papi
OfficialPAPI
Tu IA empieza cada sesión desde cero. Tu proyecto se mantiene en curso.

Las herramientas de codificación con IA son excelentes escribiendo código y pésimas manteniendo una dirección. El alcance crece, los planes cambian y las decisiones detrás de ellos se toman en una ventana de chat y se pierden allí. PAPI mantiene el proyecto en curso. Le da a tu asistente ciclos estructurados de plan, build, review y release, además de un rastro de decisiones que registra qué se eligió, qué se descartó y por qué. Tu asistente lo escribe y lo lee mientras trabaja, así que se mantiene actualizado sin que nadie lo mantenga.
Lo conectas una vez. A partir de entonces, tu asistente empieza cada sesión sabiendo en qué ciclo estás, qué está en marcha y qué hacer a continuación.
Gratis para empezar. Todo el bucle plan → build → review → release, en hasta tres proyectos, sin tarjeta. La versión gratuita ejecuta un proyecto real de principio a fin; no es una prueba. Precios.
Qué es este repositorio. Documentación, guías de instalación y el rastreador de incidencias. El motor de PAPI es de código cerrado y está alojado: te conectas a él, no lo construyes desde aquí. El paquete
@papi-ai/serveren npm es el runtime local compatible. El contenido de este repositorio es MIT.
Inicio rápido
Deja que tu IA lo instale. Pega esto a tu asistente — Cursor, Claude Code, Windsurf, Codex, VS Code o cualquier otro cliente MCP:
Lee https://getpapi.ai/llms.txt y configura PAPI
Eso es toda la instalación. Tu asistente lee el runbook para la herramienta en la que se esté ejecutando y configura la conexión por sí mismo. (Las mismas instrucciones viven en este repositorio como llms.txt y llms-install.md si tu asistente no puede obtener URLs.)
Luego autentícate — esta parte es tuya. PAPI inicia sesión mediante OAuth, y ninguna IA puede hacer clic en una pantalla de consentimiento del navegador por ti. Tu asistente te dirá exactamente dónde hacer clic; hasta que lo hagas, el servidor se queda en Needs authentication y ninguna llamada de herramienta funcionará. Este es el paso que la gente se salta.
Una vez conectado, dile a tu asistente:
Ejecuta la herramienta
setuppara andamiar este proyecto, luego ejecutaorienty dime en qué ciclo está este proyecto.
¿Prefieres configurarlo tú mismo?
En Claude Code, el camino más corto es el plugin — dos líneas, nada que copiar o editar:
/plugin marketplace add getpapi/papi
/plugin install papi@papiEl plugin lleva la configuración del servidor, más dos habilidades: check-mcp diagnostica una conexión que no funciona, y papi-verify comprueba el estado del ciclo actual.
Cada herramienta también acepta directamente el mismo endpoint streamable-HTTP, https://mcp.getpapi.ai/mcp. En Claude Code eso es:
claude mcp add --transport http papi https://mcp.getpapi.ai/mcpDe cualquier manera, termina con /mcp → papi → Autenticar.
Los usuarios de DeepSeek Harness pueden instalar el paquete propiedad del repositorio después de crear un token de conexión de PAPI:
dsh plugin --profile web add @papi-ai/deepseek-harnessConsulta PAPI para DeepSeek Harness para el manejo de tokens, verificación, compatibilidad y eliminación.
La configuración por herramienta para Cursor, VS Code, Windsurf, Codex y cualquier cliente MCP genérico está en docs/install.md.
Related MCP server: Mono Memory MCP
Lo que obtienes
plan descompone tus objetivos en un ciclo de tareas del tamaño adecuado, cada una con una entrega de build que tu asistente puede ejecutar directamente.
build registra lo que se construyó, lo que te sorprendió y lo que se descubrió en el camino.
review y release cierran el bucle, para que cada ciclo alimente el siguiente plan.
revisiones de estrategia cada pocos ciclos dan un paso atrás y comprueban la dirección, no solo la velocidad.
Un panel en getpapi.ai muestra tus ciclos, tablero y decisiones, para que puedas ver el estado del proyecto sin preguntar.
La metodología es el producto: un bucle de plan, build, review y release que tu asistente ejecuta contigo, con memoria que se acumula. PAPI se ha construido con PAPI para cada ciclo en la insignia de arriba.

