Container Diet
k1lgor · Programación
Container Diet es una herramienta de línea de comandos de código abierto que lee tus imágenes Docker y tus Dockerfiles, y luego te dice exactamente qué está desperdiciando espacio y dónde están los agujeros de seguridad. Se apoya en un modelo de IA que tú eliges para explicar los problemas en lenguaje sencillo y sugerir arreglos que puedes aplicar de forma automática. Puedes ejecutarla a mano, integrarla en un pipeline de CI/CD o llamarla desde tu editor de IA como servidor MCP.
Acerca de Container Diet
Qué es Container Diet
Container Diet es una herramienta de optimización de imágenes Docker escrita en Go. La apuntas a un Dockerfile o a una imagen en ejecución, descompone la cosa capa por capa y entrega los detalles a un modelo de IA para que los revise. La salida no es una lista seca. La personalidad de la herramienta es la de una nutricionista descarada que se burla de tu contenedor inflado y luego te dice cómo recortarlo.
El problema que resuelve le resulta familiar a cualquiera que publique contenedores. Un Dockerfile que funcionaba bien hace seis meses va acumulando capas basura, imágenes base desactualizadas y permisos sueltos que se amontonan mientras nadie mira con la suficiente atención. Nadie lo nota hasta que la imagen pesa 2 GB y alguien pregunta por qué. Entonces todo es una emergencia. Container Diet detecta eso a tiempo, antes de que llegue a producción.
Una limitación honesta por delante: la herramienta funciona con IA, así que la calidad de sus consejos depende del modelo que conectes. Un modelo local pequeño a través de Ollama te dará comentarios gratis pero contundentes. Un modelo de frontera da respuestas más afiladas y te cuesta tokens. Además, es una CLI y un servidor MCP, no una interfaz gráfica. Si no vives en una terminal, hay una curva de aprendizaje.
Cómo empezar
- Instala la CLI con
go install github.com/k1lgor/container-diet/cmd/cli@latest, así el binario queda en tu ruta de binarios de Go. - Ejecuta
container-diet init-configpara generar un archivo de configuración, luego abre~/.config/container-diet/config.yamly descomenta el proveedor de IA que quieras usar. - Pega la clave API de tu proveedor, o apóntala a una instancia local de Ollama si prefieres no pagar por solicitud.
- Analiza un archivo con
container-diet analyze --dockerfile Dockerfile --auto-fixpara obtener consejos más unDockerfile.dietoptimizado. - Añade
--format jsoncuando quieras que los resultados alimenten un pipeline de CI o cualquier otro script.
Información del producto
Un vistazo rápido a los precios, las plataformas compatibles y el rendimiento de Container Diet.
Ideal para
Los usuarios, tareas y casos de uso en los que esta herramienta encaja mejor.
Usuarios
- Ingenieros de backend y DevOps que publican imágenes Docker y quieren un segundo par de ojos antes del lanzamiento.
- Desarrolladores en solitario que ejecutan contenedores con presupuesto ajustado, ya que la herramienta funciona gratis con un modelo local de Ollama.
- Equipos que estandarizan Dockerfiles y necesitan una revisión coherente y automatizada en lugar de arreglos improvisados.
Tareas
- Reducir el tamaño de la imagen
- Revisión de seguridad
- Puertas de CI/CD
Casos de uso
- Limpiar un Dockerfile heredado que se ha vuelto un desastre tras años de parches rápidos.
- Incorporar un repositorio nuevo y comprobar si su configuración de contenedor sigue algún estándar sensato.
- Pedirle a tu asistente de código con IA que revise un Dockerfile desde dentro del editor a través de la integración MCP.
Funciones clave
Backend de IA multiproveedor
Container Diet no te ata a un solo proveedor de IA. Incluye adaptadores para 12 o más proveedores, entre ellos OpenAI, Anthropic, OpenRouter, Groq, DeepSeek, Mistral, xAI, Perplexity, Moonshot y Hugging Face. También puedes apuntarla a un endpoint personalizado o ejecutarla totalmente sin conexión mediante Ollama. Cambiar es una bandera, no una reescritura. Una palabra y listo.
Generación de arreglos automáticos
La bandera --auto-fix va más allá del consejo. Escribe un archivo Dockerfile.diet junto al original, con los cambios sugeridos ya aplicados. Revisas el diff, te quedas con lo que funciona y tiras el resto. Convierte una lista de quejas en algo que de verdad puedes ejecutar. Sin copiar y pegar fragmentos a mano.
