Local Coding Agent

Name: Local Coding Agent
Author: pvnc228

de pvnc228versión 1.2.0i★ –iSe ejecuta en tu computadora

Nombre en el registroio.github.pvnc228/local-coding-agent

Instalar

Resumen

Descripción del creador (original en inglés)

Delegate small coding tasks to local Ollama/llama.cpp models; patches gated by real test runs.

Los tres pilares de PopNx MCP

Estos tres nunca se combinan en una sola puntuación: las opiniones, las mediciones y la popularidad son cosas distintas.

Opinión de usuariosiAún no hay reseñasLas reseñas se abrirán junto con las cuentas en una etapa posterior
Nuestras revisiones básicasi1 de 1 superadasRevisado con información pública; el código aún no se ha escaneado
UsoiAún sin medir★ –

Qué puedes hacer con él

Todavía no escribimos un resumen sencillo para este. Abajo están los datos que leímos del registro.

Conexión: Se ejecuta en tu computadora
Transporte: stdio
Categoría: Otros

Instalación

Elige la app de IA que usas y copia la configuración.

Antes de instalar

Revisiones básicas: 1 de 1 superadas
Se ejecuta en tu computadora con los permisos de tu usuario (archivos, red, apps).
El registro no indica ninguna clave que completar.

Necesitas

PyPIuv de Python instalado (para el comando uvx)

¿Qué app usas?

ClaudeClaude CodeCursorVS CodeChatGPT

Elige tu app arriba. La recordamos, así que la próxima vez el botón dirá “Instalar en …”.

Abre Claude Desktop → Settings → Developer → Edit Config y pega esto en claude_desktop_config.json

{
  "mcpServers": {
    "local-coding-agent": {
      "command": "uvx",
      "args": [
        "local-coding-agent",
        "serve-mcp",
        "--workspace",
        "your-value"
      ]
    }
  }
}

Ejecuta esto en tu terminal

claude mcp add local-coding-agent -- uvx local-coding-agent serve-mcp --workspace your-value

Este necesita valores en su línea de comandos, así que copia la configuración y complétalos.

O copia la configuración tú

Pégalo en .cursor/mcp.json de tu proyecto, o en ~/.cursor/mcp.json

{
  "mcpServers": {
    "local-coding-agent": {
      "command": "uvx",
      "args": [
        "local-coding-agent",
        "serve-mcp",
        "--workspace",
        "your-value"
      ]
    }
  }
}

Tu navegador te pide permiso para abrir la app; luego la app muestra la configuración y te pide confirmar. Los valores de las claves quedan vacíos para que los completes tú.

Este necesita valores en su línea de comandos, así que copia la configuración y complétalos.

O copia la configuración tú

Pégalo en .vscode/mcp.json de tu proyecto

{
  "servers": {
    "local-coding-agent": {
      "type": "stdio",
      "command": "uvx",
      "args": [
        "local-coding-agent",
        "serve-mcp",
        "--workspace",
        "your-value"
      ]
    }
  }
}

Tu navegador te pide permiso para abrir la app; luego la app muestra la configuración y te pide confirmar. Los valores de las claves quedan vacíos para que los completes tú.

Este se ejecuta en tu computadora, y ChatGPT solo puede conectarse a servidores en internet. Elige otra app.

Tu elección se guarda en una cookie en este dispositivo; no necesitas cuenta.

Esta configuración se genera a partir de la ficha del creador en el registro. Si el README dice otra cosa, sigue el README.

Qué puede hacer

Se ejecuta en tu computadora; la lista de herramientas aparece en tu app de IA después de instalarlo.

Revisiones básicasi

Revisamos información que cualquiera puede ver; no hemos leído el código. Las revisiones que no aplican no se cuentan. · Revisado el 6 nov 2026

✓ Superada
El creador coincide con el repo
El nombre en el registro se verificó con la cuenta de GitHub pvnc228, dueña del repo
… Aún sin revisar
Sigue en mantenimiento
Todavía no hemos leído este repo en GitHub
… Aún sin revisar
Tiene licencia
Todavía no hemos leído este repo en GitHub
– No aplica
El endpoint responde
Este se ejecuta en tu computadora; no hay endpoint en internet
– No aplica
Inicio de sesión con OAuth
Se ejecuta en tu computadora y usa ajustes locales en su lugar
… Aún sin revisar
Sin instrucciones ocultas en las descripciones de herramientas
Se ejecuta en tu computadora; solo podemos leer listas de herramientas de endpoints en internet

Comparado con otros en Otrosi

Más estrellas que el 0% de los otros 32417 servidores de esta categoría
Publicado en el registro más recientemente que el 91% de los otros 32417 servidores de esta categoría
Revisiones básicas iguales o mejores que el 100% de los otros 32417 servidores de esta categoría

Comparado con todos los servidores activos de esta categoría en el registro. Las estrellas solo cuentan cuando quien lo publica es dueño del repo.

Preguntas frecuentes

¿Es seguro Local Coding Agent?