El hub se abre con una pregunta: qué pasa después. El progreso del ciclo a través de plan, build, review y release se encuentra debajo.

El tablero es la imagen completa. Tu asistente escribe en él como efecto secundario de trabajar, así que está actualizado sin que nadie lo mantenga.
En qué se diferencia de un rastreador
A diferencia de Linear, Jira, Asana o Notion, esto no fue construido para humanos y luego abierto a agentes. Esos tableros asumen que un humano escribe el ticket y un humano lo lee, en una pestaña que tu IA no puede ver. El tablero de PAPI es escrito y leído por tu asistente como efecto secundario de trabajar: comenzar un build abre la tarea, terminarlo archiva el informe, release cierra el ciclo. Tú apruebas el plan y firmas la revisión. La administración de tickets intermedia es la parte que desaparece. Gestionas el resultado, no las pulsaciones de teclas.
A diferencia de Taskmaster y otros archivos de tareas dentro del repositorio, el estado de PAPI no es un archivo que una herramienta genera una vez y luego se desvía. Está alojado y estructurado — ciclos, informes de build, veredictos de revisión y Decisiones Activas con niveles de confianza que cambian a medida que llega evidencia. La misma memoria del proyecto está disponible desde Claude Code, Cursor, VS Code o Codex, así que cambiar de herramienta no reinicia tu contexto, y los aprendizajes del último ciclo son una entrada para el próximo plan en lugar de algo que tengas que recordar mencionar.
Ninguna de esas es una crítica a las herramientas. Están resolviendo un problema diferente al que se rompe cada vez que tu asistente abre una ventana nueva.

Las Decisiones Activas son la parte para la que un rastreador de tareas no tiene campo: qué se decidió, por qué, qué se rechazó y cuándo revisarlo. La confianza se mueve a medida que llega evidencia.

