Burbujas coloreadas por rol. System = gris centrado, user = índigo a la derecha, assistant = neutro a la izquierda, tool result = verde. Tool-calls. Expandidos por defecto con argumentos formateados. Se soportan tanto tool_calls de OpenAI como bloques tool_use de Anthropic. Los mensajes de resultado aparecen en su propia burbuja. Code fences e inline code. Bloques con triple backtick van a en monoespaciado, backticks simples a inline. Sin resaltado de sintaxis (no llevamos tokenizer), la indentación se preserva. Referencias de imagen. Los bloques de imagen de Anthropic se muestran como una píldora con la URL o media-type — no cargamos la imagen (la herramienta queda offline). Línea de stats. Formato detectado, número de mensajes, número de tool-calls y estimación rápida de tokens con la misma heurística que nuestro Token Counter.

Comas finales. El JSON estándar no las permite. Si copiaste de un debugger o REPL, puede que tengas que limpiar {...},] → {...}] antes de pegar. Comillas simples. El repr de Python usa simples. Pásalo por json.dumps , o usa un convertidor Python-literal a JSON. System prompt de Anthropic. La instrucción de sistema en la API de Anthropic es un campo top-level, no un mensaje. Si tu dump solo tiene el array de messages, el system prompt no estará — pégalo como {"role": "system", "content": "..."} al principio. Argumentos de tool-call como JSON escapado. OpenAI devuelve arguments como string JSON. Lo desescapamos y formateamos. Si el JSON dentro del string está roto, se muestra el string crudo. Privacidad. Nada sale de la página. Todo el render corre en JS sobre el JSON que pegas. No pegues nada que no pegarías en una app de notas.

Visor de Hilos de Chat

Pega un array de messages de OpenAI o Anthropic (JSON) y míralo como un hilo de chat legible. Coloreado por rol. Parámetros de tool-calls expandibles. Solo navegador, sin subida.

Paste messages JSON (OpenAI / Anthropic / LangChain)

¿Para qué sirve?

Las apps de LLM registran sus conversaciones como arrays JSON de mensajes — eso es lo que se envía a la API y lo que ves en logs de auditoría, trazas de evaluación, datasets de fine-tuning y debug del SDK. Leer esos arrays a ojo es horrible: muros de strings escapados, argumentos de tool-call envueltos en JSON-dentro-de-JSON escapado, prompts de sistema mezclados con el resto. Esta herramienta te da un render rápido en burbujas para que escanees la conversación real, veas qué mensajes incluyeron tool-calls y encuentres el prompt que descarriló.

Qué formatos entiende

OpenAI Chat Completions. [{role, content}, ...] con tool_calls opcionales en mensajes de asistente y role: "tool" para resultados de tool. La forma más común.
Anthropic Messages API. [{role, content: [...]}] donde content es un array de bloques (text, tool_use, tool_result, image). El system prompt suele ir top-level — pégalo como mensaje de sistema si quieres verlo.
Dumps de mensajes de LangChain. [{type: "human" | "ai" | "system", content: ...}] — forma antigua de LangChain, aún común en trazas guardadas.
Objetos wrapper. Si pegas {"messages": [...]} o {"input": [...]}, se desenvuelve automáticamente.

Qué se renderiza

Burbujas coloreadas por rol. System = gris centrado, user = índigo a la derecha, assistant = neutro a la izquierda, tool result = verde.
Tool-calls. Expandidos por defecto con argumentos formateados. Se soportan tanto tool_calls de OpenAI como bloques tool_use de Anthropic. Los mensajes de resultado aparecen en su propia burbuja.
Code fences e inline code. Bloques con triple backtick van a <pre> en monoespaciado, backticks simples a inline. Sin resaltado de sintaxis (no llevamos tokenizer), la indentación se preserva.
Referencias de imagen. Los bloques de imagen de Anthropic se muestran como una píldora con la URL o media-type — no cargamos la imagen (la herramienta queda offline).
Línea de stats. Formato detectado, número de mensajes, número de tool-calls y estimación rápida de tokens con la misma heurística que nuestro Token Counter.

Errores comunes

Comas finales. El JSON estándar no las permite. Si copiaste de un debugger o REPL, puede que tengas que limpiar {...},] → {...}] antes de pegar.
Comillas simples. El repr de Python usa simples. Pásalo por json.dumps, o usa un convertidor Python-literal a JSON.
System prompt de Anthropic. La instrucción de sistema en la API de Anthropic es un campo top-level, no un mensaje. Si tu dump solo tiene el array de messages, el system prompt no estará — pégalo como {"role": "system", "content": "..."} al principio.
Argumentos de tool-call como JSON escapado. OpenAI devuelve arguments como string JSON. Lo desescapamos y formateamos. Si el JSON dentro del string está roto, se muestra el string crudo.
Privacidad. Nada sale de la página. Todo el render corre en JS sobre el JSON que pegas. No pegues nada que no pegarías en una app de notas.