MCP y Python: 4 prompts para crear plugins como un jefe

Mira, colega, llevo tiempo dándole vueltas a esto de los Model Context Protocols (MCP) y cómo se integran con Python. Y tío, si estás programando plugins para ChatGPT, Claude o cualquier otro asistente, necesitas tener esto claro. No es teoría, es práctica pura.

El MCP es básicamente el pegamento que permite que tu código Python hable con modelos de lenguaje. Olvídate de hacer integraciones manuales, usar APIs de mierda o tener que reinventar la rueda cada vez. Aquí van 4 prompts que te van a ahorrar horas.

Prompt 1: Estructura base de un plugin MCP en Python

Genera un plugin MCP en Python con la siguiente estructura:

• Archivo principal plugin.py que herede de BasePlugin
• Implementa los métodos: on_start(), on_message(), on_tool_call()
• Usa el decorador @tool para exponer 2 funciones:
• get_weather(lat, lon) que devuelva datos mock
• calculate_sum(a, b) que sume dos números
• Incluye logging básico
• Añade un archivo requirements.txt con las dependencias mínimas (mcp, requests, python-dotenv)
• El código debe ser funcional, no pseudocódigo

Prompt 2: Plugin MCP con autenticación JWT

Crea un plugin MCP en Python que implemente autenticación JWT para un servicio REST. Requisitos:

• middleware de verificación de tokens en cada request
• endpoint /login que devuelva un token mock
• 2 herramientas expuestas: get_user_data(user_id) y update_profile(user_id, data)
• manejo de errores con códigos HTTP personalizados
• usa asyncio para las operaciones I/O
• guarda los tokens en un diccionario en memoria (no hagas persistencia aún)
• incluye un decorador @requires_auth que valide el token antes de ejecutar la tool

Prompt 3: Plugin MCP con caché y rate limiting

Desarrolla un plugin MCP en Python que implemente:

• Caché LRU con time-to-live configurable (por defecto 5 minutos)
• Rate limiting por usuario (máximo 10 requests por minuto)
• 3 herramientas: get_stock_price(symbol), get_news(category, limit), search_docs(query)
• las respuestas deben cachearse según la URL y parámetros
• si se supera el rate limit, devolver un error 429 con tiempo de espera
• usa functools.lru_cache para la caché básica y un decorador personalizado para el rate limiting
• el código debe ser modular (separar cache.py, rate_limiter.py y plugin.py)

Prompt 4: Plugin MCP con base de datos SQLite

Programa un plugin MCP en Python que gestione una base de datos SQLite para notas personales:

• tabla notas con campos: id (INTEGER PK AUTOINCREMENT), titulo (TEXT), contenido (TEXT), fecha_creacion (TIMESTAMP)
• herramientas CRUD: create_note(titulo, contenido), get_note(id), list_notes(), update_note(id, titulo=None, contenido=None), delete_note(id)
• implementa manejo de transacciones (commit/rollback)
• usa context managers para las conexiones
• las consultas deben ser parametrizadas (nada de SQL injection, colega)
• incluye una herramienta search_notes(query) que busque en título y contenido usando LIKE
• el archivo BD debe crearse automáticamente si no existe

Y tú, ¿qué prompts usas para construir tus plugins MCP en Python? Cuéntame en los comentarios, que siempre se aprende algo nuevo.