Ctrl K
ComunidadGuías…
GITHUB · ANALIZADO

auto-game-builder

Sistema auto-hospedado para gestión de proyectos de juegos indie. Integra IA multi-agente, generación de assets y despliegue automático a tiendas digitales. Soporta Flutter, Godot, Unity y Python.

Ficha actualizada 24 sept 2026, 22:16 · upstream 24 sept 2026, 22:07 · release sin release detectada

Ver códigoProblemas y ayudaRepositorio ↗
00

Qué es auto-game-builder

Descripción editorial construida a partir del repositorio, su documentación y sus señales de mantenimiento.

Auto Game Builder es una plataforma auto-hospedada diseñada para desarrolladores independientes que buscan automatizar el ciclo de vida del desarrollo de videojuegos. Utiliza un backend en Python con FastAPI y bases de datos SQLite para gestionar builds, despliegues y tareas de mantenimiento. La arquitectura incluye un proxy Cloudflare Worker para acceso remoto seguro y una aplicación móvil Flutter para la gestión desde cualquier lugar.

El sistema destaca por su integración con modelos de IA locales (Ollama) y servicios en la nube como Claude Code o Gemini CLI para corrección automática de bugs, generación de código y revisión de diseño. Incluye herramientas nativas para auditoría de GDD, detección de deuda técnica y gestión de activos mediante MCP servers conectados a generadores externos como PixelLab o Meshy AI.

Las capacidades de despliegue permiten crear paquetes AAB, APK, EXE e IPA directamente desde el servidor local, con soporte para subida automática a Google Play Console. La seguridad se basa en autenticación por API Key y túneles firmados HMAC, evitando la exposición directa del backend al internet público.

CASOS DE USO
  • Gestión automatizada de builds y despliegues multiplataforma (Android, iOS, Web).
  • Corrección automática de bugs y refactoring mediante agentes de IA locales o remotos.
  • Auditoría continua de GDD, código y activos para detectar inconsistencias técnicas.
  • Generación de assets 3D y audio integrados vía MCP servers externos.
  • Gestión de tareas de desarrollo con priorización y seguimiento en dashboard móvil.
  • Automatización de flujos de trabajo de producción indie sin intervención manual constante.
PUNTOS DESTACADOS
  • Soporte nativo para múltiples motores (Flutter, Godot, Unity, Phaser, React Native).
  • Integración directa con MCP servers para generación de assets externos (PixelLab, Meshy).
  • Sistema de seguridad robusto con autenticación HMAC y túneles Cloudflare firmados.
  • Capacidad de despliegue automático a Google Play Console con gestión de tracks.
  • Agentes de IA configurables para corrección local o remota sin intervención humana.
  • Base de conocimiento integrada en el servidor para prompts especializados por tarea.
PRECAUCIONES
  • Requiere infraestructura propia (PC dev) expuesta al internet vía túnel Cloudflare.
  • Depende de claves API externas para generación de assets (PixelLab, ElevenLabs).
  • No incluye Docker ni Compose, requiriendo gestión manual de dependencias Python.
  • Los builds de Unity requieren configuración manual adicional según documentación externa.
  • La IA local depende del modelo Ollama instalado y recursos de hardware disponibles.
01

Perfil de infraestructura

Estimación inicial derivada del repositorio y de los servicios detectados.

CPU4 vCPUrecomendación inicial
MEMORIA8 GBRAM estimada
DISCO10 GBalmacenamiento base
COMPLEJIDADmediumnivel de operación
02

Despliegue detectado

Qué señales reales de instalación hemos encontrado.

Despliegue manual

Instalar Python 3.10+, ejecutar setup_wizard.py para configurar API Keys y túnel Cloudflare. Requiere 4 núcleos CPU, 8GB RAM y 10GB disco mínimo. No usar Docker. Configurar MCP servers en server/config/mcp_servers.json. Asegurar acceso HTTPS vía Cloudflare Worker.

—Dockerfile
—Compose
—One-click
03

Stack y dependencias

Componentes inferidos a partir de manifests, configuración y documentación.

FRAMEWORKS
Next.jsReactNode.jsFastAPIPython
SERVICIOS
No detectados
BASES DE DATOS
No detectadas
PUERTOS
No detectados
05

Puede sustituir a

Relaciones detectadas por el análisis del repositorio y su categoría.

06

Experiencia real de la comunidad

Ayuda a contrastar la estimación automática con instalaciones reales.

Todavía no hay datos comunitarios para este proyecto.