Skip to content

README.md

Latest commit

 

History

History
390 lines (321 loc) · 12.9 KB

README.md

File metadata and controls

390 lines (321 loc) · 12.9 KB

🔧 Módulo 3: Desarrollo Avanzado de MCP con AI Toolkit

Duración AI Toolkit Python MCP SDK Inspector

🎯 Objetivos de Aprendizaje

Al finalizar este laboratorio, podrás:

  • ✅ Crear servidores MCP personalizados usando AI Toolkit
  • ✅ Configurar y utilizar el último MCP Python SDK (v1.9.3)
  • ✅ Configurar y usar MCP Inspector para depuración
  • ✅ Depurar servidores MCP tanto en Agent Builder como en Inspector
  • ✅ Comprender flujos de trabajo avanzados para desarrollo de servidores MCP

📋 Requisitos Previos

  • Haber completado el Laboratorio 2 (Fundamentos de MCP)
  • VS Code con la extensión AI Toolkit instalada
  • Entorno Python 3.10+
  • Node.js y npm para la configuración de Inspector

🏗️ Lo que Construirás

En este laboratorio crearás un Servidor MCP de Clima que demostrará:

  • Implementación personalizada de un servidor MCP
  • Integración con AI Toolkit Agent Builder
  • Flujos de trabajo profesionales de depuración
  • Uso moderno del SDK MCP

🔧 Resumen de Componentes Principales

🐍 MCP Python SDK

El SDK Python del Protocolo de Contexto de Modelo proporciona la base para construir servidores MCP personalizados. Usarás la versión 1.9.3 con capacidades mejoradas de depuración.

🔍 MCP Inspector

Una herramienta poderosa para depuración que ofrece:

  • Monitoreo en tiempo real del servidor
  • Visualización de la ejecución de herramientas
  • Inspección de solicitudes y respuestas de red
  • Entorno interactivo de pruebas

📖 Implementación Paso a Paso

Paso 1: Crear un WeatherAgent en Agent Builder

  1. Abre Agent Builder en VS Code a través de la extensión AI Toolkit
  2. Crea un nuevo agente con la siguiente configuración:
    • Nombre del agente: WeatherAgent

Creación de Agente

Paso 2: Inicializar el Proyecto del Servidor MCP

  1. Ve a Herramientas → Agregar Herramienta en Agent Builder
  2. Selecciona "MCP Server" entre las opciones disponibles
  3. Elige "Crear un nuevo servidor MCP"
  4. Selecciona la plantilla python-weather
  5. Nombra tu servidor: weather_mcp

Selección de Plantilla Python

Paso 3: Abrir y Examinar el Proyecto

  1. Abre el proyecto generado en VS Code
  2. Revisa la estructura del proyecto: 
    weather_mcp/
├── src/
│   ├── __init__.py
│   └── server.py
├── inspector/
│   ├── package.json
│   └── package-lock.json
├── .vscode/
│   ├── launch.json
│   └── tasks.json
├── pyproject.toml
└── README.md

Paso 4: Actualizar al Último MCP SDK

🔍 ¿Por qué actualizar? Queremos usar el último MCP SDK (v1.9.3) y el servicio Inspector (0.14.0) para obtener funciones mejoradas y mejores capacidades de depuración.

4a. Actualizar dependencias de Python

Edita pyproject.toml: actualiza ./code/weather_mcp/pyproject.toml

4b. Actualizar configuración de Inspector

Edita inspector/package.json: actualiza ./code/weather_mcp/inspector/package.json

4c. Actualizar dependencias de Inspector

Edita inspector/package-lock.json: actualiza ./code/weather_mcp/inspector/package-lock.json

📝 Nota: Este archivo contiene definiciones extensas de dependencias. A continuación se muestra la estructura esencial; el contenido completo asegura la resolución correcta de dependencias.

⚡ Paquete completo: El package-lock.json completo contiene unas ~3000 líneas de definiciones de dependencias. Lo anterior muestra la estructura clave; usa el archivo proporcionado para la resolución completa.

