馃殾 Gu铆a r谩pida: c贸mo funciona el Model Context Protocol (MCP)

馃殾 Gu铆a r谩pida: c贸mo funciona el Model Context Protocol (MCP)

Tabla de contenidos

驴Qu茅 es el Model Context Protocol (MCP)?

El Model Context Protocol (MCP) es una especificaci贸n abierta para comunicaci贸n segura y en streaming, e integraci贸n de herramientas, entre clientes y servidores de modelos de lenguaje. Permite que los modelos y sus agentes auxiliares compartan contexto y recursos de forma eficiente, entre plataformas, herramientas y flujos de trabajo distintos.

MCP define convenciones para compartir prompts, recursos y flujos de agentes, y es una pieza clave para construir sistemas de agentes de IA modulares y composables.

Caracter铆sticas de dise帽o

  • Intercambio de contexto estandarizado: comunicaci贸n estructurada entre modelos, agentes y herramientas.
  • Herramientas extensibles: integrar sistemas de archivos, fetchers y herramientas personalizadas con agentes LLM.
  • Flexibilidad de transporte: funciona sobre HTTP streamable y stdio (entrada/salida est谩ndar), lo que simplifica las integraciones.
  • Ciclo de vida y seguridad claros: autenticaci贸n basada en pol铆ticas y gesti贸n flexible de sesiones.

Para arquitectura y documentaci贸n de desarrollo, consulta:

Capa de transporte de MCP

MCP es intencionalmente simple pero potente. El protocolo define c贸mo se comunican agentes y servidores, con dos mecanismos principales de transporte:

  • HTTP streamable: env铆a y recibe contexto y eventos como un flujo de datos en tiempo real sobre HTTP.
  • Stdio (entrada/salida est谩ndar): permite que agentes y herramientas se comuniquen por pipes de terminal, 煤til para prototipos locales o scripts composables en cualquier lenguaje.

Ver: Documentaci贸n de transportes

Ejemplos de servidores y clientes MCP

Puedes explorar listas y ejemplos de c贸digo abierto de clientes y servidores compatibles con MCP aqu铆:

Paso a paso: usar Fast Agent con MCP

As铆 puedes configurar un agente MCP (Fast Agent) desde cero:

1. Crear y activar un entorno virtual e instalar dependencias

uv venv
.venv\Scripts\activate
uv pip install fast-agent-mcp
fast-agent setup

2. Configurar tu API key

Edita fastagent.secrets.yaml y a帽ade la clave de tu proveedor de LLM. Para OpenAI, ver: Obtener API key

api_key: sk-... # Tu clave de OpenAI

3. Configurar el proveedor de LLM

Define el proveedor y el modelo en tu configuraci贸n (ver documentaci贸n de Fast Agent).

4. Registrar servidores (herramientas) con el cliente

Actualiza la configuraci贸n para a帽adir servidores MCP: 隆esas son las herramientas de tu agente!

servers = ["filesystem", "fetch"]

5. Ejecutar el agente

uv run agent.py

Ejemplo de uso y flujos de trabajo

Puedes definir agentes y flujos con Fast Agent as铆:

from mcp_agent.core.fastagent import FastAgent

fast = FastAgent("Agent Example")

@fast.agent(
    instruction="Given an object, respond only with an estimate of its size.",
    servers=["filesystem", "fetch"]
)
async def main():
    async with fast.run() as agent:
        await agent()

if __name__ == "__main__":
    import asyncio
    asyncio.run(main())

Para ejecutar:

uv run agent.py --model sonnet

Los agentes y flujos pueden encadenarse, ejecutarse en paralelo o incluir entrada humana. Consulta los ejemplos oficiales de Fast Agent y las listas de clientes/servidores MCP.

Video de inicio r谩pido

Mira el recorrido en YouTube.

Referencias

Etiquetas :
Compartir :