palaia
Hub auto-alojado para compartir memoria y herramientas entre asistentes de IA mediante el protocolo MCP. Gestiona datos locales en Markdown y soporta despliegue en servidores propios, NAS o Raspberry Pi bajo licencia MIT.
Ficha actualizada 25 sept 2026, 15:02 · upstream 25 sept 2026, 14:41 · release v2.8.0
Qué es palaia
Descripción editorial construida a partir del repositorio, su documentación y sus señales de mantenimiento.
Palaia actúa como un centro neurálgico local donde múltiples herramientas de inteligencia artificial (como Claude, ChatGPT o Gemini) se conectan una sola vez para acceder a una memoria compartida y un conjunto común de herramientas. Al utilizar el protocolo MCP (Model Context Protocol), los agentes pueden delegar tareas entre sí y compartir contexto sin necesidad de reconfiguraciones repetitivas en cada aplicación. Los datos residuales permanecen en archivos Markdown planos almacenados en el hardware que controlas, garantizando la soberanía de la información y evitando que salga de tu infraestructura sin autorización explícita.
La arquitectura se basa en Python con FastAPI como backend principal y utiliza PostgreSQL para la persistencia de datos estructurados. El proyecto está diseñado para funcionar en entornos diversos, desde un Raspberry Pi hasta servidores empresariales o nubes privadas, ofreciendo una instalación sencilla mediante contenedores Docker sin necesidad de configuraciones complejas adicionales. Actualmente se encuentra en fase de pre-lanzamiento (v3 RC), por lo que es recomendable mantener copias de seguridad y estar atento a las actualizaciones de seguridad antes de su estabilización definitiva.
Su filosofía de diseño busca replicar la experiencia de ecosistemas como Home Assistant pero para el ámbito de la inteligencia artificial, permitiendo una gestión centralizada de agentes locales o remotos. La interfaz web accesible en el puerto 8420 facilita la configuración inicial y el monitoreo del estado de los conectores, ofreciendo un panel de control intuitivo para gestionar las conexiones de los clientes compatibles con MCP.
- Centralizar la memoria de múltiples asistentes de IA locales y remotos en un repositorio común de archivos Markdown.
- Delegar tareas complejas entre diferentes agentes conectados mediante el protocolo MCP sin duplicación de contexto.
- Implementar una solución de IA auto-alojada que respeta la privacidad al mantener los datos en hardware propio (NAS, servidor local).
- Unificar la configuración de herramientas de IA para evitar repetir credenciales o ajustes en cada aplicación individual.
- Crear un entorno de desarrollo colaborativo donde agentes locales pueden consultar el estado de trabajos en ejecución en servidores remotos.
- Soporte nativo para el protocolo MCP, permitiendo la conexión estandarizada con clientes como Claude Code, ChatGPT y Gemini CLI.
- Arquitectura basada en contenedores Docker ligera que soporta despliegue en hardware de bajo consumo como Raspberry Pi o servidores NAS.
- Gestión de datos mediante archivos Markdown planos, facilitando la inspección manual, el backup estándar y la interoperabilidad con editores como Obsidian.
- Backend desarrollado en Python con FastAPI y persistencia en PostgreSQL, garantizando una estructura robusta y mantenible.
- Configuración segura por defecto mediante contenedores Docker con flags de seguridad (drop-all capabilities, read-only root filesystem).
- La versión actual es un Release Candidate (v3 RC), por lo que no ha sido sometida a una revisión de seguridad externa completa.
- No incluye Dockerfile nativo en el repositorio raíz, requiriendo el uso de imágenes precompiladas desde ghcr.io para la instalación estándar.
- La interfaz web y las herramientas dependen del puerto 8420, lo que puede requerir configuración de firewall específica en redes corporativas o domésticas estrictas.
- El despliegue en entornos como Umbrel o CasaOS requiere paquetes externos no oficiales hasta su integración en los catálogos principales.
Perfil de infraestructura
Estimación inicial derivada del repositorio y de los servicios detectados.
Despliegue detectado
Qué señales reales de instalación hemos encontrado.
Requiere Docker instalado previamente. Se recomienda usar la imagen ghcr.io/byte5ai/palaia-hub:beta para v3 RC, cambiando a :stable tras el lanzamiento final. El puerto 8420 debe estar abierto en el firewall local o de red. Para despliegues en servidores cloud (AWS, Hetzner), utilizar los scripts de cloud-init.yaml proporcionados para automatizar la instalación y mantener el servicio fuera del internet público si es necesario. Se sugiere configurar variables de entorno para definir la red de acceso y asegurar que las copias de seguridad de los volúmenes /data se realicen periódicamente.
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.