¡Los clientes locales de MCP están muy subestimados! Todo el mundo está usando Cursor, Claude Desktop y ChatGPT como anfitriones de MCP, pero si estás construyendo tus propias aplicaciones que soportan MCP, necesitas clientes personalizados. Aquí está el problema: escribir clientes de MCP desde cero es doloroso y consume mucho tiempo. Hoy, te mostraré cómo construir clientes personalizados de MCP en minutos, no en horas. Para probar esto, construí un asistente de IA totalmente privado y definitivo que puede: - Conectarse a cualquier servidor MCP - Automatizar el uso del navegador - Extraer datos de la web sin problemas - Controlar la terminal de mi computadora - Procesar imágenes, audio y documentos - Recordar todo con gráficos de conocimiento ¿El secreto? mcp-use — un marco 100% de código abierto que hace que la integración de MCP sea trivial. Construir agentes personalizados de MCP toma 3 pasos: 1. Define la configuración de tu servidor MCP 2. Conecta cualquier LLM con el cliente MCP 3. Despliega tu agente Eso es todo. Sin configuraciones complejas, sin dependencias propietarias. ¿La mejor parte? Todo se ejecuta localmente. Tus datos permanecen privados y tú controlas toda la pila. Desglose completo con código...👇

Desglosemos esto explorando cada integración y entendiendo cómo funciona, utilizando código e ilustraciones:

1️⃣ Servidor MCP de Stagehand Comenzamos permitiendo que nuestro Agente controle un navegador, navegue por páginas web, tome capturas de pantalla, etc., utilizando @Stagehanddev MCP. A continuación, hice una consulta sobre el clima, y el Agente respondió de forma autónoma iniciando una sesión de navegador. Mira esto👇

2️⃣ Servidor MCP de Firecrawl A continuación, añadimos capacidades de scraping, crawling e investigación profunda al Agente. mcp-use admite la conexión a múltiples servidores MCP simultáneamente. Así que añadimos la configuración MCP de @firecrawl_dev a la configuración existente e interactuamos con ella. Revisa esto👇

3️⃣ Servidor MCP de Graphiti Hasta ahora, nuestro Agente no tiene memoria. Olvida todo después de cada tarea. El Graphiti de @Zep_ai es un servidor MCP que proporciona a nuestro agente una capa de memoria en tiempo real basada en gráficos. También puedes visualizar este gráfico en Neo4j. Mira esto👇

4️⃣ Servidor Ragie MCP A continuación, proporcionamos capacidades RAG multimodales al Agente para procesar textos, imágenes, videos, audios, documentos, etc. Está impulsado por @ragieai MCP. A continuación, le pedí que enumerara proyectos en mi PDF de MCP (un documento complejo), y respondió perfectamente. Revisa esto👇

5️⃣ Servidor MCP de GitIngest A continuación, para atender las necesidades de los desarrolladores, permitimos que nuestro Agente chatee con cualquier repositorio de GitHub. A continuación, pregunté sobre la pila tecnológica de mi flujo de escritor de libros proporcionando el enlace del repositorio. Extrajo la información correcta utilizando el servidor MCP. Mira esto👇

6️⃣ Servidor MCP de terminal Finalmente, le damos a nuestro Agente control de terminal para ejecutar comandos para el desarrollador si es necesario. Proporciona herramientas como: - leer/escribir/buscar/mover archivos - ejecutar un comando - crear/listar directorios, etc. Revisa esto👇

Por último, lo envolvemos en una interfaz de Streamlit, donde podemos cambiar dinámicamente la configuración de MCP. Esto nos da un asistente de IA local definitivo al 100% que puede navegar, raspar, tiene memoria, recuperar de una base de conocimientos multimodal y mucho más. Mira esta demostración👇

¡Eso es todo! Si te pareció interesante, compártelo con tu red. Encuéntrame → @akshay_pachaar ✔️ ¡Para obtener información práctica y tutoriales sobre LLMs, agentes de IA y aprendizaje automático!