Publicado el Tue Oct 06 2026 00:00:00 GMT+0000 (Coordinated Universal Time) por Miguel Gonzalez Herrera

Usar Claude o ChatGPT para buscar jurisprudencia es cómodo, pero tiene un coste que en un despacho pesa: todo lo que escribes o adjuntas en el chat se envía al modelo. Si pegas un contrato o una demanda para pedir sentencias relacionadas, ese texto sale de tu ordenador. En esta guía verás cómo montar lo mismo con un modelo de lenguaje que funciona en tu propio equipo: Ollama como modelo, AnythingLLM como ventana de chat y el MCP de Apify para buscar en el CENDOJ.

⚠️ Es experimental. Funciona, pero un modelo local pequeño usa las herramientas peor que Claude o ChatGPT: a veces elige mal la herramienta, rellena mal los parámetros o se inventa parte de la respuesta. Verifica siempre las sentencias en la fuente original antes de usarlas.

🔒 ¿Por qué un modelo local?

• Privacidad: tus conversaciones y los documentos que compartas en el chat se quedan en tu ordenador. No se envían a OpenAI ni a Anthropic.
• Coste: no pagas suscripción ni tokens de Claude o ChatGPT.
• Independencia: el modelo no depende de ninguna empresa ni de tener conexión a internet, solo de tu equipo.

¿Qué sale entonces de tu ordenador? Solo los términos de búsqueda que el agente envía a Apify y al CENDOJ. Los resultados son sentencias públicas. Basta con no poner datos personales ni confidenciales en la búsqueda en sí.

🧩 Qué vamos a montar

Tú ──► AnythingLLM (chat y agente) ──► Ollama + gemma4:e4b (local)
            │
            └──► MCP de Apify (nube) ──► legaltech/cendoj ──► CENDOJ

• Ollama ejecuta el modelo de lenguaje en tu máquina. Usaremos gemma4:e4b.
• AnythingLLM le pone una ventana de chat encima, para que en el día a día lo uses igual que ChatGPT o Claude.
• El MCP de Apify es el conector que da acceso al actor legaltech/cendoj, que busca sentencias, autos y acuerdos en el CENDOJ y permite filtrarlos por jurisdicción, tribunal, tipo de resolución y fechas.

💻 Qué necesitas

• RAM: 16 GB como mínimo; 32 GB recomendados.
• Procesador / GPU: Apple Silicon (M1 o superior) o una GPU NVIDIA con 8 GB de VRAM como mínimo.
• Disco libre: unos 15 GB. Solo el modelo son unos 9,6 GB.
• Sistema: macOS 13+, Windows 10/11 o Linux.
• Una cuenta de Apify. Si aún no la tienes, créala aquí.

Sin GPU funciona, pero muy lento: puede tardar minutos por respuesta.

1️⃣ Paso 1: Instala Ollama y el modelo

Este es el único paso en el que hay que usar la terminal: una ventana donde se escriben órdenes en lugar de pulsar botones. Puede imponer si no la has abierto nunca, pero solo hay que copiar y pegar una orden.

1. Descarga e instala Ollama desde ollama.com/download.

2. Abre la terminal:

   • Mac: pulsa Cmd + Espacio, escribe Terminal y pulsa Intro.
   • Windows: pulsa la tecla Windows, escribe Terminal (o PowerShell) y pulsa Intro.

3. Copia esta orden, pégala en la terminal y pulsa Intro. Descarga el modelo, así que puede tardar un rato:

   ollama pull gemma4:e4b

🎉 ¡Enhorabuena! Ya tienes un modelo de lenguaje funcionando en tu ordenador.

2️⃣ Paso 2: Instala y configura AnythingLLM

1. Descarga AnythingLLM Desktop desde anythingllm.com/download e instálalo.
2. Ve a Settings → AI Providers → LLM y elige:
   • Provider: Ollama
   • Base URL: http://127.0.0.1:11434 (normalmente se detecta sola)
   • Model: gemma4:e4b
3. Crea un workspace (por ejemplo, legaltech). En su configuración, sección Agent Configuration, selecciona también Ollama y gemma4:e4b como modelo del agente.

