0710

Guía práctica de ToshLLM

Agentes y MCP

Usa herramientas locales, conecta servidores MCP y revisa los permisos antes de ejecutar acciones.

Modo agente

Dale al modelo capacidades, no control ciego.

Activa Herramientas de agentes locales en Configuración de chat para que un modelo compatible pueda solicitar lecturas de archivos, búsquedas y comandos. ToshLLM pide aprobación para las operaciones sensibles antes de ejecutarlas y muestra sus resultados dentro de la conversación.

LeerLee archivos, busca por nombre o contenido y consulta la fecha y hora.
ModificarCrea o edita archivos después de que apruebes la operación solicitada.
EjecutarEjecuta comandos de shell localmente o en el entorno aislado que configures.
CalcularEjecuta JavaScript en un proceso aislado, sin acceso al DOM, cuando activas el aislamiento opcional.

El soporte de la herramienta depende del modelo y la plantilla de chat. Un modelo que puede describir una herramienta no es necesariamente lo suficientemente confiable como para elegir argumentos o recuperarse de un error.

Permisos

Revisa cada operación antes de ejecutarla.

La solicitud de permiso muestra la herramienta, si leerá o modificará datos y los argumentos elegidos por el modelo. Puedes denegarla, permitirla una vez o recordar la decisión. La confianza en una herramienta MCP puede limitarse a su servidor de origen.

01Modelo solicita una herramienta
→
02Inspeccionas argumentos
→
03ToshLLM ejecuta o niega

Usa la opción para revocar permisos persistentes en Configuración de chat si quieres borrar las decisiones recordadas. Un permiso permanente también se aplicará a futuras solicitudes de la misma herramienta.

Aislamiento

Aísla la ejecución cuando sea necesario.

El campo Isolate tools on acepta un destino de ejecución. Si queda vacío, las herramientas integradas se ejecutan en el entorno de la app. Si indicas un destino, se ejecutarán en el contenedor o servidor SSH elegido.

docker:alpine
podman:alpine
docker-container:existing-container
ssh:user@trusted-host
El aislamiento cambia dónde se ejecuta el código, no si es seguro.

Utilice un contenedor desechable, limite los archivos montados y revise cada escritura o comando. Un destino SSH puede afectar la máquina remota con los privilegios de esa cuenta.

Servidores MCP

Conecta herramientas, recursos y prompts.

ToshLLM admite servidores Model Context Protocol mediante Streamable HTTP, Server-Sent Events y WebSocket. La opción Automático elige el transporte. Añade los servidores desde Configuración de chat, actívalos por separado y prueba la conexión antes de usarlos.

  • Herramientas se vuelven invocables por el modelo y usan las mismas tarjetas de permiso que las herramientas locales.
  • Recursos: puedes explorarlos y adjuntarlos a la conversación abierta.
  • Plantillas de recursos: solicitan los valores necesarios antes de leer el recurso.
  • Prompts: puedes seleccionarlos, completar sus argumentos e insertarlos en el cuadro de mensaje.

Los encabezados HTTP opcionales se ingresan como un objeto JSON. Los encabezados de autenticación se almacenan en macOS Keychain en lugar de las simples preferencias de la aplicación.

Configuración segura

Empieza con un servidor y una herramienta.

  1. Añade la URL MCP y elige Transporte automático.
  2. Agregue solo los encabezados de autenticación requeridos por ese servidor.
  3. Usa Test y comprueba cuántas herramientas se detectaron.
  4. Abra una nueva conversación con un modelo conocido por admitir llamadas a herramientas.
  5. Pruebe una acción de solo lectura antes de permitir escrituras o comandos.
  6. Establezca un recuento máximo de turnos de agente para que un ciclo de herramienta fallido se detenga de manera predecible.

Las solicitudes remotas MCP abandonan la Mac y siguen la política de privacidad de ese servidor. No adjunte recursos privados ni autorice una herramienta remota a menos que confíe en su operador.

Para empresas y particulares

ToshLLM, adaptado a tu equipo.

¿Necesitas una implementación a medida, ayuda para elegir modelos o asesoría para varios Mac Intel? Cuéntanos qué estás desarrollando y te responderemos personalmente.

¿Encontraste un error reproducible? Un reporte público en GitHub permite seguir la solución. Reportar un error ↗
hello@toshllm.com

CONTACT / TOSHLLM

Tu mensaje llega directamente a ToshLLM. No incluyas contraseñas, claves de API ni registros privados.