MCP + Python: Los plugins que tu IA necesitaba para no parecer tonta

Mira, colega, te voy a ser sincero. Llevo meses viendo tutoriales de ChatGPT, Claude y compañía que prometen automatizarlo todo, pero siempre falta algo: contexto real. Y justo ahí entran los MCP plugins en Python. No, no es otro hype. Es la pieza que convierte a tu IA en un asistente que entiende tu código, tu base de datos y tu servidor.

Si no sabes qué es MCP (Model Context Protocol), piensa en ello como un puente. Tu IA habla con Python, y Python habla con tus herramientas. Sin MCP, tu IA es un becario que no sabe usar el terminal. Con MCP, es un senior con acceso directo al repositorio.

¿Por qué Python y MCP?

Porque Python tiene librerías para todo, y MCP te permite exponer esas funciones a tu IA favorita. ¿Quieres que te lea logs de producción? Que ejecute scripts de mantenimiento? Que te genere informes con datos reales? Con MCP lo haces en 5 minutos.

Vamos al lío. Aquí tienes 4 prompts funcionales para empezar a usar MCP con Python hoy mismo.

1. Levantar tu primer servidor MCP en Python

prompt: Crea un servidor MCP en Python que exponga una herramienta para leer archivos del sistema

Requisito: usa la librería mcp y pathlib

from mcp import Server, Tool

from pathlib import Path

def read_file(path: str) -> str:

return Path(path).read_text()

server = Server("file-reader")

server.add_tool(Tool(

name="read_file",

description="Lee el contenido de un archivo local",

parameters={"path": {"type": "string"}},

function=read_file

))

server.run()

Este script te monta un servidor en segundos. Lo conectas a ChatGPT o Claude, y ya puedes preguntar: "¿Qué hay en el archivo config.json?".

2. Prompt para interactuar con tu base de datos SQLite

prompt: Crea un servidor MCP que ejecute consultas SQL en una base de datos SQLite

Usa sqlite3 y devuelve resultados formateados como JSON

import sqlite3

from mcp import Server, Tool

def query_db(sql: str) -> str:

conn = sqlite3.connect("data.db")

cursor = conn.cursor()

cursor.execute(sql)

rows = cursor.fetchall()

conn.close()

return str(rows)

server = Server("db-query")

server.add_tool(Tool(

name="run_sql",

description="Ejecuta cualquier consulta SQL en data.db",

parameters={"sql": {"type": "string"}},

function=query_db

))

server.run()

Pega esto, cambia data.db por tu base de datos, y tu IA podrá consultar tus tablas sin mover un dedo. "Dame los 5 clientes con más pedidos" ya no es un sueño.

3. Prompt para ejecutar scripts del sistema

prompt: Crea un servidor MCP que ejecute comandos de terminal de forma segura

Solo permite comandos de una whitelist: ls, pwd, cat, echo

import subprocess

from mcp import Server, Tool

WHITELIST = {"ls", "pwd", "cat", "echo"}

def run_command(cmd: str) -> str:

parts = cmd.split()

if parts[0] not in WHITELIST:

return f"Error: {parts[0]} no permitido"

result = subprocess.run(parts, capture_output=True, text=True)

return result.stdout or result.stderr

server = Server("safe-shell")

server.add_tool(Tool(

name="run_shell",

description="Ejecuta comandos de terminal permitidos",

parameters={"cmd": {"type": "string"}},

function=run_command

))

server.run()

¿Ves? Seguridad primero. Tu IA puede hacer ls y cat de tus archivos, pero no rm -rf /. Así no se te va de las manos.

4. Prompt para conectar MCP con una API externa (ej: GitHub)

prompt: Crea un servidor MCP que consulte repositorios de GitHub

Usa la API pública sin autenticación

import requests

from mcp import Server, Tool

def github_repos(user: str) -> str:

resp = requests.get(f"https://api.github.com/users/{user}/repos")

return str([repo["name"] for repo in resp.json()[:5]])

server = Server("github-tools")

server.add_tool(Tool(

name="get_repos",

description="Devuelve los 5 repos más recientes de un usuario de GitHub",

parameters={"user": {"type": "string"}},

function=github_repos

))

server.run()

Ahora tu IA puede decirte: "Los repos de tu usuario son estos". Y tú, sin mover un dedo.

¿Cómo lo pruebas todo esto?

Tío, es más fácil de lo que parece. Instala la librería mcp con pip, pega el código de cada prompt en un archivo .py, ejecútalo, y en el cliente de ChatGPT o Claude añades la URL del servidor (normalmente http://localhost:8000). En minutos tu IA tendrá superpoderes de programación.

Y tú, ¿qué prompt usas para conectar Python con tu IA? Cuéntamelo, que aquí no guardamos secretos entre colegas.