Skip to content

README.md

Latest commit

 

History

History
151 lines (120 loc) · 5.91 KB

README.md

File metadata and controls

151 lines (120 loc) · 5.91 KB
Raw

Lección 11: Integración del Protocolo de Contexto de Modelo (MCP)

Introducción al Protocolo de Contexto de Modelo (MCP)

El Protocolo de Contexto de Modelo (MCP) es un marco innovador diseñado para estandarizar las interacciones entre modelos de IA y aplicaciones cliente. MCP actúa como un puente entre los modelos de IA y las aplicaciones que los utilizan, proporcionando una interfaz consistente sin importar la implementación subyacente del modelo.

Aspectos clave de MCP:

  • Comunicación Estandarizada: MCP establece un lenguaje común para que las aplicaciones se comuniquen con los modelos de IA.
  • Gestión de Contexto Mejorada: Permite el paso eficiente de información contextual a los modelos de IA.
  • Compatibilidad Multiplataforma: Funciona con varios lenguajes de programación, incluidos C#, Java, JavaScript, Python y TypeScript.
  • Integración Sencilla: Facilita a los desarrolladores la integración de diferentes modelos de IA en sus aplicaciones.

MCP es especialmente valioso en el desarrollo de agentes de IA, ya que permite a los agentes interactuar con diversos sistemas y fuentes de datos a través de un protocolo unificado, haciendo que los agentes sean más flexibles y potentes.

Objetivos de Aprendizaje

  • Comprender qué es MCP y su papel en el desarrollo de agentes de IA.
  • Configurar y preparar un servidor MCP para la integración con GitHub.
  • Construir un sistema multiagente utilizando herramientas MCP.
  • Implementar RAG (Generación Aumentada por Recuperación) con Azure Cognitive Search.

Requisitos Previos

  • Python 3.8+
  • Node.js 14+
  • Suscripción a Azure
  • Cuenta de GitHub
  • Conocimientos básicos de Semantic Kernel

Instrucciones de Configuración

  1. Configuración del Entorno

    python -m venv venv
source venv/bin/activate  # On Windows: venv\Scripts\activate
pip install -r requirements.txt

  2. Configurar Servicios de Azure

    • Crear un recurso de Azure Cognitive Search.
    • Configurar el servicio Azure OpenAI.
    • Establecer variables de entorno en .env.

  3. Configuración del Servidor MCP

    npm install -g @modelcontextprotocol/server-github

Estructura del Proyecto

11-mcp/
├── code_samples/
│   ├── github-mcp/
│   │   ├── app.py              # Main application
│   │   ├── event-descriptions.md  # Event data
│   │   └── MCP_SETUP.md        # Setup guide
│   └── mcp-agents/             # Agent-to-agent communication
│       ├── client/             # MCP client implementation
│       ├── server/             # MCP server with agents
│       └── README.md           # Advanced agent examples
├── README.md
└── requirements.txt

Componentes Principales

1. Sistema Multiagente

  • Agente de GitHub: Análisis de repositorios.
  • Agente de Hackathon: Recomendaciones de proyectos.
  • Agente de Eventos: Sugerencias de eventos tecnológicos.

2. Integración con Azure

  • Cognitive Search para indexación de eventos.
  • Azure OpenAI para inteligencia de agentes.
  • Implementación del patrón RAG.

3. Herramientas MCP

  • Análisis de repositorios de GitHub.
  • Inspección de código.
  • Extracción de metadatos.

Revisión del Código

El ejemplo demuestra:

  1. Integración del servidor MCP.
  2. Orquestación multiagente.
  3. Integración con Azure Cognitive Search.
  4. Implementación del patrón RAG.

Características clave:

  • Análisis en tiempo real de repositorios de GitHub.
  • Recomendaciones inteligentes de proyectos.
  • Emparejamiento de eventos utilizando Azure Search.
  • Respuestas en tiempo real con Chainlit.

Ejecución del Ejemplo

Para instrucciones detalladas de configuración y más información, consulta el README del Ejemplo del Servidor MCP en GitHub.

  1. Inicia el servidor MCP:

    npx @modelcontextprotocol/server-github

  2. Lanza la aplicación:

    chainlit run app.py -w

  3. Prueba la integración:

    Example query: "Analyze repositories for username: <github_username>"

Resolución de Problemas

Problemas comunes y soluciones:

  1. Problemas de Conexión con MCP

    • Verifica que el servidor esté en ejecución.
    • Comprueba la disponibilidad del puerto.
    • Confirma los tokens de GitHub.

  2. Problemas con Azure Search

    • Valida las cadenas de conexión.
    • Verifica la existencia del índice.
    • Confirma la carga de documentos.

Próximos Pasos

  • Explorar herramientas adicionales de MCP.
  • Implementar agentes personalizados.
  • Mejorar las capacidades de RAG.
  • Agregar más fuentes de eventos.
  • Avanzado: Consulta mcp-agents/ para ejemplos de comunicación entre agentes.

Recursos

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