Ai Sdlc Prompts MCP Server

AI-SDLC Pro — Biblioteca de Prompts de Ingeniería de Software

Biblioteca interactiva de prompts estructurados bajo el AI-SDLC Enterprise Framework: 112 prompts organizados en 18 secciones que cubren el ciclo completo de ingeniería de software asistida por IA.

Entornos activos

---

Funcionalidades del sitio

• Proyectos con variables por entorno — 1 proyecto activo gratis para siempre (sin cuenta), o varios con sesión + prueba/suscripción Pro (ver muro de registro más abajo). Cada proyecto con 19 variables configurables (repositorio, referencia/entrada, rama actual/destino, ambiente, componentes, módulo, stack, tipo de proyecto, metodología, agentes IA, nivel de autonomía, objetivo, responsable, workspace, estándar/compliance, documentos, profundidad), más asignaciones adicionales TOKEN=valor. Variables persisten en localStorage, con acceso rápido desde un panel flotante además del panel completo. Exportables/importables como JSON para llevarlas a otra máquina o compartirlas con el equipo.
• Checklist de progreso por proyecto — cada copia marca automáticamente el prompt como usado en el proyecto activo (barra de progreso agregada en el panel de variables, estado visible y editable manualmente en el modal ⓘ de cada prompt). Persiste igual que las variables (localStorage + sync al backend propio con sesión). Ver la tabla project_prompt_state en backend/src/schema.sql.
• Personalización y resultados de IA por (proyecto, prompt) — dos campos opcionales en el modal ⓘ (Pro, ver muro de registro más abajo): adiciones personalizadas que se anexan solo al copiar (sin modificar nunca el prompt oficial), y un espacio para pegar el resultado que devolvió tu agente de IA al ejecutar el prompt, útil como insumo para 10-02-memoria-tecnica/17-06-reporte-estado-stakeholders. Se exportan/importan junto con el resto del proyecto.
• Modo guiado / ruta de proyecto — botón 🧭 junto al selector de proyecto: recorre paso a paso el orden curado del framework (00-D → 01 → 02 → ... → 17) con Anterior/Siguiente, marca visualmente lo ya usado y permite saltar directamente al primer prompt pendiente.
• Registro de usuarios (opcional) — inicio de sesión con GitHub contra el backend propio (/api/auth/*, sesión en cookie httpOnly) para sincronizar proyectos entre dispositivos; el uso anónimo con localStorage sigue funcionando igual sin necesidad de cuenta. Configuración documentada en docs/auth-setup.md.
• Muro de registro + prueba Pro de 1 semana — copiar cualquiera de los 112 prompts es gratis e ilimitado para siempre, con o sin cuenta (el repositorio es público, así que gatear el texto no protege nada; ver docs/STRATEGY.md). Lo que sí requiere sesión es la capa de plataforma: gestionar más de 1 proyecto, y guardar personalización/resultados de IA por prompt. Al intentarlo sin sesión se pide iniciar sesión con GitHub, lo que activa 1 semana de acceso Pro completo; al vencer, se exige enviar una breve retroalimentación (calificación + comentario) para renovar otra semana. Página /precios.html explica el modelo vigente y permite suscribirse al plan Pro (acceso ilimitado sin muro; el precio publicado ahí es la fuente de verdad y deriva de PADDLE_PRICE_AMOUNT_USD). Configuración documentada en docs/trial-gate-setup.md y docs/paddle-integration.md.
• Framework auto-prepend — el bloque de contexto del framework se antepone automáticamente a cada prompt copiado, con validación bloqueante de placeholders obligatorios sin resolver antes de copiar.
• Contrato editorial por prompt — cada uno de los 112 prompts declara tipo, riesgo esperado, autonomía permitida y siguiente prompt recomendado, expuestos como badges filtrables y publicados en prompts-index.json para consumo por agentes de IA.
• Filtros por riesgo y autonomía — chips de faceta (Bajo/Medio/Alto/Variable, A0-A3) combinables con la búsqueda de texto y los filtros por sección.
• Onboarding guiado — banner + overlay de bienvenida para nuevos usuarios con guía de primeros pasos.
• Multi-select — selección de varios prompts para copiarlos en bloque.
• Búsqueda/filtrado — filtro en tiempo real por texto, nombre o contenido del prompt.
• Modal de información ⓘ — descripción y fórmulas de uso de cada prompt sin contaminar el contenido del prompt, con trampa de foco y atributos ARIA.
• Sidebar colapsable — navegación por sección.
• Diseño oscuro responsive, bilingüe (ES/EN) (self-contained, sin CDN ni SDK de terceros — las únicas cargas externas son Google Analytics, diferido hasta window.load, y Paddle.js, solo en /precios.html).

