devcontainer-mcp: Dale a los agentes de IA su propio entorno de desarrollo, no el tuyo

devcontainer-mcp es un servidor MCP que permite a los agentes de codificación de IA (Copilot, Claude, Cursor, cualquier cliente MCP) crear, gestionar y trabajar dentro de contenedores de desarrollo en tres backends: Docker local, DevPod y GitHub Codespaces. El agente construye, prueba y envía código en un contenedor aislado, manteniendo tu portátil limpio.
El Problema
Cuando los agentes de IA escriben código, lo ejecutan en tu máquina anfitriona, causando:
- Contaminación del anfitrión — los agentes instalan paquetes, modifican el PATH, dejan artefactos de compilación
- "Funciona en mi máquina" — los agentes asumen que tu conjunto de herramientas local coincide con la producción
- Sin aislamiento — las dependencias de un proyecto rompen otro
- Riesgo de seguridad — los agentes ejecutan comandos arbitrarios con tus privilegios de usuario
- Limitaciones de hardware — estás limitado a los recursos de tu máquina local
La Solución
La especificación devcontainer ya define entornos de desarrollo reproducibles basados en contenedores. devcontainer-mcp expone 45 herramientas MCP (en backends de autenticación, CLI devcontainer, DevPod y Codespaces) que permiten a cualquier agente de IA:
- Iniciar un contenedor de desarrollo desde cualquier repositorio — localmente, en una VM en la nube o en Codespaces
- Ejecutar comandos dentro del contenedor — compilaciones, pruebas, linting, cualquier cosa
- Gestionar el ciclo de vida — detener, reiniciar, eliminar cuando haya terminado
- Autenticarse contra proveedores de nube (GitHub, AWS, Azure, GCP) sin ver nunca un token sin procesar
Instalación Rápida
Linux / macOS:
curl -fsSL https://raw.githubusercontent.com/aniongithub/devcontainer-mcp/main/install.sh | bashWindows (a través de WSL):
Invoke-RestMethod https://github.com/aniongithub/devcontainer-mcp/releases/latest/download/install.ps1 | Invoke-ExpressionEl binario se ejecuta dentro de WSL; los clientes MCP en Windows lo inician mediante wsl ~/.local/bin/devcontainer-mcp serve. Se requiere WSL 2.
Los CLI de backend (devpod, devcontainer, gh) se detectan en tiempo de ejecución — si falta uno, el servidor MCP devuelve un error útil con instrucciones de instalación. Binarios disponibles para linux-x64, linux-arm64, darwin-x64, darwin-arm64.
Tres Backends, Una Interfaz
| Backend | Mejor para | Requiere | ¿Autenticación necesaria? |
|---|---|---|---|
| CLI devcontainer | Docker local — rápido y simple | @devcontainers/cli + Docker | No |
| DevPod | Multi-nube: Docker, K8s, AWS, Azure, GCP | CLI DevPod | Opcional |
| Codespaces | Entornos en la nube alojados en GitHub | CLI gh | Sí |
Broker de Autenticación
El agente nunca ve tokens sin procesar. En su lugar:
auth_status(provider)— lista las cuentas y ámbitos disponiblesauth_login(provider, scopes?)— inicia sesión, abre el navegador, maneja códigos de dispositivoauth_select(id)— cambia la cuenta activaauth_logout(id)— revoca credenciales
Proveedores compatibles: GitHub, AWS, Azure, GCP, Kubernetes. Las herramientas de Codespaces requieren un identificador de autenticación (ej. github-aniongithub); el servidor MCP lo resuelve al token real en cada llamada a través del llavero nativo del CLI.
Flujo de Trabajo de Ejemplo
Agente: "Déjame construir este proyecto..."
auth_status("github")→ selecciona cuentacodespaces_create(auth: "github-you", repo: "your/repo")codespaces_ssh(auth: "github-you", codespace: "...", command: "cargo build")- ✅ Construido en la nube. Tu portátil no hizo nada.
📖 Lee el código fuente completo: HN AI Agents
👀 Ver también

T9OS: Un Sistema de Orquestación de IA Construido Completamente con Código Claude
Un estudiante de economía construyó T9OS, una capa completa de orquestación de IA utilizando Claude Code como única herramienta de programación. El sistema incluye 18 pipelines de producción, un motor de ciclo de vida de 12 estados y 7 'Guardianes' de IA que revisan cada salida.

PACT 0.4.0 añade inteligencia compuesta para agentes de codificación con IA.
PACT (Programmatic Agent Constraint Toolkit) versión 0.4.0 introduce funciones de inteligencia compuesta que ayudan a los agentes de codificación con IA a retener conocimiento entre sesiones. La actualización incluye síntesis de investigación, un directorio de conocimiento y sistemas de autoconciencia de capacidades.

Resultados de PinchBench: Primer Benchmark Específico de Agentes de IA de Codificación OpenClaw
El primer benchmark específico de OpenClaw, PinchBench, clasifica 32 modelos de IA según la tasa de éxito, el costo y la velocidad, con el Gemini-3-Flash-Preview de Google liderando con un 95,1% de éxito por $0,72.

Sentido: SDK de Go para aserciones de prueba impulsadas por LLM y extracción de texto estructurado
Sense es un SDK de Go que utiliza Claude para dos funciones principales: evaluar resultados no deterministas en pruebas con aserciones en lenguaje natural, y extraer estructuras tipadas de texto no estructurado mediante reflexión y tool_use forzado.