Paso 5: Configurar la Depuración en VS Code

Nota: Por favor copia el archivo en la ruta especificada para reemplazar el archivo local correspondiente

5a. Actualizar configuración de lanzamiento

Edita .vscode/launch.json:

{
  "version": "0.2.0",
  "configurations": [
    {
      "name": "Attach to Local MCP",
      "type": "debugpy",
      "request": "attach",
      "connect": {
        "host": "localhost",
        "port": 5678
      },
      "presentation": {
        "hidden": true
      },
      "internalConsoleOptions": "neverOpen",
      "postDebugTask": "Terminate All Tasks"
    },
    {
      "name": "Launch Inspector (Edge)",
      "type": "msedge",
      "request": "launch",
      "url": "http://localhost:6274?timeout=60000&serverUrl=http://localhost:3001/sse#tools",
      "cascadeTerminateToConfigurations": [
        "Attach to Local MCP"
      ],
      "presentation": {
        "hidden": true
      },
      "internalConsoleOptions": "neverOpen"
    },
    {
      "name": "Launch Inspector (Chrome)",
      "type": "chrome",
      "request": "launch",
      "url": "http://localhost:6274?timeout=60000&serverUrl=http://localhost:3001/sse#tools",
      "cascadeTerminateToConfigurations": [
        "Attach to Local MCP"
      ],
      "presentation": {
        "hidden": true
      },
      "internalConsoleOptions": "neverOpen"
    }
  ],
  "compounds": [
    {
      "name": "Debug in Agent Builder",
      "configurations": [
        "Attach to Local MCP"
      ],
      "preLaunchTask": "Open Agent Builder",
    },
    {
      "name": "Debug in Inspector (Edge)",
      "configurations": [
        "Launch Inspector (Edge)",
        "Attach to Local MCP"
      ],
      "preLaunchTask": "Start MCP Inspector",
      "stopAll": true
    },
    {
      "name": "Debug in Inspector (Chrome)",
      "configurations": [
        "Launch Inspector (Chrome)",
        "Attach to Local MCP"
      ],
      "preLaunchTask": "Start MCP Inspector",
      "stopAll": true
    }
  ]
}

Edita .vscode/tasks.json:

{
  "version": "2.0.0",
  "tasks": [
    {
      "label": "Start MCP Server",
      "type": "shell",
      "command": "python -m debugpy --listen 127.0.0.1:5678 src/__init__.py sse",
      "isBackground": true,
      "options": {
        "cwd": "${workspaceFolder}",
        "env": {
          "PORT": "3001"
        }
      },
      "problemMatcher": {
        "pattern": [
          {
            "regexp": "^.*$",
            "file": 0,
            "location": 1,
            "message": 2
          }
        ],
        "background": {
          "activeOnStart": true,
          "beginsPattern": ".*",
          "endsPattern": "Application startup complete|running"
        }
      }
    },
    {
      "label": "Start MCP Inspector",
      "type": "shell",
      "command": "npm run dev:inspector",
      "isBackground": true,
      "options": {
        "cwd": "${workspaceFolder}/inspector",
        "env": {
          "CLIENT_PORT": "6274",
          "SERVER_PORT": "6277",
        }
      },
      "problemMatcher": {
        "pattern": [
          {
            "regexp": "^.*$",
            "file": 0,
            "location": 1,
            "message": 2
          }
        ],
        "background": {
          "activeOnStart": true,
          "beginsPattern": "Starting MCP inspector",
          "endsPattern": "Proxy server listening on port"
        }
      },
      "dependsOn": [
        "Start MCP Server"
      ]
    },
    {
      "label": "Open Agent Builder",
      "type": "shell",
      "command": "echo ${input:openAgentBuilder}",
      "presentation": {
        "reveal": "never"
      },
      "dependsOn": [
        "Start MCP Server"
      ],
    },
    {
      "label": "Terminate All Tasks",
      "command": "echo ${input:terminate}",
      "type": "shell",
      "problemMatcher": []
    }
  ],
  "inputs": [
    {
      "id": "openAgentBuilder",
      "type": "command",
      "command": "ai-mlstudio.agentBuilder",
      "args": {
        "initialMCPs": [ "local-server-weather_mcp" ],
        "triggeredFrom": "vsc-tasks"
      }
    },
    {
      "id": "terminate",
      "type": "command",
      "command": "workbench.action.tasks.terminate",
      "args": "terminateAll"
    }
  ]
}

