Ext Ops Panel
Abrir el panel
Comparación

llm-engineering-skills vs. Orchestrator

llm-engineering-skills ya no aparece en ningún marketplace que leemos: estos son sus últimos datos conocidos, a fecha de 2026‑11‑03.

llm-engineering-skills es un paquete de plugins para herramientas de programación con IA publicado por itsmostafa. Ningún marketplace que leemos lo publica ya. Orchestrator es un servidor MCP publicado por crAK1644. Marketplaces que leemos y que lo publican: 2 (Official MCP Registry, PyPI (MCP servers)). Según nuestra pasada por los marketplaces del 2026-11-08. Un plugin de este par ya no aparece en ningún marketplace que leemos, así que pedimos a los buscadores que no indexen la página.

Dónde se publica cada uno

Dónde se publica cada uno
Marketplacellm-engineering-skillsOrchestrator
Marketplace de la comunidad itsmostafa/llm-engineering-skills Retirado el 2026-11-03
Versión: sin indicar
Forks (GitHub): 2
Estrellas (GitHub): 24
Sin marca · Visto por primera vez
No figura
Official MCP Registry No figura Publicado
Versión: 0.12.0
Descargas por mes (PyPI): 6 410
Descargas por semana (PyPI): 52
Forks (GitHub): 2
Estrellas (GitHub): 10
Sin marca · Visto por primera vez
PyPI (MCP servers) No figura Publicado
Versión: 0.12.0
Descargas por mes (PyPI): 6 410
Descargas por semana (PyPI): 52
Forks (GitHub): 2
Estrellas (GitHub): 10
Sin marca · Visto por primera vez

Cada cifra es del propio marketplace y nunca se suma entre marketplaces. Un marketplace que no publica cifras no muestra ninguna: sin número no es cero.

Los datos lado a lado

llm-engineering-skills vs. Orchestrator
Datollm-engineering-skillsya no está publicado · Orchestrator
Marketplaces que lo listan (distinto)02
Estrellas (GitHub) (distinto)2410
Forks (GitHub)22
Última versiónNo publicadoNo publicado
Dónde se ejecuta (distinto)Se instala como paquete de pluginsEn tu equipo (orchestrator-mcp-server)
Transporte (distinto)Sin indicarstdio
Herramientas que declaraNo publicadoNo publicado
Variables de entorno que pide (distinto)No publicado2, de ellas secretos: 0
Partes del paquete (distinto)9No es un paquete
Licencia (distinto)Sin indicarMIT
Repositorio (distinto)github.com/itsmostafa/llm-engineering-skillsgithub.com/crak1644/orchestrator-mcp
Cambios en los últimos 7 días (distinto)20
Visto por primera vez (distinto)2026-10-222026-10-11

Las líneas en las que difieren tienen fondo tintado y valores en negrita. Ningún valor se marca como mejor o peor: un plugin que ya no publica ningún marketplace se muestra con sus últimos datos conocidos, que no comparamos con cifras actuales.

Qué usar en lugar de «llm-engineering-skills»

Plugins aún publicados cuyos nombres, descripciones, herramientas y skills son los más cercanos en significado. Comparables, no recomendados.

  • huggingface-skills

    Build, train, evaluate, and use open source AI models, datasets, and spaces.

    de huggingface · Paquete de plugins

    Publicado en: Claude Code: claude-plugins-official, Claude Code: claude-plugins-community · Describe casi la misma tarea

  • unsloth

    Install, operate, and troubleshoot Unsloth Core, Studio, and Desktop for local inference and model training. Use for Unsloth environment setup, LoRA/QLoRA supervised fine-tuning…

    de magnus919 · Paquete de plugins

    Publicado en: Community GitHub marketplaces · Describe casi la misma tarea

  • training-hub

    LLM post-training — unified interface for SFT, OSFT, LoRA fine-tuning, and GRPO reinforcement learning

    de Red Hat AI Innovation Team · Paquete de plugins

    Publicado en: Community GitHub marketplaces · Describe casi la misma tarea

  • together-ai-skills

    A collection of skills that teach coding agents how to use the Together AI platform, including chat completions, image generation, video, audio, embeddings, fine-tuning, batch…

    de togethercomputer · Paquete de plugins

    Publicado en: Claude Code: claude-plugins-community · Describe casi la misma tarea

  • ml-training

    Model architectures, tokenization, fine-tuning, post-training, distributed training, optimization.

    de Kalaris Labs · Paquete de plugins

    Publicado en: Community GitHub marketplaces · Describe casi la misma tarea

  • llm-application-dev

    LLM application development, prompt engineering, and AI assistant optimization

    de Seth Hobson · Paquete de plugins

    Publicado en: Community GitHub marketplaces · Describe casi la misma tarea

Su ficha, con plugins similares por marketplace

Qué dice cada uno que hace

llm-engineering-skills

En sus propias palabras, en Community GitHub marketplaces:

Collection of LLM engineering skills for PyTorch, Transformers, LoRA, and MLX

Orchestrator

En sus propias palabras, en Official MCP Registry:

Let one coding-agent CLI consult another: Codex, Claude Code, OpenCode, Copilot or Antigravity.

Cómo ejecutar cada uno

llm-engineering-skills

No hay datos para un comando automático: lo que declaran sus marketplaces no dice de forma inequívoca cómo conectarlo.

Orchestrator Como servidor MCP local: paquete PyPI

Claude Code
claude mcp add --env "ORCHESTRATOR_CONFIG=<YOUR_ORCHESTRATOR_CONFIG>" --env "ORCHESTRATOR_HOST_RUNTIME=<YOUR_ORCHESTRATOR_HOST_RUNTIME>" --transport stdio orchestrator-mcp -- uvx orchestrator-mcp-server

Requiere: ORCHESTRATOR_CONFIG, ORCHESTRATOR_HOST_RUNTIME

Comandos construidos solo con lo que declaran los marketplaces; el conjunto completo para cada cliente está en la ficha de cada uno.

Herramientas que declara cada uno

Los marketplaces de ninguno de los dos publican una lista de herramientas, así que no hay nada que comparar.

Ajustes que pide cada uno

Los marketplaces de llm-engineering-skills no publican los ajustes que pide, así que no comparamos ajustes.

Qué puede hacer: llm-engineering-skills · Qué puede hacer: Orchestrator · Comparar otros dos plugins

Datos de Community GitHub marketplaces. Datos de Official MCP Registry. Datos de PyPI (MCP servers). Las cifras proceden de nuestros propios recorridos periódicos por los marketplaces, leída por última vez el . No publicamos datos de contacto de los editores de plugins.

De dónde salen los datos: cómo se elabora el catálogo