OpenStudy
OpenStudy es un panel de estudio auto-hospedable que centraliza cursos, horarios y tareas, integrando un servidor MCP para potenciar suscripciones de IA como Claude o ChatGPT al permitirles acceder a tus archivos académicos sin subirlos.
Ficha actualizada 25 sept 2026, 18:03 · upstream 25 sept 2026, 17:58 · release v0.7.0
Qué es OpenStudy
Descripción editorial construida a partir del repositorio, su documentación y sus señales de mantenimiento.
OpenStudy es una aplicación web auto-hospedable diseñada para gestionar el progreso académico en un único lugar. Centraliza información sobre cursos, horarios, apuntes, entregas y tareas, permitiendo visualizar el estado de cada asignatura y detectar qué temas requieren atención antes de las próximas clases.
La arquitectura se basa en Next.js 19 para el frontend, FastAPI con Python para el backend y PostgreSQL como base de datos. Incluye un servidor MCP (Model Context Protocol) nativo que expone 44 herramientas, permitiendo a modelos de IA externos interactuar directamente con la base de datos y los archivos del usuario sin necesidad de subir documentos al chat.
El sistema soporta despliegue multi-tenant mediante políticas de aislamiento de datos en el servicio y esquema. Ofrece cinco temas visuales personalizables (Classic, Zine, Library, Swiss, Terminal) que afectan a toda la interfaz, tipografía y sidebar, no solo paletas de color.
- Gestión centralizada de cursos: importar sílabos, horarios y material desde LMS como Moodle mediante scripts o subida manual.
- Seguimiento de tareas y entregas: visualizar deadlines, asignaturas con retraso y priorizar trabajo pendiente antes de exámenes.
- Estudio asistido por IA: usar Claude.ai o ChatGPT para consultar apuntes PDF almacenados localmente sin exponer archivos a servidores externos.
- Automatización de notas de clase: registrar asistencia, temas tratados y progreso mediante comandos MCP desde la app móvil.
- Renderizado visual de documentos: convertir páginas de PDF en imágenes PNG para que modelos de visión puedan leer el contenido original.
- Personalización de interfaz: cambiar entre cinco temas completos (incluyendo tipografía) según preferencia estética o contexto de uso.
- Servidor MCP nativo con 44 herramientas disponibles para integración directa con modelos de IA externos.
- Arquitectura multi-tenant con aislamiento de datos mediante claves foráneas compuestas y políticas RLS en PostgreSQL.
- Soporte para despliegue auto-hospedado completo con Docker Compose, reduciendo costes de infraestructura.
- Sistema de temas completos que rediseñan tipografía, sidebar y layout, no solo colores superficiales.
- Integración OAuth 2.1 para acceso seguro desde claude.ai, Claude Code y app móvil iOS.
- Gestión de archivos local: los PDFs se almacenan en buckets internos y nunca se envían a servidores de IA externos.
- Requiere Docker Compose v2.30+ y Node.js 20+ para construir el frontend, lo que limita entornos sin estas dependencias.
- El acceso externo desde claude.ai o iOS necesita un hostname público apuntando al servidor; localhost solo funciona en Claude Code.
- Versión actual v0.7.0 puede contener bugs no documentados en una rama de desarrollo activa.
- La primera configuración requiere ~15 minutos para generar secretos, migrar base de datos y validar la salud del stack.
- Dependencia de Python 3.x para el backend FastAPI, lo que exige mantener un entorno compatible con las librerías instaladas.
Capturas del proyecto
Imágenes reales detectadas en la documentación del repositorio.
Perfil de infraestructura
Estimación inicial derivada del repositorio y de los servicios detectados.
Despliegue detectado
Qué señales reales de instalación hemos encontrado.
Despliega usando Docker Compose con ./deploy.sh. Asegúrate de generar APP_PASSWORD_HASH con argon2id y SESSION_SECRET antes de iniciar. Usa .env para secrets de aplicación y .env.docker para credenciales de Postgres. El frontend se construye una vez con pnpm y se sirve vía Caddy en producción. Para acceso externo desde IA, configura un hostname público apuntando al puerto 8000 o 5173 según el entorno.
Stack y dependencias
Componentes inferidos a partir de manifests, configuración y documentación.
Puede sustituir a
Relaciones detectadas por el análisis del repositorio y su categoría.
Experiencia real de la comunidad
Ayuda a contrastar la estimación automática con instalaciones reales.
Todavía no hay datos comunitarios para este proyecto.