🚀 Ejecutar y Probar tu Servidor MCP

Paso 6: Instalar Dependencias

Después de hacer los cambios de configuración, ejecuta los siguientes comandos:

Instalar dependencias de Python:

uv sync

Instalar dependencias de Inspector:

cd inspector
npm install

Paso 7: Depurar con Agent Builder

  1. Presiona F5 o usa la configuración "Debug in Agent Builder"
  2. Selecciona la configuración compuesta desde el panel de depuración
  3. Espera a que el servidor inicie y Agent Builder se abra
  4. Prueba tu servidor MCP de clima con consultas en lenguaje natural

Introduce un prompt como este

SYSTEM_PROMPT

You are my weather assistant

USER_PROMPT

How's the weather like in Seattle

Resultado de Depuración en Agent Builder

Paso 8: Depurar con MCP Inspector

  1. Usa la configuración "Debug in Inspector" (Edge o Chrome)
  2. Abre la interfaz de Inspector en http://localhost:6274
  3. Explora el entorno interactivo de pruebas:
    • Visualiza las herramientas disponibles
    • Prueba la ejecución de herramientas
    • Monitorea solicitudes de red
    • Depura las respuestas del servidor

Interfaz MCP Inspector

🎯 Resultados Clave de Aprendizaje

Al completar este laboratorio, has:

  • Creado un servidor MCP personalizado usando plantillas de AI Toolkit
  • Actualizado al último MCP SDK (v1.9.3) para funcionalidad mejorada
  • Configurado flujos de trabajo profesionales de depuración para Agent Builder e Inspector
  • Configurado MCP Inspector para pruebas interactivas del servidor
  • Dominado configuraciones de depuración en VS Code para desarrollo MCP

🔧 Funcionalidades Avanzadas Exploradas

Funcionalidad Descripción Caso de Uso
MCP Python SDK v1.9.3 Última implementación del protocolo Desarrollo moderno de servidores
MCP Inspector 0.14.0 Herramienta interactiva de depuración Pruebas en tiempo real del servidor
Depuración en VS Code Entorno de desarrollo integrado Flujo profesional de depuración
Integración con Agent Builder Conexión directa con AI Toolkit Pruebas completas de agentes

📚 Recursos Adicionales

🎉 ¡Felicidades! Has completado con éxito el Laboratorio 3 y ahora puedes crear, depurar y desplegar servidores MCP personalizados usando flujos de trabajo profesionales de desarrollo.

🔜 Continúa al Siguiente Módulo

¿Listo para aplicar tus habilidades MCP en un flujo de trabajo real? Continúa con Módulo 4: Desarrollo Práctico de MCP - Servidor Clonador Personalizado de GitHub donde:

  • Construirás un servidor MCP listo para producción que automatiza operaciones en repositorios GitHub
  • Implementarás funcionalidad de clonación de repositorios GitHub vía MCP
  • Integrarás servidores MCP personalizados con VS Code y GitHub Copilot Agent Mode
  • Probarás y desplegarás servidores MCP personalizados en entornos de producción
  • Aprenderás automatización práctica de flujos de trabajo para desarrolladores

Aviso legal:
Este documento ha sido traducido utilizando el servicio de traducción automática Co-op Translator. Aunque nos esforzamos por la precisión, tenga en cuenta que las traducciones automáticas pueden contener errores o inexactitudes. El documento original en su idioma nativo debe considerarse la fuente autorizada. Para información crítica, se recomienda la traducción profesional realizada por humanos. No nos hacemos responsables de malentendidos o interpretaciones erróneas derivadas del uso de esta traducción.