pluggedin-app
Plugged.in es un sistema de gestión de contenido para IA (AI-CMS) que transforma conversaciones efímeras en conocimiento organizacional persistente. Actúa como interfaz unificada para descubrir, configurar y gestionar servidores MCP, integrando herramientas de IA, workspaces, prompts y logs bajo una
Ficha actualizada 27 sept 2026, 20:11 · upstream 27 sept 2026, 20:09 · release v4.1.0
Qué es pluggedin-app
Descripción editorial construida a partir del repositorio, su documentación y sus señales de mantenimiento.
Plugged.in es la primera plataforma de gestión de contenido para IA (AI-CMS) diseñada para convertir interacciones efímeras con modelos de lenguaje en activos organizacionales persistentes, versionados y buscables. Funciona como un punto central que conecta diversos clientes de IA, herramientas de desarrollo y lenguajes de programación con una base de conocimiento propia y el ecosistema MCP.
La arquitectura se basa en Next.js 15 con React y Node.js, complementado por servicios Python para lógica de negocio. Utiliza PostgreSQL 18 con extensión pgvector para búsqueda semántica y Redis 7 para limitación de tasas y caché. Incluye un motor vectorial embebido zvec (RocksDB + HNSW) que elimina la necesidad de servicios externos como Milvus o Qdrant.
El sistema soporta despliegue auto-alojado mediante Docker con soporte multi-arquitectura (amd64/arm64), aunque requiere construcción local de imágenes debido a dependencias específicas del motor vectorial. La seguridad es prioritaria con cifrado AES-256-GCM por perfil, OAuth 2.1 y aislamiento sandboxizado en Linux.
- Centralizar conversaciones con IA (Claude, GPT-4, Gemini) como memoria organizacional persistente y versionada
- Integrar más de 1,500 servidores MCP compatibles mediante una interfaz unificada y gestión centralizada
- Gestionar documentos con búsqueda semántica embebida y recuperación de información (RAG) sin dependencias externas
- Colaboración multi-modelo donde diferentes IA contribuyen a documentos con atribución explícita por modelo
- Motor vectorial zvec embebido que elimina la necesidad de servicios externos de búsqueda semántica
- Arquitectura multi-hub con aislamiento de datos entre workspaces y hubs independientes
- Cifrado AES-256-GCM con claves aisladas por perfil para seguridad granular
- Soporte nativo para OAuth 2.1 y limitación de tasas avanzada con Redis
- Interfaz MCP unificada que previene conflictos de namespace mediante prefixing automático
- Requiere construcción local de imágenes Docker, sin soporte para imágenes pre-empaquetadas en registros genéricos
- Necesita al menos 8 GB de memoria asignada al motor Docker para evitar fallos durante la compilación de Next.js
- Complejidad HIGH en despliegue inicial debido a dependencias de compilación y migraciones de base de datos
- Actualizaciones desde PostgreSQL 16 o anterior requieren procedimientos manuales de migración de datos
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.
Para despliegue auto-alojado, use docker-compose.yml con construcción local. Configure obligatoriamente NEXTAUTH_SECRET, POSTGRES_PASSWORD y REDIS_PASSWORD en variables de entorno antes del primer arranque. Asegure Docker BuildKit y al menos 8 GB de RAM para el motor. Use infra/docker-compose.yml solo para despliegues producidos oficiales. Para actualizaciones desde versiones antiguas de PostgreSQL, considere migración manual o reinicio completo con pérdida de datos si se usa -v.
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.