Jesús Erro
Explorar conexiones
Diagrama editorial de DIL 6.0: ChatGPT dirige mediante Desktop Commander local y WSL, con agentes CLI, GitHub y conectores Context7, Figma y Firecrawl.

DIL 6.0: ChatGPT dirige, Desktop Commander ejecuta y los agentes CLI implementan

Durante meses he intentado contestar una pregunta práctica: ¿cómo puedo trabajar con agentes de programación sin tener que convertirme en el operador manual de cada terminal, cada prueba y cada pull request?

El Director–Implementer Loop R5.0-AG, que documenté el 27 de septiembre de 2026, fue una respuesta ambiciosa. Combinaba un Director en ChatGPT, contratos de entrega, GitHub y una infraestructura de ejecución con Herdr y otras piezas del entorno PKC de Kun Chen. Aprendimos mucho, pero apareció otro problema: mantener el sistema que coordinaba el trabajo podía costar demasiado trabajo.

En noviembre he simplificado ese diseño. La nueva revisión, a la que llamo DIL 6.0, conserva el principio que sí funcionaba —ChatGPT dirige, agentes especializados implementan y GitHub conserva la evidencia—, pero cambia la conexión con mi ordenador. Ahora el protagonista operativo es Desktop Commander local (DC), conectado mediante MCP y un túnel seguro a Ubuntu sobre WSL2.

No es un framework que haya que instalar para usar ChatGPT. DIL es el nombre de mi método de ingeniería con agentes de IA, probado en jesuserro.com y en Dotfiles. Esta revisión cuenta qué hago hoy, qué he descartado y qué no conviene confundir con autonomía mágica.

De R5.0 a R6.0: simplificar sin perder lo aprendido

R5.0 tenía un mérito importante. Había separado ejecución, transporte, evidencias y decisiones: una tarea terminada no era lo mismo que una tarea verificada, y una notificación no autorizaba un despliegue.

Su inconveniente apareció al ponerla a funcionar día tras día. Herdr, FirstMate, Treehouse y otras capas de PKC añadían posibilidades, pero también perfiles, estados, configuraciones y diagnósticos. Parte del esfuerzo se desplazó del producto a la infraestructura del propio flujo.

La decisión no fue declarar que aquellas herramientas eran malas. Fue reconocer que su coste de coordinación era superior al valor que aportaban a mi escala actual. PKC y FirstMate quedaron congelados como experimentación; Herdr dejó de ser una dependencia del circuito cotidiano.

DIL 6.0 no elimina los controles importantes. Elimina intermediarios que ya no son imprescindibles.

Dimensión DIL R5.0-AG (septiembre) DIL 6.0 (noviembre)
Dirección ChatGPT ChatGPT
Puente con la máquina Capas de ejecución y transporte de PKC Desktop Commander local mediante MCP
Implementación Agentes de programación delegados Codex, Cursor, Claude u OpenCode CLI según la tarea
Supervisión Herdr y contratos de handoff Inspección directa con DC, Git y GitHub
Evidencia PR, commit y validaciones PR, commit, pruebas y validaciones
Entrega Gates de integración y publicación Los mismos principios, con menos ceremonia

La conclusión es sencilla: menos orquestación de orquestadores; más trabajo verificable sobre el software real.

La arquitectura actual: un director, un puente y herramientas especializadas

Mi ordenador principal ejecuta Windows 11 con Ubuntu en WSL2. Los proyectos viven en un entorno Linux reproducible; Git, los gestores de paquetes, las pruebas y los agentes CLI operan allí.