---

Servidor MCP

El catálogo también se expone a agentes de IA (Claude Code, Claude Desktop, Cursor) vía Model Context Protocol, sin necesidad de copiar/pegar desde el navegador: list_prompts, get_prompt, resolve_prompt (sustituye variables), get_framework y recommend_next. Ver mcp-server/README.md para instalación y configuración.

---

Estructura del proyecto

ai_sdlc_pro_prompts/    # 112 prompts Markdown (18 secciones, ciclo SDLC completo)
build.py                # Generador: produce index.html y prompts-index.json desde los .md
extract_vars.py         # Analiza tokens [PLACEHOLDER] en los prompts
verify_clean.py         # QA gate: valida prompts limpios (integrado en CI)
nginx_prompts.conf      # Config Nginx para producción GCP
deploy-to-gcp.sh        # Script de re-deploy manual a GCP
index.html              # Artefacto generado (~1.32 MB, no editar manualmente)
prompts-index.json      # Índice machine-readable (contrato editorial por prompt), no editar manualmente
backend/                # API propia (Node + PostgreSQL) en /api/*: login GitHub, prueba, proyectos, webhook Paddle — ver backend/README.md
mcp-server/             # Servidor MCP (Node) que expone el catálogo a agentes de IA vía stdio — ver mcp-server/README.md
docs/                   # Memorias técnicas (MT-001, MT-002)
.github/workflows/      # CI/CD — build + QA gate + deploy GitHub Pages + GCP
CONTRIBUTING.md         # Guía de contribución y convenciones
LICENSE                 # Licencia del proyecto

---

Desarrollo local

# Regenerar index.html
python build.py

# Validar prompts limpios
python verify_clean.py

# Ver el sitio (Live Server en VSCode o doble clic)
# index.html se abre en el navegador — funciona sin servidor

---

Flujo operativo

Todo trabajo técnico (P0/P1/P2) se gestiona en GitHub Issues con su Milestone y Project correspondientes — no en documentos transitorios del repositorio:

issue (milestone + project) → rama de trabajo → Pull Request → CI (gates) → merge controlado a main

1. Issue: se crea con objetivo, alcance, criterios de aceptación y evidencia esperada; se asigna a un Milestone y al Project de seguimiento.
2. Rama: se crea desde main actualizado (nunca se trabaja directo en main — política OP-001, ver CONTRIBUTING.md).
3. Pull Request: contra main, referenciando el issue que cierra.
4. CI: el workflow valida el PR (build.py + verify_clean.py + pytest) sin desplegar.
5. Merge controlado: requiere revisión; al mergear a main, .github/workflows/deploy.yml publica automáticamente en GitHub Pages (staging) y GCP (prompts.lionsystems.com.mx).

Bitácora operativa: las decisiones, el estado de avance y la evidencia (validaciones, diffs, resultados) se registran como comentarios en el issue o el PR vinculado — no en archivos nuevos del repositorio. El repo conserva solo documentación estable (README, CONTRIBUTING, arquitectura y políticas vigentes).

bash deploy-to-gcp.sh queda como respaldo manual de re-deploy a GCP; el flujo normal no lo requiere.

---

Agregar un nuevo prompt

1. Crea ai_sdlc_pro_prompts/XX-YY-nombre-del-prompt.md siguiendo el patrón existente.
2. Ejecuta python build.py y verifica localmente.
3. Ejecuta python verify_clean.py — debe reportar 0 prompts contaminados.
4. Haz commit en una rama de trabajo (no main) y abre un Pull Request; el CI valida el PR.
5. Al mergear a main, CI/CD despliega automáticamente a GitHub Pages y GCP producción.

---

Secciones de prompts

---

Documentación técnica

---

Parte del stack AI-SDLC Enterprise — LionSystems © 2026