MCP Prompt Optimizer

Optimiza prompts con estrategias respaldadas por investigación para mejoras de rendimiento del 15-74%.

Documentación

MCP Prompt Optimizer

Un servidor MCP (Model Context Protocol) de nivel profesional que proporciona herramientas de optimización de prompts de vanguardia con estrategias respaldadas por investigación que ofrecen mejoras de rendimiento del 15-74%.

✨ Características

🎯 Estrategias Básicas de Optimización

Claridad: Simplifica prompts para mayor precisión y directividad
Especificidad: Añade restricciones y requisitos detallados
Cadena de Pensamiento: Incorpora razonamiento paso a paso
Few-Shot: Incluye formatos de ejemplo como guía
Salida Estructurada: Define una organización clara de la salida
Basado en Roles: Añade contexto de rol experto

🚀 Estrategias Avanzadas de Optimización

Árbol de Pensamientos (ToT): Razonamiento multi-ruta con una tasa de éxito del 74% en tareas complejas
IA Constitucional: Autocrítica y alineación con principios de seguridad
Ingeniero Automático de Prompts (APE): Patrones de instrucción óptimos descubiertos por IA
Meta-Prompting: La IA genera sus propios prompts optimizados
Auto-Refinamiento: Mejora iterativa con ganancias de rendimiento del 20%
TEXTGRAD: Retroalimentación en lenguaje natural como gradientes de optimización
Medprompt: Conjunto de múltiples técnicas que logra una precisión del 90%+
PromptWizard: Prompts auto-evolutivos impulsados por retroalimentación

📋 Plantillas Profesionales por Dominio

Plantillas listas para producción en 11 dominios:

Análisis de Negocios: Marcos de análisis competitivo
Gestión de Producto: Síntesis de investigación de usuarios
Creación de Contenido: Publicaciones de blog técnico con optimización SEO
Desarrollo: Listas de verificación integrales de revisión de código
Comunicación: Actualizaciones para interesados e informes de proyectos
Estrategia: Marcos de planificación OKR
Operaciones: Procedimientos Operativos Estándar (SOPs)
Legal: Terminación de contratos y cumplimiento
Experiencia del Cliente: Encuestas de retroalimentación e información
Análisis de Datos: Información de datos y reportes
Gestión de Reuniones: Agendas efectivas de reuniones

🛠️ Instalación

Configuración Rápida

# Clone the repository
git clone <repository-url>
cd mcp-prompt-optimizer

# Create virtual environment (recommended)
python3 -m venv venv
source venv/bin/activate  # On Windows: venv\Scripts\activate

# Install dependencies
./install.sh

# Or install manually
pip install -r requirements.txt

# Configure Claude Desktop
python3 setup_interactive.py

Configuración Manual

Añade a tu archivo de configuración de Claude Desktop:

macOS: ~/Library/Application Support/Claude/claude_desktop_config.json

Windows: %APPDATA%\Claude\claude_desktop_config.json

Linux: ~/.config/Claude/claude_desktop_config.json

{
  "mcpServers": {
    "prompt-optimizer": {
      "command": "python3",
      "args": ["/path/to/mcp-prompt-optimizer/prompt_optimizer.py"],
      "env": {}
    }
  }
}

🎮 Uso

Comandos Básicos

# Analyze prompt quality
"Analyze this prompt: write a blog post about AI"

# Apply specific optimization
"Optimize this prompt using chain_of_thought: explain machine learning"

# Auto-select best strategy
"Auto-optimize: help me debug this code"

# Get domain template
"Get domain template for code_review_checklist"

Comandos Avanzados

# Use Tree of Thoughts for complex problems
"Apply advanced optimization with tree_of_thoughts: design a microservices architecture"

# Use Constitutional AI for safety-critical tasks
"Apply advanced optimization with constitutional_ai: create content moderation guidelines"

# Use Medprompt for high-accuracy classification
"Apply advanced optimization with medprompt: categorize customer support tickets"

