Claude MCP Tools

Un ecosistema de servidores MCP para integrarse con Claude Desktop y Claude Code CLI de Anthropic.

Documentación

⚠️ ARCHIVADO — Claude-MCP-tools

Este repositorio ha sido archivado. Toda su funcionalidad ha sido superada por el ecosistema nativo de habilidades de OpenClaw, Desktop Commander y los conectores MCP de la comunidad.

Concepto de enrutamiento (AgenticSeek): La idea de enrutamiento inteligente de proveedores continúa como referencia de diseño para futuras funciones de enrutamiento consciente de costos de OpenClaw.

Fecha de decisión: 2026-02-14 Motivo: Se evaluaron 14 servidores MCP; ninguno aporta valor único más allá de las herramientas existentes.

Claude MCP Tools

Ecosistema profesional de servidores del Protocolo de Contexto de Modelo (MCP) para la integración con Claude Desktop de Anthropic y la CLI de Claude Code.

🎯 Estado actual: Sistema de IA multiproveedor probado y listo para producción ✅

Última actualización: 2 de junio de 2025
Estado de las pruebas: ⭐ PRUEBAS EXHAUSTIVAS COMPLETADAS - Puntuación general de 94/100
Número de servidores: 21 servidores MCP operativos (consolidados de 25)
Validación de herramientas: Las 7 categorías principales de herramientas MCP verificadas y funcionando perfectamente
Rendimiento: Tiempos de respuesta inferiores a un segundo en todas las herramientas
Integración: 3/3 escenarios de flujos de trabajo complejos probados y funcionales
Estado del sistema: Integración con Claude Code probada con una tasa de éxito del 100%
Logro: Sistema de memoria integral y retención de contexto mejorada

Descripción general

Este repositorio proporciona un ecosistema listo para producción de 21 servidores MCP que permiten flujos de trabajo avanzados de desarrollo asistido por IA. Los servidores facilitan la interacción de Claude con sistemas externos, API y herramientas de desarrollo mediante implementaciones estandarizadas del Protocolo de Contexto de Modelo.

Capacidades clave

Desarrollo híbrido con IA: Integración perfecta entre Claude Desktop y la CLI de Claude Code
Enrutamiento de IA multiproveedor: Enrutamiento inteligente entre proveedores de IA locales y en la nube con optimización de costos
Gestión avanzada de memoria: Almacenamiento persistente de contexto con grafos enriquecidos de entidad-relación
Automatización de escritorio: Automatización integral de GUI y capacidades de prueba
Mejora del flujo de trabajo de desarrollo: Análisis de código, formato, escaneo de seguridad y gestión de proyectos

Arquitectura

Ecosistema de servidores (21 servidores)

Servidores personalizados de producción (12)

Claude Code Integration MCP ⭐ PROBADO Y VERIFICADO - Delegación de tareas y análisis de proyectos
AgenticSeek MCP - Enrutamiento de IA multiproveedor (DeepSeek local, OpenAI, Google Gemini)
Vibetest MCP - Enjambre de pruebas QA de navegador multiagente
Code Formatter MCP - Envoltorio de Black/Prettier para formato de código
Security Scanner MCP - Escaneo de vulnerabilidades con pip-audit y npm audit
Windows Computer Use MCP - Automatización de escritorio con captura de pantalla
Containerized Computer Use MCP - Automatización de GUI aislada con Docker
API Gateway MCP - Enrutamiento unificado para API de OpenAI y Anthropic
Financial Datasets MCP - Integración y análisis de datos financieros
N8n Workflow Generator MCP - Plataforma de automatización de flujos de trabajo
Docker Orchestration MCP - Gestión del ciclo de vida de contenedores
Knowledge Memory MCP - Almacenamiento persistente basado en vectores

Servidores integrados de terceros (9)

GitHub Integration MCP - Gestión y automatización de repositorios
Firecrawl Custom MCP - Raspado web y extracción de contenido
ScreenPilot MCP - Detección y automatización avanzada de elementos de UI
SQLite MCP - Operaciones de base de datos local
Memory MCP (Oficial) - Implementación estándar de memoria MCP
Filesystem MCP - Operaciones seguras de archivos con sandboxing de rutas
Sequential Thinking MCP - Marco estructurado de resolución de problemas
Playwright MCP - Automatización y pruebas de navegador
Fantasy Premier League MCP - Análisis y datos deportivos

