MCP + Python: Cómo usar plugins de IA para controlar tu código como un jefe

Mira, colega, si estás aquí es porque ya te has dado cuenta de que los plugins MCP (Model Context Protocol) no son un meme más del hype de la IA. Son herramientas reales que te permiten que ChatGPT o Claude interactúen directamente con tu código Python, ejecuten funciones, lean archivos y hasta te hagan debugging sin que tú muevas un dedo.

Y no, no es teoría. Es práctica pura y dura. Te voy a enseñar 5 prompts que puedes copiar-pegar ahora mismo para que tu IA se convierta en tu asistente de desarrollo personal. Sin rodeos, al grano.

¿Qué necesitas para empezar?

Antes de lanzarte, asegúrate de tener:

• Python 3.10+ instalado
• Un entorno virtual (por favor, no seas animal y usa venv)
• La librería mcp instalada: pip install mcp

Si no tienes el servidor MCP configurado, usa este comando básico para arrancar:

python -m mcp.server

Ahora sí, los prompts que te van a cambiar el día.

1. Prompt: "Ejecuta este script Python con MCP"

prompt: Ejecuta el siguiente código Python en el servidor MCP y devuélveme el resultado. No me des teoría, solo el output.

Código:

import math

print(math.factorial(10))

Acción: mcp.execute_code("""

import math

print(math.factorial(10))

""")

Este prompt es la navaja suiza. Le dices al modelo que ejecute código directamente y te devuelva el resultado. Útil para probar snippets sin abrir tu terminal. ¿Quieres calcular algo rápido? Pega el código y listo.

2. Prompt: "Lee y analiza este archivo Python"

prompt: Usa el plugin MCP para leer el archivo 'app.py' de mi proyecto y dime si hay algún error de sintaxis o variable no definida.

Acción: mcp.read_file("app.py")

Luego: mcp.analyze_code(file_content)

Aquí le pides que inspeccione tu código como si fuera un revisor senior. Te ahorra horas de debugging tonto. ¿No encuentras por qué tu API no responde? Que la IA lo lea por ti.

3. Prompt: "Crea un script Python desde cero con MCP"

prompt: Genera un script Python que lea un archivo CSV y calcule la media de una columna llamada 'ventas'. Usa pandas.

Luego ejecútalo en el servidor MCP con datos de prueba.

Acción: mcp.generate_and_run("""

import pandas as pd

data = {'ventas': [100, 200, 300, 400]}

df = pd.DataFrame(data)

print(df['ventas'].mean())

""")

Esto es magia negra. Le pides que genere código, lo ejecute y te devuelva el resultado. Ideal cuando no tienes ganas de escribir ni una línea. ¿Necesitas un script rápido? Que lo haga la máquina.

4. Prompt: "Depura este error con MCP"

prompt: Tengo este error en Python: "KeyError: 'nombre'". Dame el código corregido y ejecútalo con MCP para verificar que funciona.

Código original:

diccionario = {"id": 1}

print(diccionario["nombre"])

Acción: mcp.debug_and_run("""

diccionario = {"id": 1, "nombre": "Juan"}

print(diccionario["nombre"])

""")

¿Te ha pasado que un error tonto te tiene bloqueado? Con este prompt, la IA lo corrige, lo ejecuta y te muestra que funciona. Sin vueltas. Directo.

5. Prompt: "Integra MCP con una API externa"

prompt: Usa MCP para hacer una petición GET a la API de JSONPlaceholder (https://jsonplaceholder.typicode.com/posts/1) y devuélveme el título del post.

Acción: mcp.http_get("https://jsonplaceholder.typicode.com/posts/1")

Luego: extrae el campo 'title' del JSON devuelto.

Este es el más potente. Le dices que consuma una API real, procese la respuesta y te dé solo lo que necesitas. ¿Quieres probar una API sin Postman? Esto es más rápido.

¿Por qué esto es un antes y un después?

Mira, tío, hasta ahora los asistentes de IA eran como tener un compañero que te daba consejos pero no podía tocar tu código. Con MCP y Python, el colega ejecuta, prueba y te da resultados. Es como tener a un desarrollador junior que nunca se queja y siempre acierta.

Eso sí, no te confíes. Sigue revisando el código, porque la IA a veces alucina. Pero para tareas repetitivas o debugging rápido, es un chollo.

Y tú, ¿qué prompt usas para que la IA ejecute tu código sin que tengas que mover un dedo?