Cada ciclo deja un rastro, así que el razonamiento detrás del proyecto sigue ahí meses después — incluso para el asistente que lo lee de vuelta.
Herramientas
PAPI expone estas herramientas MCP a tu asistente. Todo el bucle es un puñado de llamadas.
Bucle principal
orient — una llamada devuelve el ciclo actual, lo que está en marcha y la siguiente acción recomendada. Ejecútala al inicio de cada sesión.
setup — andamia PAPI en un proyecto nuevo.
plan — descompone objetivos en un ciclo de tareas del tamaño adecuado, cada una con una entrega de build que tu asistente puede ejecutar directamente.
build_list — lista las tareas del ciclo actual y sus entregas.
build_execute — inicia una tarea (crea una rama y una entrega) y la completa (registra el informe de build).
review_list / review_submit — muestra los builds terminados y registra veredictos de aceptar / solicitar cambios / rechazar.
release — fusiona el trabajo completado y avanza el ciclo.
Tablero y backlog
board_view — lee el tablero del proyecto y cualquier tarea.
board_edit — cambia el estado, ciclo, prioridad o notas de una tarea.
ad_hoc — registra trabajo rápido hecho fuera del ciclo para que aparezca en el historial del proyecto.
idea — captura una característica, un error o una nota de investigación en el backlog.
bug — registra un error contra el tablero.
Estrategia e inteligencia
strategy_review — da un paso atrás cada pocos ciclos para comprobar la dirección, no solo la velocidad.
strategy_change — registra una Decisión Activa, con historial de superación.
zoom_out — una retrospectiva periódica a través de muchos ciclos.
Documentos y proyectos
doc_register / doc_search — registra y encuentra documentos de referencia del proyecto.
project_list / project_switch / project_create — gestiona múltiples proyectos de PAPI.
Documentación
En este repositorio:
Doc | Qué cubre |
El runbook del agente — apunta tu IA a esto (versión en vivo: getpapi.ai/llms.txt) | |
Instrucciones de instalación por herramienta para asistentes de IA | |
Rutas de instalación para cada herramienta compatible | |
Ciclos, entregas, decisiones y cómo encajan las piezas | |
Problemas de conexión, enrutamiento de proyectos, soluciones comunes |
Documentación completa en el sitio web — sin necesidad de cuenta:
Página | Qué cubre |
De cero a tu primer plan de ciclo en menos de 5 minutos | |
El bucle completo plan → build → review → release | |
Ciclos, entregas, Decisiones Activas — el vocabulario | |
Cada comando en una página | |
Cada herramienta MCP de PAPI con parámetros y casos de uso | |
Primeros auxilios de conexión y autenticación | |
Para equipos: lectura de paneles, informes de ciclo, flujo de revisión |
Comunidad y soporte
¿Atascado o algo roto? Abre una incidencia — hay plantillas para cada caso, y la de problema de conexión es la que debes usar si PAPI no conecta o no autentica, que es donde la gente se atasca más:
Problema de conexión · Informe de error · Pregunta · Solicitud de característica
Discord es más rápido para preguntas, y las notas de versión llegan allí primero.
CONTRIBUTING.md cubre cómo es un informe útil y qué puede cambiar un PR de documentación.
¿Encontraste una vulnerabilidad? No abras una incidencia — SECURITY.md tiene el canal privado.
Dale una estrella al repositorio
Si PAPI te resulta útil, dale una estrella. Eso es todo lo que pedimos, y así es como otras personas que crean con asistentes de IA lo encuentran.
Enlaces
Sitio web y panel: getpapi.ai
Precios: getpapi.ai/pricing — plan gratuito, sin tarjeta
Lo que se lanzó en cada ciclo: getpapi.ai/changelog
Datos, acceso y lo que PAPI aún no tiene: getpapi.ai/trust
Licencia: el contenido de este repositorio (documentación, guías, ejemplos de configuración, Dockerfile) es MIT. Esa licencia cubre solo este repositorio — no el motor de PAPI, ni el nombre o el logotipo de PAPI, que son marcas comerciales.
Tool Schema Changelog
Recent tool additions, removals, and schema changes observed during successful MCP inspections. Dates show when Glama detected each change.
No tool schema history has been recorded yet.
This server cannot be installed
Maintenance
Resources
Unclaimed servers have limited discoverability.
Looking for Admin?
If you are the server author, to access and configure the admin panel.
Related MCP Connectors
The project brain for AI coding agents — memory, decisions, sprints, knowledge base via MCP.
Persistent AI memory shared across Claude, ChatGPT, coding agents, and compatible MCP clients.
Project memory for coding agents: requirements, decisions, code graph and delivery telemetry.
1Your versioned memory across every AI tool — context maps, personal memory, and tasks over MCP.
Related MCP Servers
- FlicenseNot gradedqualityNot gradedmaintenanceAn MCP server that provides persistent project context, workflow management, and knowledge capture for AI coding agents. It enables agents to maintain structured memory across sessions by tracking project profiles, conventions, skills, and technical debt.7-
- AlicenseNot gradedqualityDmaintenanceA self-hosted MCP server that provides AI assistants with a shared, persistent SQLite-backed memory for storing and retrieving project context, decisions, and discoveries. It enables cross-session continuity and team-wide knowledge sharing to keep AI coding tools aligned and informed.3MIT
- AlicenseNot gradedqualityDmaintenanceA database-backed MCP server that acts as a project memory bank, enabling AI assistants to store, retrieve, and search structured context like decisions, tasks, and architecture using SQLite and vector embeddings.Apache 2.0
- AlicenseNot gradedqualityDmaintenanceMCP server that provides persistent memory and contextual awareness to language models, enabling project onboarding, recall of architectural rules, and code consistency across sessions.32MIT
Latest Blog Posts
- Who's Calling? MCP Hosts Are an Identity Blind Spot (And the Spec Knows It)By Om-Shree-0709 on .mcpAgent IdentityOAuth 2.1
- Your AI Chatbot Just Exposed Your CEO's Salary to an InternBy Om-Shree-0709 on .Agent IdentityMCP SecurityOAuth Delegation
- Why MCP Servers Need Execution Sandboxing (And Why Your Current Stack Isn't Enough)By Om-Shree-0709 on .Agentic AiPrompt InjectionWebAssembly
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/getpapi/papi'
If you have feedback or need assistance with the MCP directory API, please join our Discord server