Superó 1 de 1 revisiones básicas aplicables. No hemos leído el código. Antes de agregar una clave o un token, revisa qué acceso pide el servidor y usa una clave que tenga solo los permisos que necesitas.

¿Qué claves o códigos necesita?

El registro no indica ninguna clave obligatoria, aunque algunos servidores te piden iniciar sesión la primera vez que los usas.

¿Se ejecuta en mi computadora o en la nube?

Se ejecuta en tu computadora. Tu app de IA lo inicia cuando hace falta, y los datos no pasan por los servidores del creador (a menos que el propio servidor llame a un servicio en línea).

¿Sigue en mantenimiento?

El repo de GitHub cambió por última vez –, y la última versión (1.2.0) llegó al registro hace 3 días.

¿Qué apps pueden usarlo?

Las apps compatibles con MCP, como Claude Desktop, Claude Code, Cursor y VS Code. También necesitas Python (uv) en tu computadora.

¿Qué puedo usar en su lugar?

En la misma categoría: Spec Driven Development, Remote Desktop Commander, FOGA node

Alternativas

Servidores de la misma categoría hechos por otros creadores, ordenados por estrellas.

Cómo leer una tarjeta:★ Estrellas de GitHubiTres pilares: reseñas · revisiones · usoiActualizado = fecha en que se publicó la última versión en el registroi

Spec Driven Development

de formulahendry

MCP Server that facilitates spec-driven development workflows, not just Vibe Coding.

Se ejecuta en tu computadora★ 440MITActualizado hace 14 meses

Instalar

Remote Desktop Commander

de desktop-commander

Remote Desktop Commander: use files, terminal and processes on your own computers from any AI app.

Se ejecuta en la nube★ 211Actualizado ayer

Instalar

FOGA node

de garyyang-finchip

A Finch OG Agent cell as an MCP server: read the world, dry-run and take ERC-8414 tenders by policy.

Computadora o nubeActualizado hoy

Instalar

README del creador

Abrir el README

Copiado tal cual del repo del creador. PopNx MCP no lo ha revisado ni lo respalda. Se quitaron HTML, imágenes y scripts. Los enlaces llevan fuera de este sitio.

Local Coding Agent

Local execution and safety layer for delegating coding tasks from cloud agents to models on your own machine.

What is Local Coding Agent?

Local Coding Agent lets a cloud coding agent delegate a narrow task to a local model without giving that model unrestricted access to your repository. Connect Codex, Claude Code, Cursor, Windsurf, Cline, OpenCode, Antigravity, or another compatible harness through MCP, the reusable Agent Skill, or the local-agent CLI. The cloud agent stays in charge of the larger task; Local Coding Agent supplies the controlled local execution path.

The calling agent sends a focused goal, a workspace, an allowlist of files, and checks. Your local model returns a proposal for review. The local model proposes; the controller verifies. A change is only reported as applied after the declared file scope held, the patch passed static analysis, and a real external test runner confirmed the configured checks. If a post-apply check fails, the change is rolled back and the rollback is itself verified against recorded file digests. The local model does not receive unrestricted shell or write access to your workspace.

Use the Desktop Harness when you want a Windows interface for local chat, model selection, sessions, task status, and change review. Use the CLI for terminals, scripts, CI, or direct integration with a coding harness. Both use the same controller and safety rules.

You keep control of Git and delivery. Local Coding Agent does not create commits, push branches, publish releases, or download a model on its own.

What the gate refuses

The same gate backs apply_proposal, local-agent apply, and the desktop apply action:

A patch that touches a file outside the declared scope is rejected before the workspace is touched (error.kind: patch_outside_scope).
An apply with no targeted check is refused — no external evidence, no apply (error.kind: apply_requires_checks).
A patch that fails the post-apply checks is rolled back; the result is "rejected" with error.kind: post_apply_check_failed.
A rollback that cannot be confirmed against the recorded baseline is reported as workspace_modified: true with workspace_state: "unknown" and risk kind rollback_failed — never as a clean restore.

Choose your download

Current public release: v1.2.0

Choose the CLI release for terminal workflows, scripts, CI, or integration with another AI coding environment. It provides the local-agent command, MCP server, Agent Skill, diagnostics, sessions, model tools, and task delegation.

Download the CLI wheel or CLI source archive. Windows users can download the Desktop Harness installer and verify the published files with SHA256SUMS.txt.

The v1.2.0 release contains the CLI archives and the Windows Desktop Harness installer. Local inference remains local; install Ollama or run a compatible local model server before requesting live model responses.

Desktop Harness

Open the Harness, choose a workspace, select a local model, and start working. The desktop application brings the complete local coding workflow into one focused interface:

Interactive Chat for questions, explanations, and everyday coding work.
Chat, Build, Plan, and Auto modes for different kinds of requests.
Delegated Tasks for handing a focused coding change to a local model.
Workspace sessions so you can return to previous conversations and tasks.
Model discovery, model profiles, context settings, hardware telemetry, and diagnostics.
Clear status messages when the local backend is ready, unavailable, or needs attention.
Reviewable code changes and checks before changes are applied.