Análisis de capas de imágenes Docker
Más allá de los Dockerfiles, la herramienta inspecciona imágenes reales. Puede leer de tu daemon local, extraer de un registro con --remote o traer automáticamente una imagen que falte. Obtienes un desglose de lo que pesa cada capa, que es la vía más rápida para encontrar la grasa en un contenedor que no construiste tú. ¿Qué capa es la culpable? El informe te lo dice sin rodeos.
Servidor MCP para editores de IA
Container Diet también funciona como servidor de Model Context Protocol, así que asistentes como Claude Desktop, Cursor, Claude Code y Codex pueden llamarla directamente. Expone cuatro herramientas, incluida una que devuelve métricas rápidas de la imagen sin gastar tokens de IA. No hay claves API en la configuración MCP, porque el servidor las lee de tu archivo de configuración existente.
Salida JSON lista para CI/CD
Añade --format json y el análisis vuelve como datos estructurados con el texto del consejo y el arreglo generado. Ese es el formato que quieres cuando un pipeline necesita interpretar resultados y decidir si aprueba o falla una compilación. Sin interpretar un bloque de salida de terminal charlatana, y sin gimnasia con expresiones regulares para sacar lo útil.
Configuración en capas y ajustable
La configuración se carga desde tres sitios en orden de prioridad: una bandera --config, un archivo a nivel de proyecto .container-diet/config.yaml y un archivo global en ~/.config/container-diet/config.yaml. Las entradas posteriores anulan las anteriores, lo que significa que un repositorio puede llevar sus propias elecciones de proveedor y modelo y seguir recurriendo a tus valores predeterminados globales. Es una tontería, pero evita que los equipos discutan sobre qué ajustes ganan.
Ventajas y desventajas
Ventajas
- Completamente gratis y de código abierto, sin tarifa por asiento, ya que tú aportas tu propia clave de IA.
- Funciona con el proveedor de IA que ya pagas, incluida una configuración local de Ollama gratis.
- La salida de arreglo automático ahorra tiempo real frente a leer consejos y editar el Dockerfile a mano.
- El soporte MCP te deja revisar contenedores desde dentro de un editor de IA sin cambiar de herramienta.
Desventajas
- Es solo una CLI, así que quien espere un panel visual se llevará un chasco.
- La salida de la IA es tan buena como el modelo que configures, y los modelos más débiles pueden pasar por alto problemas sutiles.
- El uso gratuito aún necesita una clave de proveedor o un modelo local, así que hay configuración antes de la primera ejecución.
Preguntas frecuentes
Sí. La herramienta tiene licencia MIT y es de código abierto. Tu único coste es lo que cobre el proveedor de IA que elijas, y eso es cero si ejecutas un modelo local a través de Ollama.
Contenido relacionado
Explora herramientas, habilidades y artículos relacionados con Container Diet.
Alternativas a Container Diet
Forefront
Forefront · ProgramaciónForefront es una plataforma web para construir con IA de código abierto. Te deja ajustar los principales modelos de lenguaje de código abierto con tus propios datos, evaluar cómo rinden y ejecutarlos a través de una API o exportarlos para alojarlos tú mismo. Los desarrolladores que quieren la comodidad de una plataforma cerrada pero insisten en ser dueños de sus modelos y sus datos son el público objetivo.
Startkit
StartKit.AI · ProgramaciónStartkit es un boilerplate para crear productos de SaaS con IA y wrappers de IA. Piénsalo como un boilerplate para startups de IA con las partes aburridas ya conectadas: autenticación, pagos con Stripe y Lemon Squeezy, límites de uso, correo transaccional y un kit de inicio de API de IA que habla con OpenAI, Anthropic, Groq o Llama. Clonas el repositorio, pones tu precio y te dedicas a la parte del producto por la que la gente paga de verdad. Está hecho con Next.js sobre React y Tailwind, así que buena parte del código boilerplate ya te resulta familiar.
Testim
Tricentis · ProgramaciónTestim es una plataforma de automatización de pruebas impulsada por IA para crear y ejecutar pruebas de extremo a extremo en aplicaciones web, móviles y Salesforce. Se apoya en el aprendizaje automático para mantener las pruebas estables cuando cambia una interfaz, así que los equipos dedican menos tiempo a reparar selectores rotos. No está nada mal para una herramienta de pruebas automatizadas que puedes empezar a usar hoy mismo. Creas pruebas grabando acciones en un navegador y luego añades JavaScript cuando necesitas más control. Es una opción sólida para equipos de QA con mucho trabajo.