DIL 6.0 puede representarse así:

```text Objetivo y prioridades definidos conmigo │ ▼ ChatGPT — Director ├── Context7: documentación de librerías ├── Firecrawl: investigación web ├── Figma: contexto de diseños ├── GitHub: PR, commits y CI └── DC local, a través de MCP │ OpenAI Secure MCP Tunnel │ Desktop Commander (WSL2) │ ├── lectura de archivos y logs ├── terminal, Git y tests ├── Codex / Cursor / Claude / OpenCode CLI └── worktrees de implementación │ ▼ PR → CI → revisión → merge │ ▼ Vercel / producción / verificación ```

El esquema tiene un matiz deliberado: DC no sustituye al agente implementador. DC permite al Director inspeccionar la máquina y lanzar herramientas. Codex u otro agente realiza una tarea de programación acotada. GitHub registra lo que quedó integrado; las pruebas y el despliegue muestran qué pasó de verdad.

Tampoco supone que todos los conectores actúen en cada tarea. Para corregir una prueba puede bastar terminal y GitHub. Para implementar una pantalla, Figma adquiere sentido. Para comprobar una API reciente, Context7 reduce el riesgo de trabajar con documentación desactualizada.

Desktop Commander local: la pieza que faltaba

En un artículo complementario explico cómo conecté ChatGPT a mi PC con Desktop Commander, MCP y WSL2. Allí detallo el túnel saliente, el cliente MCP, el servicio de usuario, las credenciales privadas y las verificaciones de funcionamiento.

Aquí importa la consecuencia en el método. Antes, una conversación podía terminar en «ejecuta este comando y pégame el resultado». Ahora ChatGPT puede, cuando la herramienta está disponible y autorizada, ejecutar una inspección local y utilizar su salida como evidencia para decidir la siguiente acción.

Puedo pedir al Director que averigüe qué worktree está activo, qué archivos cambió el implementador, si un proceso sigue vivo, qué pruebas fallaron o si el checkout principal quedó limpio después de una entrega.

Esto no significa que ChatGPT se haya instalado dentro de WSL. El modelo está en el servicio de ChatGPT; Desktop Commander actúa localmente y comunica sus herramientas mediante el transporte MCP. Y tampoco significa que la conexión funcione sin Internet o con el portátil apagado.

Local describe dónde se ejecutan los comandos, no dónde reside toda la inteligencia ni una garantía automática de seguridad.

ChatGPT dirige; los agentes CLI implementan

La división de responsabilidades importa más que el número de modelos disponibles.

Como Director, ChatGPT interpreta el objetivo, inspecciona el estado inicial, decide un alcance razonable, selecciona implementador y solicita pruebas. Después compara lo entregado con el objetivo, revisa cambios, consulta GitHub y coordina correcciones si aparecen fallos.

Como Implementer, un agente CLI trabaja sobre archivos y herramientas concretas. Codex es una opción habitual para tareas importantes; Cursor, Claude y OpenCode ofrecen rutas alternativas según disponibilidad y naturaleza del trabajo. No necesito ponerlos a competir sobre los mismos archivos.

Una regla operativa sigue siendo especialmente útil: un cambio acotado, un responsable claro y un worktree identificable. Cuando un agente termina, la siguiente pregunta no es «¿qué ha dicho que hizo?», sino «¿qué commit, pruebas y artefactos puedo comprobar?».

En mi caso, además, el Director puede abrir el worktree activo en Cursor para que yo observe la implementación sin convertir esa ventana en un paso obligatorio para cada decisión.

El bucle completo: de una petición a producción

Imaginemos un caso pequeño: quiero añadir un artículo técnico al blog o corregir una característica en una aplicación Astro.

  1. Intención. Describo el resultado deseado, el alcance y las restricciones. El Director distingue un cambio editorial de una mutación de datos.
  2. Inspección. ChatGPT utiliza DC para comprobar repositorio, rama, convenciones y pruebas existentes; consulta documentación o conectores solo cuando aportan algo.
  3. Handoff. El Director encarga una tarea delimitada a un agente CLI o actúa directamente si la modificación es pequeña y verificable.
  4. Implementación. El agente trabaja en un worktree, prepara cambios y ejecuta pruebas proporcionadas al riesgo real.
  5. Auditoría. El Director revisa el diff y el commit exacto, corrige errores detectados y comprueba que no se hayan incluido secretos, artefactos o modificaciones ajenas al objetivo.
  6. Integración. GitHub ejecuta las comprobaciones correspondientes al PR. Un resultado verde es evidencia de un conjunto de pruebas, no una garantía universal.
  7. Publicación. Una vez autorizada la entrega, se fusiona; si corresponde, se etiqueta una versión y se verifica el despliegue real.
  8. Cierre. Se contrastan el commit de producción, el estado de CI, los enlaces públicos y la limpieza de ramas y worktrees.

```text Intención → inspección → implementación → pruebas → auditoría → PR/CI → producción → cierre ↑ │ └──── corrección ────────┘ ```

Este circuito conserva el espíritu del DIL R4.6 sobre fronteras semánticas, pero reduce los mecanismos propios para trasladar trabajo entre fases.

También permite adaptar el rigor. Una corrección de fecha en Markdown no necesita una infraestructura idéntica a la de una migración PostgreSQL. Las comprobaciones deben ser proporcionales al riesgo, sin renunciar a confirmar que la entrega ha llegado a producción.

Los nuevos conectores amplían la capacidad del Director

El valor de tener varios conectores no es acumular iconos en ChatGPT. Es consultar la fuente adecuada desde el mismo lugar donde se toman decisiones técnicas.

Context7 ayuda a recuperar documentación actualizada de librerías y ejemplos de APIs cuando una implementación depende de versiones concretas. Es especialmente útil antes de proponer código para bibliotecas que cambian rápidamente.

Figma añade contexto de diseño: inspección de componentes, propiedades y pantallas, y posibilidades de llevar diseños al flujo de implementación. Permite comprobar requisitos visuales sin depender únicamente de descripciones en texto.

Firecrawl facilita investigar recursos y páginas web cuando hay que reunir evidencia externa, documentación o datos de terceros. Esa información sigue necesitando contraste: extraer una página no la convierte automáticamente en autoridad.