Compatibilidad de plataformas

Categoría de servidor	Claude Desktop	Claude Code	Notas
Enrutamiento de IA	✅	✅	Enrutamiento inteligente multiproveedor
Gestión de memoria	✅	✅	Contexto persistente compartido
Inteligencia de código	✅	✅	Análisis, formato, seguridad
Automatización de escritorio	✅	❌	Requiere entorno GUI
Servicios de API	✅	✅	Integración REST/GraphQL
Gestión de contenedores	✅	✅	Orquestación de Docker

Inicio rápido

Requisitos previos

Python 3.11+ o Node.js 18+
Claude Desktop o CLI de Claude Code
Framework FastMCP para el desarrollo de servidores personalizados

Instalación

Clonar el repositorio:

git clone https://github.com/GrimFandango42/Claude-MCP-tools.git
cd Claude-MCP-tools

Instalar las dependencias principales:

# Install FastMCP framework
pip install fastmcp python-json-logger

# Install development tools (optional)
pip install black prettier pip-audit safety

Configurar Claude Desktop:

# Copy configuration template
cp claude_desktop_config_template.json $CLAUDE_CONFIG_PATH

# Edit configuration with your API keys and paths
# Location: %APPDATA%\Claude\claude_desktop_config.json (Windows)

Reiniciar Claude Desktop para cargar los servidores

Verificación

Prueba tu configuración preguntando a Claude:

"Search memory for server status and show me what MCP servers are available"

Funciones principales

Arquitectura con memoria como prioridad

Todos los servidores se integran con el sistema Memory MCP para contexto persistente:

Almacenamiento de entidades: Proyectos, servidores, procesos y conocimiento
Mapeo de relaciones: Descubrimiento de información conectada
Continuidad entre sesiones: Preservación del contexto entre conversaciones
Conocimiento buscable: Búsqueda de una sola palabra clave con resultados completos

Enrutamiento inteligente de IA

AgenticSeek MCP proporciona selección inteligente de proveedores de IA:

Procesamiento local: IA DeepSeek gratuita y privada (prioridad de privacidad)
API en la nube: OpenAI GPT-3.5/4 (prioridad de velocidad) y Google Gemini (prioridad de costo)
Enrutamiento inteligente: Selección automática de proveedor según las características de la tarea
Optimización de costos: Estimación de costos transparente y optimización

Mejora del flujo de trabajo de desarrollo

Herramientas integrales para el desarrollo asistido por IA:

Análisis de código: Análisis de AST, métricas de complejidad, resolución de símbolos
Garantía de calidad: Formato automático, linting y escaneo de seguridad
Delegación de tareas: Integración con Claude Code para tareas de codificación complejas
Inteligencia de proyectos: Análisis automatizado de bases de código y recomendaciones

Implementación del servidor

Patrón básico de servidor

from fastmcp import FastMCP

mcp = FastMCP("server-name")

@mcp.tool()
async def process_data(input: str, options: dict = None) -> dict:
    """Process data with specified options."""
    # Server implementation
    return {"status": "success", "result": processed_data}

if __name__ == "__main__":
    mcp.run(transport="stdio")

Esquema de configuración

{
  "mcpServers": {
    "server-name": {
      "command": "python",
      "args": ["path/to/server.py"],
      "cwd": "working/directory",
      "env": {
        "API_KEY": "your-api-key",
        "LOG_LEVEL": "INFO"
      },
      "keepAlive": true,
      "stderrToConsole": true
    }
  }
}

Uso del sistema de memoria

Flujo de trabajo de sesión

Iniciar sesiones buscando en la memoria el contexto relevante
Documentar descubrimientos en la memoria durante el trabajo
Crear relaciones entre componentes conectados
Finalizar sesiones actualizando la memoria con los resultados

Patrones de búsqueda efectivos

# Search for project context
mcp__memory__search_nodes("server")
mcp__memory__search_nodes("consolidation") 
mcp__memory__search_nodes("FastMCP")

# Search by entity type
mcp__memory__search_nodes("configuration")
mcp__memory__search_nodes("documentation")

Directrices de desarrollo

Estándares de desarrollo de servidores

Framework FastMCP: Usar para todos los nuevos servidores MCP
Patrones asíncronos: Implementación adecuada de async/await
Manejo de errores: Gestión y registro de errores integral
Integración de memoria: Documentar descubrimientos en Memory MCP
Pruebas: Pruebas independientes antes de la integración con Claude Desktop

