Hadur

Cuando varios agentes de IA construyen, cada uno, una parte de un sistema a partir de planes separados, las partes tienden a divergir en los puntos de contacto entre ellas. Una función cambia de firma en un plan y sus llamadores no se actualizan, una verificación de seguridad se describe y nunca se aplica, una funcionalidad se construye y nunca se conecta a nada. Hadur comprueba planes y código a partir de un contrato común y responde “¿terminamos?” con un veredicto calculado, y no con una impresión.

Hadur es un conjunto de herramientas en Python que convierte la metodología Contract-First Multi-Plan Review (revisión de varios planes orientada por contrato) en comandos. El equipo escribe un contrato entre planes y un plan por módulo, y Hadur conduce el ciclo de revisión que viene después. Ofrece:

• una herramienta de línea de comandos, hadur, que abre rondas de revisión, asigna cada lente a un revisor distinto, registra hallazgos y calcula el veredicto;
• un servidor MCP de solo lectura, con cinco herramientas y tres recursos, para que cualquier cliente MCP consulte un proyecto;
• un plugin de Claude Code con seis agentes para los roles de la revisión y dos comandos, /hadur-convergence y /hadur-trends;
• siete auditorías estáticas que encuentran problemas sin necesitar un revisor humano: desfase entre la documentación y el código, seguridad, infraestructura, rendimiento, accesibilidad, SEO e integración;
• resúmenes de traspaso de sesión, guardados automáticamente antes de que se compacte una sesión de Claude Code, para que una sesión larga se retome sin pérdidas;
• una interfaz web local y un panel estático.

La revisión alterna dos fases. En una ronda, cada revisor independiente lee un plan y el contrato y reporta hallazgos clasificados como Critical, Major o Minor (crítico, importante o menor). En una oleada, agentes de corrección resuelven los hallazgos y un verificador aparte comprueba cada corrección. El ciclo se repite dentro de una campaña, la unidad que termina en un veredicto.

Cada revisor trabaja bajo una de trece lentes, preguntas fijas que cubren consistencia del contrato, persistencia, seguridad, calidad de las pruebas, alcanzabilidad y más. La decimotercera es un barrido libre y exige dos revisores distintos.

Una campaña solo converge cuando se sostienen cinco cláusulas:

• una ronda completa cubrió las trece lentes;
• toda lente tuvo al menos un despacho limpio, es decir, una ejecución de revisor sin ningún hallazgo Critical o Major;
• todo hallazgo Critical o Major abierto fue reverificado por la lente que lo encontró, en una versión que contiene la corrección;
• un barrido final de las trece lentes sobre la versión que se va a entregar no encuentra Critical ni Major;
• el veredicto informa su antigüedad y enumera cada excepción, como los hallazgos cerrados como wontfix.

Dos reglas mantienen honesto el ciclo. La evidencia nace solo de los comandos: los hallazgos nunca se editan a mano, porque el registro debe ser sellado por los comandos que saben qué lente produjo cada hallazgo. Y la metodología exige un revisor adversario, el Breaker, en toda corrección de un hallazgo Critical; Hadur puede imponerlo con una verificación opcional que se niega a cerrar un Critical sin un ciclo del Breaker concluido. En las cerca de 50 pasadas del Breaker registradas en el propio proyecto, toda primera corrección de un hallazgo Critical fue eludida.

Las pruebas siguen el mismo patrón. Una prueba que nombra un modo de falla debe fallar cuando ese defecto se reintroduce a propósito, y Hadur ejecuta esas mutaciones en una copia aislada del repositorio (un worktree de Git).

Hadur funciona en dos modos. En el modo de planes, lo que se revisa es el conjunto de planes, antes de que exista cualquier código. En el modo de implementación, comprueba las evidencias que deja la construcción: cada afirmación apunta a una prueba, y se vio que cada mutación registrada derribaba su prueba.

Hadur está en desarrollo inicial. La versión actual es la 0.1.0.dev0. Aún no se ha publicado en PyPI y se instala desde el código fuente, con Python 3.11 o superior. Hadur se distribuye bajo la licencia MIT.

Sirve a equipos cuyo proyecto se divide en tres o más planes interdependientes, en los que la divergencia entre planes es el principal riesgo. Una campaña completa no es barata: la metodología estima de 40 a 70 despachos de revisores a lo largo de dos a cuatro semanas, y una campaña aún puede terminar sin converger, caso en el que el veredicto nombra las lentes que siguen con hallazgos abiertos.

Hadur también declara su límite. Verifica artefactos, no atención: puede mostrar que existen un revisor distinto y un briefing fijado, pero no que alguien leyó el código.

Hadur nació de la experiencia con Empenho, un proyecto SaaS de nueve planes que pasó de 318 hallazgos Critical a ninguno, a lo largo de más de treinta oleadas de corrección. Después se aplicó a sí mismo: 44 rondas de revisión en cuatro meses produjeron 576 hallazgos. Una auditoría de ese registro llevó a reescribir la regla de parada en las cláusulas de campaña descritas arriba.

Un análisis de brechas dividió un conjunto planificado por público: la mitad de ingeniería se entregó dentro de Hadur, como los dominios de auditoría, y la mitad de comunicación con el negocio (control de horas, informes para clientes y propuestas comerciales) pasó a Pontifex, el conjunto de herramientas de operación de Sigil Labs. Pontifex lee los hallazgos, las auditorías y el estado de Hadur en un solo sentido, y Hadur no depende de él.