GitHub mantiene la historia durable de la entrega: ramas, PR, revisiones, commits y acciones de CI. Vercel permite observar qué se ha desplegado y comprobar la versión que realmente está sirviendo la aplicación.

Estos conectores no son todos iguales: algunos consultan, otros pueden modificar recursos. La herramienta correcta es la que resuelve la necesidad con la menor complejidad, no la que hace más cosas.

MCP no es un orquestador ni una política de permisos

El Model Context Protocol (MCP) facilita el acceso a herramientas y contexto. No decide, por sí solo, quién puede fusionar una PR, qué directorio debe modificarse o cuándo una operación es aceptable.

Conviene distinguir las capas:

  • Transporte: cómo llegan las llamadas a Desktop Commander mediante el túnel.
  • Ejecución: qué comandos y archivos puede utilizar el proceso local.
  • Gobernanza: qué cambios forman parte de la tarea y qué evidencia habilita una entrega.

En mi instalación, DC corre con los permisos del usuario de WSL. Una sesión con acceso a sus herramientas puede operar sobre archivos que ese usuario puede leer o escribir. Una clave de túnel restringida no es un sandbox del sistema de archivos.

Por eso mantengo los secretos fuera de Git, procuro delimitar los cambios en worktrees y contrasto resultados con herramientas independientes. Para operaciones destructivas o irreversibles, las autorizaciones explícitas y el contexto importan. La automatización debe reducir fricción, no ocultar sus consecuencias.

Qué conservo de R5.0 y qué dejo atrás

Conservo tres principios: el Director no debe confundir actividad con entrega, la evidencia debe vincularse a un commit concreto y el sistema debe poder recuperarse de fallos sin repetir mutaciones a ciegas.

También mantengo Git como historia versionada, pruebas automatizadas y observabilidad. Un fallo reproducible no requiere diez agentes nuevos: requiere ver el comando, el error y el estado de los archivos.

Dejo atrás la necesidad cotidiana de Herdr, FirstMate y Treehouse como supervisores del DIL. Tampoco convierto esta versión en una promesa de ejecución perpetua, notificaciones autónomas o agentes que continúan trabajando sin mecanismos específicos para ello. Si una tarea depende de una ejecución futura, necesita su propio programador, evento o automatización real.

La mejora en DIL 6.0 es más modesta y más útil: ChatGPT puede dirigir con información directa del entorno y coordinar implementadores existentes, sin crear otro harness por encima de ellos.

Preguntas frecuentes sobre DIL 6.0

¿Qué es Director–Implementer Loop?

Es un patrón de trabajo con agentes de IA en el que se separan dirección, implementación, verificación e integración. En mi variante, ChatGPT dirige y los agentes CLI realizan cambios de programación sobre repositorios controlados con Git.

¿Es DIL 6.0 un software o producto que se pueda instalar?

No. Es una versión editorial de un método operativo propio. Sus componentes —ChatGPT, Desktop Commander, MCP, WSL2, GitHub y herramientas CLI— son tecnologías independientes.

¿Por qué ya no uso Herdr o el harness PKC?

Porque la coordinación diaria exigía demasiadas piezas para las necesidades actuales. La experiencia fue útil para aprender sobre estados, contratos y supervisión, pero ahora prefiero una conexión directa con herramientas existentes.

¿Desktop Commander sustituye a Codex, Cursor o Claude?

No. Desktop Commander proporciona acceso operativo a archivos y terminal; los agentes de programación planifican y modifican código. Pueden combinarse, pero cumplen responsabilidades distintas.

¿Puedo reproducir el flujo sin WSL2?

Sí, conceptualmente: DIL no exige WSL2. Mi implementación concreta sí usa Ubuntu en WSL2 como estación de desarrollo. Otros entornos requieren adaptar transporte, herramientas y permisos.

¿Qué papel tiene GitHub Actions si puedo lanzar pruebas desde ChatGPT?

Las pruebas locales ayudan a iterar. La CI aporta otra ejecución reproducible sobre un commit identificado. La verificación en producción confirma algo distinto: qué versión está efectivamente desplegada.

Menos infraestructura propia, más ingeniería con agentes

El aprendizaje de esta serie no es que cada revisión deba ser más compleja que la anterior. R5.0 me enseñó a modelar la delegación y la evidencia. DIL 6.0 me obliga a justificar cada capa adicional.

Hoy prefiero que ChatGPT pueda leer el estado de un proyecto, dirigir un implementador, verificar el resultado y cerrar la publicación antes que dedicar otra semana a mantener un supervisor de supervisores.

Para profundizar en el cambio de conectividad que hizo posible esta revisión, está la guía ChatGPT + Desktop Commander local + MCP + WSL2. Y para seguir el recorrido histórico, el punto de partida inmediato sigue siendo DIL R5.0-AG.

El objetivo permanece: software entregado con claridad, trazabilidad y menos trabajo manual innecesario. La arquitectura debe servir a ese objetivo, no convertirse en el objetivo.