Plugins de LM Studio: cuáles instalar y comment

#¿Por qué plugins en LM Studio?

LM Studio es un excelente entorno de ejecución local: descarga un GGUF o un MLX, ejecuta el modelo en tu GPU o en tu chip de Apple y ofrece un chat o una API compatible con OpenAI. Pero el chat básico sigue limitado al texto que el modelo tiene en memoria. No hay acceso a la web, no se pueden leer archivos locales, no se pueden ejecutar herramientas, no hay integración con otras aplicaciones.

Los plugins de LM Studio llenan este vacío. Permiten ampliar la app sin modificar el motor de inferencia: se añaden herramientas que el modelo puede llamar durante una conversación, se transforman los prompts antes de que lleguen al modelo, se integra una lógica de generación personalizada. Todo esto se ejecuta en el proceso de LM Studio, por lo que todo permanece local, en consonancia con el enfoque estricto de autoalojamiento de la app.

#Los 5 tipos de componentes de un plugin

Un plugin LM Studio puede proporcionar cinco tipos de componentes. Un mismo plugin puede combinar varios, pero cada uno tiene un papel bien definido:

Tools Providers

Exponen herramientas (funciones) que el modelo puede llamar durante la generación. Es el equivalente del «function calling»: el modelo decide cuándo llamar a la herramienta, lee el resultado y continúa razonando. Ejemplos típicos: leer un archivo, hacer una solicitud HTTP, ejecutar un comando, consultar una base de datos.

Prompt Preprocessors

Transforman el prompt antes de que llegue al modelo. Útiles para inyectar contexto (RAG, resúmenes), ocultar PII o reescribir la solicitud del usuario en un formato que el modelo prefiera.

Generators

Proporcionan un backend personalizado de generación en lugar del motor llama.cpp/MLX por defecto. Caso avanzado: redirigir ciertas solicitudes a otro runtime, a un mock para hacer pruebas o a un servidor remoto que controlas.

Custom Configuration

Muestra campos de configuración en la interfaz de LM Studio (interruptores, controles deslizantes, campos de texto). El usuario ajusta el plugin sin tocar el código. El plugin lee estos valores al ejecutarse.

Third-Party Dependencies

Lista los paquetes npm de terceros necesarios para el plugin. LM Studio los instala al compilar el plugin, en el entorno de ejecución de Node integrado.

#Instalar un plugin desde el Hub

La forma más sencilla de añadir un plugin a LM Studio es a través del Hub oficial. Cada plugin publicado tiene una página dedicada con un botón «Add to LM Studio» y un enlace profundo estable.

1. 01
   1. Buscar el plugin en lmstudio.ai

   Navega en el Hub LM Studio hasta la página del plugin que te interese. La URL canónica tiene el formato `https://lmstudio.ai/<creator>/<plugin-name>`.
2. 02
   2. Hacer clic en « Add to LM Studio »

   El botón abre un enlace profundo que solicita a tu aplicación local de LM Studio que instale el plugin. Si LM Studio está abierto, la instalación se realiza en unos segundos. Si no, el enlace profundo inicia la aplicación.
3. 03
   3. Verificar en la lista de plugins

   Una vez instalado, el plugin aparece en la sección Plugins de LM Studio. Puedes activarlo, configurarlo (si la opción Custom Configuration está disponible) o desactivarlo en cualquier momento.
4. 04
   4. Usar el plugin

   LM Studio ejecuta automáticamente el plugin cuando es necesario. En el caso de un Tools Provider, el modelo puede invocar la herramienta durante la conversación. En el caso de un Prompt Preprocessor, la transformación se aplica silenciosamente a cada prompt.

#Conectar un servidor MCP a través de mcp.json

MCP (Model Context Protocol) es un estándar abierto que permite a servidores externos exponer herramientas utilizables por cualquier host compatible. LM Studio es un host MCP desde la versión 0.3.17. En concreto, puedes conectar un servidor MCP (oficial o de terceros) y sus herramientas pasan a estar disponibles en el chat, exactamente como las herramientas de un Tools Provider.

La versión 0.3.18 introdujo dos mejoras útiles: un botón para forzar el reinicio de un servidor MCP que hubiera fallado y un botón de actualización para recargar la lista de herramientas expuestas sin reiniciar toda la aplicación.

Dos formas de añadir un servidor MCP: un enlace profundo « Add to LM Studio » desde la página del servidor, o la edición manual del archivo `mcp.json`. Esta segunda opción pasa por la pestaña « Program » en la barra lateral derecha → botón `Install` → `Edit mcp.json`.

