Describe lo que necesitas. Recibe el módulo OCA que ya lo hace.

¿Prefieres tu propio servidor con tus módulos? El código es abierto: consulta la guía de despliegue y el paquete de PyPI.

1. 1

   Investigar

   Deep research con Gemini 2.5 Pro, síntesis con NotebookLM y validación cruzada con otros modelos para entender por qué cuesta tanto encontrar módulos de Odoo.

   Arquitectura elegida: RAG híbrido

   Ver detalle

   El problema tiene tres caras: documentación fragmentada, módulos difíciles de descubrir y el «infierno del versionado» entre ramas de Odoo.

   Arquitectura	Manejo de versiones	Viabilidad
   LLM + búsqueda web	Pobre, alucina	Inviable
   RAG solo con vectores	Pobre, no determinista	Baja
   Claude Skills	Excelente con backend	Alta
   RAG híbrido agéntico	Excelente, determinista	Óptima

2. 2

   Dialogar

   Prompt y context engineering: la descripción de la herramienta enseña al asistente a aclarar la petición, construir la búsqueda e interpretar los resultados.

   Instrucciones para el LLM: más de 100 líneas

   Ver detalle

   Técnicas: few-shot con ejemplos correctos e incorrectos, cadena de razonamiento en cuatro pasos (aclarar, construir la búsqueda, interpretar por confianza, responder) y delimitadores visuales que funcionan en cualquier modelo.

   LOCALIZATION QUERY EXAMPLES:
   • Spain + electronic invoice → "l10n_es_facturae facturae"
   • Mexico + CFDI invoice      → "l10n_mx_edi cfdi"
   
   ✅ CORRECT:   "l10n_es_facturae facturae FACE"
   ❌ INCORRECT: "electronic invoice e-invoice XML digital signature Spain..."
   ⚠️ For localizations: query of 2-4 words maximum

3. 3

   Ejecutar

   Desarrollo con IDEs agénticos: Cursor para arrancar, Claude Code para el grueso del backend y el ETL, y Zed para las sesiones largas de integración.

   Ritmo: 89 commits en 30 días

   Ver detalle

   • 6–15 nov 2025: Cursor, exploración y edición multiarchivo.
   • 15–25 nov: Claude Code, desarrollo principal y ETL.
   • 25 nov – 6 dic: Zed, integración final.

   Ejemplo: ampliar las herramientas MCP de 149 a 493 líneas llevó unos 30 minutos; a mano habrían sido unas 4 horas.

4. 4

   Automatizar

   El gran cambio de rumbo: de una Skill de Claude, propietaria y en beta cerrada, a un servidor MCP abierto construido con FastMCP que cualquier cliente puede usar.

   Clientes compatibles: 8

   Ver detalle

   MCP es un estándar abierto: una sola implementación funciona en Claude, ChatGPT, VS Code, Cursor, Windsurf o Zed. El servidor expone una única herramienta y soporta dos transportes: STDIO en local y Streamable HTTP en remoto.

   @mcp.tool()
   async def search_odoo_modules(
       query: str,
       version: str,                       # 12.0 – 19.0
       dependencies: list[str] | None = None,
       limit: int = 5,                     # 1 – 20
   ) -> str: ...

5. 5

   Integrar

   OpenRouter como pasarela única: Qwen3-Embedding-4B para los embeddings y Grok-4-fast para enriquecer cada módulo con descripción, etiquetas y palabras clave.

   Coste total en APIs: $1.76

   Ver detalle

   • Embeddings de la indexación inicial (16.494 módulos): unos 0,10 $.
   • Enriquecimiento con IA de esos módulos: unos 1,50 $.
   • Consultas durante el desarrollo: unos 0,01 $.
6. 6

   Sintetizar

   Arquitectura tool-first: no hay web propia que mantener. Los clientes MCP son la interfaz y el modelo se encarga de la conversación; solo existen el backend de búsqueda y el servidor MCP.

   87%Precision@5

   92%Recall@10

   100%módulos enriquecidos con IA