Unified Docs Hub

🚀 Unified Docs Hub - El Servidor de Documentación MCP Definitivo

¡Transforma tu asistente de IA en una potencia documental! Unified Docs Hub es un servidor MCP (Model Context Protocol) que crea una base de conocimiento masiva y buscable a partir de más de 170 repositorios seleccionados y más de 1000 proyectos de GitHub descubiertos automáticamente.

🌟 ¿Por qué Unified Docs Hub?

¿Alguna vez deseaste que tu asistente de IA tuviera acceso instantáneo a TODA la documentación que necesita? Este servidor MCP lo resuelve al:

• 📚 Base de Conocimiento Masiva: Más de 170 repositorios seleccionados a mano + más de 1000 proyectos populares descubiertos automáticamente
• 🔍 Búsqueda Ultrarrápida: Búsqueda de texto completo en más de 11,000 archivos de documentación en milisegundos
• 🤖 Optimizado para IA: Perfecto para Claude, ChatGPT y otros asistentes de IA que usan MCP
• 📈 Autoactualizable: Actualizaciones diarias automatizadas y descubrimiento semanal de nuevos repositorios
• 🎯 Cobertura Especializada: Experiencia profunda en Trading/Finanzas, IA/ML, DevOps y más de 20 categorías

🎬 Ejemplos del Mundo Real

Ejemplo 1: Construyendo un Bot de Trading

AI: "Show me how to build a crypto trading bot with backtesting"

You: unified_search(query="crypto trading bot backtesting", category="Trading & Finance")

Result: Instant access to documentation from:
- Freqtrade (advanced crypto trading bot)
- Backtrader (backtesting framework)
- CCXT (100+ exchange APIs)
- TA-Lib (200+ technical indicators)

Ejemplo 2: Aprendiendo Kubernetes

AI: "Explain Kubernetes deployment strategies"

You: unified_search(query="kubernetes deployment strategies", category="Cloud/DevOps")

Result: Documentation from:
- Official Kubernetes docs
- Helm charts best practices
- ArgoCD GitOps workflows
- Istio service mesh patterns

Ejemplo 3: Pipeline de Machine Learning

AI: "Set up an MLOps pipeline with experiment tracking"

You: unified_search(query="mlops pipeline experiment tracking", category="MLOps")

Result: Comprehensive guides from:
- MLflow (experiment tracking)
- Kubeflow (distributed training)
- DVC (data versioning)
- Weights & Biases (visualization)

📊 ¿Qué hay Dentro?

Cobertura de Conocimiento

Categoría	Repositorios	Destacados
Trading y Finanzas	64 repos	Trading algorítmico, opciones, forex, HFT, optimización de carteras
IA/ML	20 repos	LLMs, transformers, deep learning, NLP, visión por computadora
Cloud/DevOps	15 repos	Kubernetes, Docker, Terraform, CI/CD, monitoreo
Desarrollo Web	12 repos	React, Vue, Next.js, frameworks full-stack
MLOps	6 repos	Ciclo de vida de ML, seguimiento de experimentos, despliegue de modelos
Ingeniería de Datos	8 repos	Apache Spark, Airflow, dbt, pipelines de datos
Observabilidad	5 repos	Prometheus, Grafana, OpenTelemetry, APM
Blockchain	5 repos	Smart contracts, DeFi, desarrollo Web3
Más de 20 Categorías	...	Seguridad, bases de datos, móvil, escritorio y más

Características Clave

• 🔥 Búsqueda de Texto Completo: Motor SQLite FTS5 para búsquedas en menos de un segundo en millones de líneas
• 📈 Puntuación de Calidad: Repos seleccionados clasificados por calidad de documentación (escala 1-10)
• 🏷️ Categorización Inteligente: Navega por área tecnológica o lenguaje de programación
• 🔄 Autodescubrimiento: Encuentra continuamente repositorios populares nuevos (más de 10k estrellas)
• 💾 Almacenamiento Eficiente: Deduplicación y compresión mantienen la base de datos ligera
• 🛡️ Manejo de Límites de Tasa: Respeta los límites de la API de GitHub con limitación inteligente

🚀 Inicio Rápido

Requisitos Previos

• Python 3.8 o superior
• Token de Acceso Personal de GitHub (opcional pero recomendado)
• Un asistente de IA compatible con MCP (Claude Desktop, Continue.dev, etc.)

