Unstructured MCP Server

Servidor MCP de la API de Unstructured

Una implementación de servidor MCP para interactuar con la API de Unstructured. Este servidor proporciona herramientas para listar fuentes y flujos de trabajo.

Herramientas disponibles

A continuación se muestra una lista de conectores que el servidor UNS-MCP soporta actualmente; consulte la lista completa de conectores de fuente que la plataforma Unstructured soporta aquí y la lista de destinos aquí. ¡Planeamos agregar más!

Para usar la herramienta que crea/actualiza/elimina un conector, las credenciales para ese conector específico deben definirse en su archivo .env. A continuación se muestra la lista de credentials para los conectores que soportamos:

Fuente Firecrawl

Firecrawl es una API de rastreo web que proporciona dos capacidades principales en nuestro MCP:

1. Recuperación de contenido HTML: Usando invoke_firecrawl_crawlhtml para iniciar trabajos de rastreo y check_crawlhtml_status para monitorearlos
2. Generación de texto optimizado para LLM: Usando invoke_firecrawl_llmtxt para generar texto y check_llmtxt_status para recuperar resultados

Cómo funciona Firecrawl:

Proceso de rastreo web:

• Comienza con una URL especificada y la analiza para identificar enlaces
• Usa el mapa del sitio si está disponible; de lo contrario, sigue los enlaces encontrados en el sitio web
• Recorre recursivamente cada enlace para descubrir todas las subpáginas
• Recopila contenido de cada página visitada, manejando el renderizado de JavaScript y los límites de velocidad
• Los trabajos se pueden cancelar con cancel_crawlhtml_job si es necesario
• Úselo si necesita toda la información extraída en HTML sin procesar; el flujo de trabajo de Unstructured lo limpia muy bien :smile: Generación de texto para LLM:
• Después del rastreo, extrae contenido de texto limpio y significativo de las páginas rastreadas
• Genera formatos de texto optimizados específicamente para modelos de lenguaje grandes
• Los resultados se cargan automáticamente en la ubicación S3 especificada
• Nota: Los trabajos de generación de texto para LLM no se pueden cancelar una vez iniciados. La función cancel_llmtxt_job se proporciona por consistencia, pero actualmente no es compatible con la API de Firecrawl.

Nota: Se debe establecer una variable de entorno FIRECRAWL_API_KEY para usar estas funciones.

Instalación y configuración

Esta guía proporciona instrucciones paso a paso para configurar el servidor UNS_MCP usando Python 3.12 y la herramienta uv.

Requisitos previos

• Python 3.12+
• uv para la gestión del entorno
• Una clave API de Unstructured. Puedes registrarte y obtener tu clave API aquí.

Usando uv (Recomendado)

No se requiere instalación adicional al usar uvx, ya que se encarga de la ejecución. Sin embargo, si prefieres instalar el paquete directamente:

uv pip install uns_mcp

Configurar Claude Desktop

Para la integración con Claude Desktop, añade el siguiente contenido a tu claude_desktop_config.json:

Nota: El archivo se encuentra en el directorio ~/Library/Application Support/Claude/.

Usando el comando uvx:

{
   "mcpServers": {
      "UNS_MCP": {
         "command": "uvx",
         "args": ["uns_mcp"],
         "env": {
           "UNSTRUCTURED_API_KEY": "<your-key>"
         }
      }
   }
}

Alternativamente, usando el paquete Python:

{
   "mcpServers": {
      "UNS_MCP": {
         "command": "python",
         "args": ["-m", "uns_mcp"],
         "env": {
           "UNSTRUCTURED_API_KEY": "<your-key>"
         }
      }
   }
}

Usando el código fuente

1. Clona el repositorio.

2. Instala las dependencias:

   uv sync
   

3. Establece tu clave API de Unstructured como variable de entorno. Crea un archivo .env en el directorio raíz con el siguiente contenido:

   UNSTRUCTURED_API_KEY="YOUR_KEY"
   

   Consulta .env.template para las variables de entorno configurables.