Estándares de calidad de código

Registro: Registro estructurado solo en stderr (stdout reservado para JSON-RPC)
Anotaciones de tipo: Anotación de tipo completa para mejores herramientas
Documentación: Docstrings enriquecidos para herramientas y funciones
Seguridad: Validación de entrada y gestión segura de claves de API

Solución de problemas

Problemas comunes

Problema	Solución
El servidor no se conecta	Revisar los registros en `%APPDATA%\Claude\logs\mcp-server-{name}.log`
Errores de importación de FastMCP	Instalar en los site-packages del sistema: `pip install --target system fastmcp`
Inconsistencia en la búsqueda de memoria	Usar palabras clave individuales en lugar de frases de varias palabras
La configuración no se carga	Reiniciar Claude Desktop después de los cambios de configuración
Conflictos del bucle de eventos de AsyncIO	Usar patrones async/await adecuados, evitar `asyncio.run()`

Configuración de depuración

{
  "stderrToConsole": true,
  "env": {
    "MCP_LOG_LEVEL": "DEBUG",
    "CLAUDE_CODE_MOCK": "true"
  }
}

Logros recientes

2 de junio de 2025 - Pruebas y validación integrales de MCP completadas ✅

Pruebas completas del sistema: Puntuación general de 94/100 con las 7 categorías principales de herramientas funcionando perfectamente
Validación de herramientas en vivo: Memory (27 entidades), AgenticSeek (4 proveedores de IA), Firecrawl, GitHub, SQLite operativos
Flujos de trabajo de integración: 3/3 escenarios complejos probados y verificados como funcionales
Excelencia en rendimiento: Tiempos de respuesta inferiores a un segundo en todas las herramientas MCP
Framework de pruebas: Suite de pruebas automatizada creada para validación continua
Estructura de memoria integral: 27 entidades, 31 relaciones para el conocimiento del proyecto
Pruebas de integración con Claude Code: Tasa de éxito del 100% (2/2 tareas completadas)
Documentación mejorada: Instrucciones profesionales del sistema y plantillas de flujos de trabajo
Consolidación de servidores: Optimizado de 25 a 21 servidores con mayor eficiencia

31 de mayo de 2025 - Sistema de enrutamiento de IA completado ✅

Servidor MCP AgenticSeek: Resolución del error de AsyncIO con éxito operativo del 100%
Integración multiproveedor: DeepSeek local, OpenAI GPT-3.5/4, Google Gemini
Optimización inteligente de costos: Selección inteligente de proveedor según las características de la tarea

Estructura del proyecto

Claude-MCP-tools/
├── servers/                    # MCP server implementations
│   ├── agenticseek-mcp/       # Multi-provider AI routing
│   ├── claude-code-integration-mcp/  # Claude Code CLI bridge
│   ├── windows-computer-use/   # Desktop automation
│   └── ...                    # Additional servers
├── docs/                      # Comprehensive documentation
├── scripts/                   # Deployment and testing scripts
├── archive/                   # Historical and deprecated files
├── CLAUDE.md                  # Development guidelines
├── PROJECT_STATUS_UPDATED.md  # Current project status
└── CONFIG_UPDATE_COMPLETE.md  # Configuration management guide

Contribuciones

¡Agradecemos las contribuciones! Consulta nuestras directrices de desarrollo:

Seguir los patrones de FastMCP para el desarrollo de servidores
Usar Memory MCP para documentar descubrimientos y soluciones
Probar de forma independiente antes de la integración con Claude Desktop
Actualizar la documentación con nuevas capacidades

Licencia

Licencia MIT - consulta LICENSE para más detalles.

Soporte y recursos

Documentación: Guías completas en el directorio /docs/
Directrices de desarrollo: Consulta CLAUDE.md para estándares y patrones
Estado del proyecto: Estado actual en PROJECT_STATUS_UPDATED.md
Flujo de trabajo de memoria: MEMORY_WORKFLOW_GUIDE.md para gestión de contexto
Plantillas de sesión: SESSION_CONTEXT_TEMPLATE.md para trabajo estructurado

Agradecimientos

Construido sobre la especificación del Protocolo de Contexto de Modelo de Anthropic. Aprovecha el framework FastMCP para una implementación eficiente de servidores y el servidor oficial Memory MCP para el almacenamiento persistente de contexto.

Estado: Listo para producción | Última actualización: 2 de junio de 2025 | Servidores: 21 operativos