MCP Server Tutorial: El Plugin Definitivo que tus Prompts Necesitan

Mira, colega, si llevas un tiempo usando ChatGPT o Claude, sabes que el límite más grande no es la IA, sino cómo conectarla con el mundo real. Aquí es donde entran los MCP servers (Model Context Protocol). No es teoría, es lo más práctico que vas a leer hoy. Te explico: un MCP server es como un plugin que le da superpoderes a tu modelo de lenguaje, permitiéndole acceder a bases de datos, APIs o archivos locales. Olvídate de prompts genéricos, vamos al lío.

¿Qué necesitas para montar tu MCP server?

Tranquilo, no necesitas ser un ingeniero. Con Node.js instalado y un editor de texto, ya tienes medio camino andado. El MCP server funciona como un intermediario: tu prompt le pide datos, el servidor los busca donde sea (una base de datos SQL, un archivo Excel, una API de clima) y te devuelve la información en tiempo real. ¿El resultado? Respuestas con datos frescos, no alucinaciones de la IA.

3 Prompts Funcionales para tu MCP Server

Aquí van los prompts que puedes copiar-pegar ahora mismo. Cada uno está diseñado para un escenario real:

Prompt 1: Conectar con base de datos local

Quiero crear un MCP server que se conecte a mi base de datos SQLite local. Dame el código básico en Node.js usando el SDK de MCP. Incluye la conexión, una función para consultar tablas y devolver los resultados como JSON. Usa variables de entorno para la ruta de la base de datos.

Prompt 2: Integrar API de clima en tiempo real

Necesito un MCP server que consuma la API de OpenWeatherMap. El servidor debe tener un endpoint que reciba el nombre de una ciudad y devuelva temperatura, humedad y descripción del clima. Usa fetch nativo de Node.js y maneja errores si la ciudad no existe. Pon la API key como variable de entorno.

Prompt 3: Leer archivos locales para análisis

Desarrolla un MCP server que pueda leer archivos CSV desde una carpeta local. La función principal debe aceptar el nombre del archivo y devolver el contenido como array de objetos. Incluye validación para evitar leer archivos fuera de la carpeta permitida (seguridad, tío). Usa fs y csv-parser.

Cómo implementarlo paso a paso

Primero, instala el SDK de MCP: npm install @modelcontextprotocol/sdk. Luego, crea un archivo server.js y pega el código que te genera el prompt que más te sirva. Lo clave es definir bien las herramientas (tools) que tu servidor expondrá. Por ejemplo, si quieres que tu ChatGPT pueda consultar tu base de datos de clientes, defines una herramienta get_clients que ejecuta una consulta SQL.

El truco está en que el MCP server se comunica mediante JSON-RPC. No te asustes, es solo un formato estándar para que la IA sepa qué funciones tiene disponibles. Una vez que lo tienes corriendo (con node server.js), lo conectas a tu cliente de IA favorito. En Claude Desktop, por ejemplo, solo añades la ruta del servidor en la configuración.

¿Por qué esto es un cambiazo?

Porque dejas de hacer prompts que son como disparar en la oscuridad. Ahora le dices: "Dame el último pedido del cliente X", y el MCP server va a tu base de datos, lo busca y te lo devuelve. Sin alucinaciones, sin datos inventados. Y lo mejor: puedes tener varios MCP servers corriendo a la vez, uno para cada fuente de datos.

Mi recomendación: empieza con algo pequeño, como el servidor de archivos CSV. Es el más fácil de probar y te dará una idea clara de cómo funciona el flujo. Luego, ya puedes lanzarte a bases de datos o APIs externas.

Y tú, colega, ¿qué prompt usas para conectar tu IA con datos reales?