Ahora puedes ejecutar el servidor usando uno de los siguientes métodos:

uvx pip install -e .

{
  "mcpServers": {
    "UNS_MCP": {
      "command": "uvx",
      "args": ["uns_mcp"]
    }
  }
}

{
  "mcpServers": {
    "UNS_MCP": {
      "command": "ABSOLUTE/PATH/TO/.local/bin/uv",
      "args": [
        "--directory",
        "ABSOLUTE/PATH/TO/YOUR-UNS-MCP-REPO/uns_mcp",
        "run",
        "server.py"
      ]
    }
  }
}

uv run python minimal_client/client.py uns_mcp/server.py

Configuración adicional del cliente local

Configura el cliente mínimo usando variables de entorno:

• LOG_LEVEL="ERROR": Establécelo para suprimir las salidas de depuración del LLM, mostrando mensajes claros para los usuarios.
• CONFIRM_TOOL_USE='false': Desactiva la confirmación de uso de herramientas antes de la ejecución. Úsalo con precaución, especialmente durante el desarrollo, ya que el LLM puede ejecutar flujos de trabajo costosos o eliminar datos.

Herramientas de depuración

Anthropic proporciona la herramienta MCP Inspector para depurar/probar tu servidor MCP. Ejecuta el siguiente comando para iniciar una interfaz de usuario de depuración. Desde allí, podrás añadir variables de entorno (apuntando a tu entorno local) en el panel izquierdo. Incluye tu clave API personal allí como variable de entorno. Ve a tools, puedes probar las capacidades que añadas al servidor MCP.

mcp dev uns_mcp/server.py

Si necesitas registrar los parámetros de llamada de solicitud en UnstructuredClient, establece la variable de entorno DEBUG_API_REQUESTS=false. Los registros se almacenan en un archivo con el formato unstructured-client-{date}.log, que puede examinarse para depurar los parámetros de llamada de solicitud a las funciones UnstructuredClient.

Añadir acceso a la terminal al cliente mínimo

Vamos a usar @wonderwhy-er/desktop-commander para añadir acceso a la terminal al cliente mínimo. Está construido sobre el servidor de sistema de archivos MCP. Ten cuidado, ya que el cliente (también el LLM) ahora tiene acceso a archivos privados.

Ejecuta el siguiente comando para instalar el paquete:

npx @wonderwhy-er/desktop-commander setup

Luego inicia el cliente con un parámetro adicional:

uv run python minimal_client/client.py "http://127.0.0.1:8080/sse" "@wonderwhy-er/desktop-commander@^0.2.11"
# or
make sse-client-terminal

Usando un subconjunto de herramientas

Si tu cliente admite usar solo un subconjunto de herramientas, aquí está la lista de cosas que debes tener en cuenta:

• La herramienta update_workflow debe cargarse en el contexto junto con la herramienta create_workflow, porque contiene una descripción detallada sobre cómo crear y configurar un nodo personalizado.

Problemas conocidos

• update_workflow - necesita tener en contexto la configuración del flujo de trabajo que está actualizando, ya sea proporcionándola el usuario o llamando a la herramienta get_workflow_info, ya que esta herramienta no funciona como aplicador de patch, sino que reemplaza completamente la configuración del flujo de trabajo.

CHANGELOG.md

Cualquier nueva característica, corrección o mejora desarrollada se añadirá a CHANGELOG.md. Se prefiere el formato de pre-lanzamiento 0.x.x-dev antes de pasar a una versión estable.

Solución de problemas

• Si encuentras problemas con Error: spawn <command> ENOENT, significa que <command> no está instalado o no es visible en tu PATH:
  • Asegúrate de instalarlo y añadirlo a tu PATH.
  • o proporciona la ruta absoluta al comando en el campo command de tu configuración. Por ejemplo, reemplaza python con /opt/miniconda3/bin/python