{
  "mcpServers": {
    "hf-mcp-server": {
      "url": "https://huggingface.co/mcp",
      "headers": {
        "Authorization": "Bearer <YOUR_HF_TOKEN>"
      }
    }
  }
}

La notación `mcp.json` es compatible con la de Cursor: si ya tienes un archivo MCP en Cursor, puedes reutilizar los mismos bloques. Cada entrada bajo `mcpServers` describe un servidor (URL HTTP o comando local, encabezados de autenticación, variables de entorno).

#Crear tu propio plugin con el SDK lmstudio-js

Para ir más allá de los plugins existentes de LM Studio, LM Studio ofrece un SDK oficial en TypeScript/JavaScript: `lmstudio-js`, publicado en npm como `@lmstudio/sdk`. El SDK cubre toda la API de plugins: declaración de componentes, acceso al modelo, gestión de la configuración y comunicación con la app.

npm install @lmstudio/sdk --save

Para crear un plugin desde cero, lo más sencillo es usar la CLI `lms` (incluida con LM Studio). Tres comandos cubren lo esencial de su ciclo de vida:

1. 01
   1. lms create — estructura inicial

   Crea una nueva carpeta de plugin con la estructura esperada: manifiesto, código TypeScript y dependencias. Puedes elegir el tipo de componente principal (Tools Provider, Prompt Preprocessor, Generator). El SDK y los tipos ya están integrados.
2. 02
   2. lms dev — modo desarrollo

   Desde la carpeta del plugin, `lms dev` inicia el modo de desarrollo. El código se recompila y se vuelve a cargar cada vez que se guarda, y el plugin aparece en la lista de plugins de la app LM Studio como si estuviera instalado. Iteración rápida, sin un ciclo manual de compilación e instalación.
3. 03
   3. lms push — publicar en el Hub

   Cuando el plugin esté listo, `lms push` lo publica en el Hub LM Studio. Cualquiera puede instalarlo a través del enlace profundo `https://lmstudio.ai/<vous>/<nom-plugin>`. El versionado y los metadatos se gestionan mediante el manifiesto del proyecto.

#Seguridad: fuentes, permisos, consumo excesivo

Los plugins de LM Studio y los servidores MCP abren el proceso de la aplicación a código de terceros. No es algo trivial.

Código arbitrario

Un MCP local puede ejecutar cualquier comando en tu sistema operativo. Lee el código o confía en el mantenedor antes de instalarlo.

Acceso a archivos

Un servidor MCP con una herramienta `read_file` puede potencialmente leer todo lo que tu usuario pueda leer. Restringe el acceso mediante `allowed_tools` o mediante rutas explícitas en el servidor.

Acceso a red

Un MCP puede realizar solicitudes de salida (posible exfiltración). Revisa la lista de destinos en la configuración y bloquea mediante el firewall si es necesario.

Consumo excesivo de tokens

Los MCP diseñados para modelos en la nube (grandes ventanas de contexto, muchas herramientas) pueden inyectar una gran cantidad de contexto. En un modelo local más pequeño, esto degrada el rendimiento y la calidad de las respuestas.

Regla básica: un plugin/MCP que instales debe tener un mantenedor identificable, un repositorio accesible y un caso de uso claro. En caso de duda, lee el código antes de hacer clic en «Add to LM Studio».

#Novedades del verano de 2026: v0.4.20, Linux y Bionic

LM Studio 0.4.20 (22 de julio de 2026) refuerza sobre todo el uso en red: endpoints pensados para empresas y modelos «device» controlables a distancia mediante LM Link. Tus plugins existentes siguen funcionando: el sistema sigue siendo JavaScript/TypeScript ejecutado en Node, con las mismas familias de componentes (proveedor de herramientas, preprocesador de prompt, generador, configuración personalizada) y el modo de desarrollador lms dev, que recarga el plugin en caliente.

En Linux, los plugins se almacenan en ~/.config/LMStudio/plugins — útil para versionarlos con git o sincronizarlos entre máquinas. El resto del flujo de trabajo (instalación, servidores MCP a través de mcp.json) es idéntico en Windows y macOS.

#Para ir más allá

Los plugins y los servidores MCP convierten LM Studio en una plataforma: un mismo entorno de ejecución local puede dar servicio ahora a un chat enriquecido, un agente autónomo, un IDE con asistente o un backend para tus propias apps. Lo recomendable es empezar con algo pequeño (un MCP oficial, un plugin del Hub), comprender su comportamiento y después crear tu propio Tools Provider cuando surja una necesidad concreta.

Si estás empezando con LM Studio o quieres usarlo como backend para otras herramientas, las guías que aparecen a continuación completan esta visión general.