The 30-second tour below follows one delegated change: the local model proposes, the controller checks scope, a real test runner decides, and a failed check rolls the change back. Click it for the video with sound.

CLI installation

Requirements:

Python 3.10 or newer.
Git on PATH for workspace operations.
Ollama or an OpenAI-compatible local model server for live inference.

Install the CLI package:

pipx install local-coding-agent

Or install from a checkout:

git clone https://github.com/pvnc228/local-coding-agent.git

cd local-coding-agent python -m pip install -e .

Check the installation:

local-agent doctor

local-agent test-run --mock

Add --json where supported when the output will be consumed by another tool.

Connect another AI coding agent

Local Coding Agent can provide its capabilities to other AI coding environments through MCP or an Agent Skill:

local-agent init-mcp --auto --write

local-agent init-skill --write

Start the MCP server manually when a client needs an explicit command:

local-agent serve-mcp --workspace . --enable-tasks

See local_coding_agent/docs/MCP_INTEGRATION.md for client configuration examples and skills/local-coding-agent/SKILL.md for the reusable Agent Skill.

A typical coding request

Choose a workspace and a local model.
Ask a question or describe the change you want.
Inspect the suggested code change in the application.
Run the relevant checks and apply the change when it looks right.

The application keeps the workflow understandable: you can see what is being changed, which checks are being run, and whether the local backend is available. Commits, tags, pushes, and publishing remain under your control.

CLI commands

Command	Purpose
`local-agent delegate`	Give a focused coding task to a local model.
`local-agent decompose`	Break a larger request into smaller coding tasks.
`local-agent apply`	Apply a reviewed change and run its checks.
`local-agent chat`	Run a prompt or a persistent chat session.
`local-agent sessions`	List or inspect saved sessions.
`local-agent profiles`	Inspect configured model profiles.
`local-agent memory`	Inspect model memory and VRAM settings.
`local-agent calibrate`	Calculate safe worker bounds for a VRAM budget.
`local-agent benchmark`	Run the local coding benchmark.
`local-agent doctor`	Diagnose Python, Git, Ollama, RAM, VRAM, and models.
`local-agent monitor`	Serve the local metrics dashboard.
`local-agent test-run --mock`	Run deterministic local workflow checks.

Examples:

local-agent chat "Explain what context_manager.py does"

local-agent chat --repl --session-id refactor-session local-agent delegate --task task.json --model qwen2.5-coder:7b --json local-agent apply --patch-file patch.diff --workspace . --file src/foo.py --check "pytest tests/" local-agent monitor --port 8765

Open http://127.0.0.1:8765/dashboard to view queue load, latency, tokens per second, and change records.

The CLI also exposes preview surfaces that are not part of the stable contract and may change without notice: ui/app, lsp, serve-acp, skeletonize, lint-patch, scan-models, spill-read, and grep. The stable, tested set is the table above plus desktop, chat, serve-mcp, init-mcp, and init-skill.

Field results & limitations

The published numbers come from a 20-task suite, so treat them as directional rather than settled:

On that suite, qwen3.8-27b-q4 scored 100.0% correctness with a 95% Wilson interval of [83.9%, 100.0%], and qwen3-8b-q6k scored 90.0% [69.9%, 97.2%]. The wide intervals are the small sample size, not a rounding artifact.
Small models handle single-file work in this harness; cross-file coordination (Tier 3 in the capability ladder) needs the host agent to decompose the task into atomic envelopes first.
Results are model and hardware specific. Reproduce them with local-agent benchmark before relying on any figure.

See local_coding_agent/docs/BENCHMARK.md for the methodology and the full table.

Local models

Model profiles describe the provider, model, context window, generation limits, and keep-alive behavior. The Harness can discover installed Ollama models and local GGUF files, while the CLI exposes the same information for scripts and integrations.

local-agent profiles list --json

local-agent memory status --json

Documentation

Quickstart
FAQ
MCP integration
Security policy
Changelog
Architecture reference
Protocol reference
Benchmark methodology
Roadmap
Runtime setup tips: context, KV cache, thinking and CPU limits

The same pages open inside the Desktop Harness under Help, and local-agent help-docs prints them in a terminal.

License

Local Coding Agent is distributed under the MIT License.

Local Coding Agent

Resumen

Los tres pilares de PopNx MCP

Qué puedes hacer con él

Instalación

Antes de instalar

Qué puede hacer

Revisiones básicasi

El creador coincide con el repo

Sigue en mantenimiento

Tiene licencia

El endpoint responde

Inicio de sesión con OAuth

Sin instrucciones ocultas en las descripciones de herramientas

Comparado con otros en Otrosi

Preguntas frecuentes

Alternativas

Spec Driven Development

Remote Desktop Commander

FOGA node

README del creador

Local Coding Agent

What is Local Coding Agent?

What the gate refuses

Choose your download

Current public release: v1.2.0

Desktop Harness

CLI installation

Connect another AI coding agent

A typical coding request

CLI commands

Field results & limitations

Local models

Documentation

License