TheModelDesk

El Model Context Protocol (MCP) funciona como una interfaz estandarizada para exponer herramientas, recursos y prompts a los agentes de IA. Al igual que REST lo hizo con las API web, MCP permite a los desarrolladores crear herramientas una sola vez como servidores que cualquier cliente compatible puede reutilizar, ya sea de forma local mediante stdio o remota a través de HTTP.

Este tutorial muestra cómo implementar una arquitectura MCP utilizando FastMCP, una biblioteca de Python que simplifica la creación de servidores mediante decoradores similares a los de FastAPI. Para conectar estos servidores con un agente de IA, se utiliza langchain-mcp-adapters, que permite a LangChain v1 integrar herramientas de múltiples fuentes de manera fluida.

El stack tecnológico incluye Ollama para ejecutar el modelo Qwen (específicamente qwen3.5:4b), el cual ofrece soporte nativo para la llamada a herramientas. La configuración del ejemplo consiste en un servidor FastMCP local que proporciona utilidades básicas, como el conteo de palabras, y un servidor remoto de DeepWiki para acceder a datos de repositorios de GitHub.

Al separar las herramientas en servidores independientes, el agente actúa como un script coordinador que fusiona las herramientas tanto locales como remotas. Este enfoque asegura que el LLM permanezca local, interactuando con servicios externos únicamente cuando el modelo así lo decida.