# List available templates
"List all domain templates"

🏗️ Arquitectura

mcp-prompt-optimizer/
├── prompt_optimizer.py      # Main MCP server
├── advanced_strategies.py   # Research-backed optimization strategies
├── domain_templates.py      # Professional domain templates
├── examples.py              # Usage examples and demonstrations
├── setup_interactive.py     # Automated setup script
└── README.md               # This file

🧪 Pruebas

# Run basic tests
./test.sh

# Run usage examples
python3 examples.py

📊 Benchmarks de Rendimiento

Estrategia	Caso de Uso	Mejora de Rendimiento
Árbol de Pensamientos	Razonamiento complejo	Tasa de éxito del 70-74%
Medprompt	Tareas de clasificación	Precisión del 90%+
Auto-Refinamiento	Mejora iterativa	20% por iteración
IA Constitucional	Alineación de seguridad	Alto cumplimiento
Cadena de Pensamiento	Tareas paso a paso	Mejora del 15-25%

🔧 Herramientas Disponibles

Herramientas Principales

analyze_prompt: Analiza la calidad del prompt e identifica problemas
optimize_prompt: Aplica estrategias de optimización específicas
auto_optimize: Selecciona automáticamente la estrategia óptima
get_prompt_template: Devuelve plantillas básicas

Herramientas Avanzadas

advanced_optimize: Aplica estrategias respaldadas por investigación
get_domain_template: Devuelve plantillas profesionales por dominio
list_domain_templates: Lista las plantillas disponibles por dominio

🎯 Guía de Selección de Estrategias

Tipo de Prompt	Estrategia Recomendada
Problemas complejos	`tree_of_thoughts`
Tareas de clasificación	`medprompt`
Críticos para la seguridad	`constitutional_ai`
Requisitos vagos	`meta_prompting`
Necesita refinamiento	`self_refine`
Optimización general	`auto`

🤝 Contribuciones

¡Damos la bienvenida a las contribuciones! Por favor:

Haz un fork del repositorio
Crea una rama de funcionalidad
Añade pruebas para la nueva funcionalidad
Actualiza la documentación
Envía una solicitud de pull

Añadir Nuevas Funcionalidades

Nueva Estrategia: Añadir a advanced_strategies.py
Nueva Plantilla: Añadir a domain_templates.py
Ejemplos: Añadir a examples.py

🐛 Solución de Problemas

Problemas Comunes

¿MCP no funciona?

Verifica la versión de Python: python3 --version (requiere 3.8+)
Instala las dependencias: Ejecuta ./install.sh o pip install -r requirements.txt
Verifica la instalación de MCP: pip show mcp
Revisa los registros de Claude Desktop
Reinicia Claude Desktop

¿Comandos no reconocidos?

Verifica la ubicación del archivo de configuración
Revisa las rutas de archivo en la configuración
Ejecuta el script de configuración nuevamente

Modo de Depuración

# Test server directly
python3 prompt_optimizer.py

# Verbose logging
export MCP_LOG_LEVEL=debug
python3 prompt_optimizer.py

📄 Licencia

Este proyecto está licenciado bajo la Licencia MIT - consulta el archivo LICENSE para más detalles.

🙏 Agradecimientos

Investigación de Princeton, Google DeepMind, Microsoft Research
Marco de IA Constitucional de Anthropic
Marco DSPy de Stanford
Directrices de ingeniería de prompts de OpenAI

📈 Citación

Si utilizas esta herramienta en tu investigación o proyectos, por favor cita:

@software{mcp_prompt_optimizer,
  title={MCP Prompt Optimizer: Research-Backed Prompt Optimization for AI Systems},
  author={Bubobot},
  year={2024},
  url={https://github.com/Bubobot-Team/mcp-prompt-optimizer}
}

Construido con ❤️ para la comunidad de IA

Para preguntas, problemas o contribuciones, visita nuestro repositorio de GitHub.