente en DAG.

9. Ecosistema Multi-Plataforma: Claude Code, CLI, Multi-Agente, Hermes y Codex

six-hats está diseñado para integrarse de forma universal con cualquier asistente de desarrollo, CLI o arquitectura multi-agente:

A. Claude Code (CLI de Anthropic)

Claude Code detecta y utiliza automáticamente six-hats mediante el manifiesto .mcp.json en la raíz o mediante el comando oficial:

claude mcp add six-hats uvx --from git+https://github.com/elpabloultron/six-hats.git six-hats mcp

El archivo CLAUDE.md incluido en el repositorio instruye automáticamente al agente Claude para que aplique el protocolo de los 6 Sombreros e invoque las herramientas analíticas.

B. Autoconfiguración mediante el CLI de Six Hats

Puedes registrar automáticamente el servidor MCP en tus clientes locales favoritos:

# Instalar en Claude Code, Cursor y VS Code a nivel de proyecto:
six-hats plugin install all --scope project

# O configurar individualmente en tu entorno global:
six-hats plugin install claude --scope global
six-hats plugin install cursor --scope global
six-hats plugin install vscode --scope global

C. Exportación Dinámica de Esquemas (Function Calling)

Genera esquemas de herramientas sincronizados para cualquier framework o API:

# Formato OpenAI / Codex / Assistants API:
six-hats export-tools --format openai --output tools_openai.json

# Formato Anthropic Claude:
six-hats export-tools --format claude --output tools_claude.json

# Formato Nous Hermes (ChatML):
six-hats export-tools --format hermes --output tools_hermes.json
six-hats export-tools --format hermes-chatml

D. Modelos Nous Hermes y LLMs Locales (vLLM / Ollama / LM Studio)

El directorio integrations/hermes/ proporciona:

• hermes_tools.json: Esquema completo de herramientas.

• system_prompt.txt: System prompt con bloques <tools> y directrices de De Bono.

• hermes_runner_example.py: Ejemplo ejecutable en Python.

E. OpenAI Codex y Frameworks Multi-Agente (LangGraph / CrewAI / AutoGen)

El directorio integrations/ incluye plantillas listas para producción:

• integrations/openai_codex/agent_runner_example.py: Invocación nativa con OpenAI Function Calling.

• integrations/multi_agent/langgraph_six_hats.py: Nodo de deliberación y compuerta de aprobación para grafos multi-agente.

• integrations/multi_agent/README.md: Guía detallada de integración arquitectónica.