3️⃣ Paso 3: Copia tu token de Apify

Ve a Apify Console → Settings → API & Integrations y copia tu Personal API token (empieza por apify_api_...).

🔐 Trátalo como una contraseña: no lo compartas y, si se filtra, revócalo y crea uno nuevo desde la misma pantalla.

4️⃣ Paso 4: Conecta Apify a AnythingLLM

1. En AnythingLLM, ve a Settings → Agent Skills → MCP Servers y pulsa el icono del libro. Se abre un archivo de texto con la configuración.

2. Borra lo que tenga y pega esto. Cambia TU_APIFY_TOKEN por tu token del paso 3, dejando la palabra Bearer y un espacio delante. Guarda el archivo.

   {
     "mcpServers": {
       "apify": {
         "type": "streamable",
         "url": "https://mcp.apify.com/?tools=actors,docs,runs,storage,tasks,legaltech/cendoj,legaltech/hacienda,legaltech/tribunal-constitucional,legaltech/tjue,legaltech/fiscalia,legaltech/catastro,legaltech/ine,legaltech/aepd",
         "headers": {
           "Authorization": "Bearer TU_APIFY_TOKEN"
         }
       }
     }
   }

3. Vuelve a Settings → Agent Skills → MCP Servers y pulsa Refresh. «Apify» debe aparecer como On, con su lista de herramientas.

5️⃣ Paso 5: Activa solo las herramientas que vas a usar

El conector de Apify trae unas 30 herramientas, y la descripción de cada una se envía al modelo en cada mensaje. Con todas activas, a un modelo pequeño no le queda espacio para pensar: se queda colgado o se inventa herramientas.

En Settings → Agent Skills → MCP Servers → Apify, deja activas solo estas tres:

• ✅ legaltech--cendoj: buscar sentencias y extraer su texto.
• ✅ get-actor-run: consultar si una búsqueda larga ha terminado.
• ✅ get-dataset-items: recoger los resultados de esa búsqueda.

Todas las demás, desactivadas. Si más adelante quieres usar otra fuente (Catastro, TC, TJUE, INE…), activa solo su herramienta legaltech--… y desactiva la del CENDOJ: mejor de una en una.

6️⃣ Paso 6: Busca sentencias

Abre un chat nuevo en tu workspace y empieza el mensaje con @agent, que es lo que activa el uso de herramientas. Prueba con alguno de estos ejemplos:

@agent busca 5 sentencias sobre cláusula suelo

@agent busca 5 sentencias sobre gastos hipotecarios

@agent busca 5 sentencias sobre IRPH

@agent busca 5 sentencias de la jurisdicción social sobre despido improcedente

Cuando el agente usa el conector verás un aviso como «MCP server: apify:legaltech—cendoj completed successfully». Si pulsas la flecha >, puedes ver qué parámetros envió el modelo al CENDOJ.

✅ Buenas prácticas

• Abre un chat nuevo cada pocas búsquedas. Los resultados ocupan mucho espacio y el modelo se pierde.
• Pide pocos resultados (5–10).
• Verifica siempre. Busca el ROJ en poderjudicial.es o abre el PDF. El modelo puede resumir mal o mezclar datos.
• Si el modelo se queda corto, prueba uno más grande con la misma configuración (por ejemplo, qwen3.6:35b-a3b si tienes 32 GB de RAM o más). Es más lento, pero acierta más.

🧭 ¿Local o Claude y ChatGPT?

Un modelo local no sustituye a Claude o ChatGPT: acierta menos con las herramientas y necesita un ordenador potente. Pero cuando lo que pesa es la confidencialidad, permite trabajar con documentos de clientes sin que salgan del despacho y buscar jurisprudencia desde la misma ventana.

Tienes esta misma configuración, paso a paso y con botones para copiar, en la guía de instalación del conector. Y si te atascas o tienes cualquier duda, escríbenos a legaltechnologybootcamp@gmail.com.

Escrito por Miguel Gonzalez Herrera