Instalación

1. Clona el repositorio

git clone https://github.com/yourusername/unified-docs-hub.git
cd unified-docs-hub

2. Configura el entorno de Python

python3 -m venv venv
source venv/bin/activate  # On Windows: venv\Scripts\activate
pip install -r requirements.txt

3. Configura tu cliente MCP

Para Claude Desktop, agrega a ~/Library/Application Support/Claude/claude_desktop_config.json:

{
  "mcpServers": {
    "unified-docs-hub": {
      "command": "/path/to/unified-docs-hub/venv/bin/python",
      "args": ["/path/to/unified-docs-hub/unified_docs_hub_server.py"],
      "env": {
        "GITHUB_TOKEN": "your-github-token-here"
      }
    }
  }
}

4. Indexación inicial (opcional - el servidor lo hará automáticamente)

# Index all curated repositories
python -c "import asyncio; from unified_docs_hub_server import index_repositories; asyncio.run(index_repositories('smart'))"

📋 Herramientas MCP Disponibles

unified_search

Busca en toda la documentación con filtros potentes.

# Basic search
unified_search("react hooks tutorial")

# Advanced search with filters
unified_search(
    query="transformer architecture attention",
    category="AI/ML",
    min_stars=5000
)

# Trading-specific search
unified_search(
    query="options greeks volatility smile",
    category="Trading & Finance"
)

index_repositories

Controla la indexación y el descubrimiento de repositorios.

# Smart mode: Index curated + discover popular (recommended)
index_repositories(mode="smart")

# Update all existing repos
index_repositories(mode="update")

# Discover new trending repos
index_repositories(mode="discover", min_stars=5000, count=50)

list_repositories

Explora los repositorios indexados.

# List all Trading & Finance repos
list_repositories(category="Trading & Finance")

# Show only curated high-quality repos
list_repositories(source="curated", limit=20)

get_repository_docs

Obtén toda la documentación de un repositorio específico.

# Get all Kubernetes docs
get_repository_docs("kubernetes/kubernetes")

# Get trading library docs
get_repository_docs("freqtrade/freqtrade")

get_statistics

Consulta estadísticas completas de la base de datos.

get_statistics()
# Returns: Total repos, documents, categories, languages, API status

🤖 Actualizaciones Automatizadas

El servidor incluye indexación automatizada que mantiene tu base de conocimiento actualizada:

Configurar Actualizaciones Automatizadas

# Run the setup script
./setup_automated_indexing.sh

# Or manually start the updater
python automated_index_updater.py --once  # Run once
python automated_index_updater.py          # Run continuously

Horario de Actualización

• Diario: Actualiza todos los repositorios seleccionados (2 AM, 2 PM)
• Semanal: Descubre nuevos repositorios en tendencia
• Bajo Demanda: Actualizaciones manuales mediante herramientas MCP

🏗️ Arquitectura

Componentes Principales

unified-docs-hub/
├── unified_docs_hub_server.py  # Main MCP server
├── database.py                 # SQLite + FTS5 engine
├── github_client.py            # GitHub API integration
├── response_limiter.py         # HTTP/2 error prevention
├── repositories.yaml           # Curated repo list
├── automated_index_updater.py  # Auto-update system
└── unified_docs.db            # Documentation database

Cómo Funciona

1. Selección: Repositorios elegidos a mano en repositories.yaml con puntuaciones de calidad
2. Descubrimiento: Encuentra automáticamente repos populares (más de 10k estrellas) mediante la API de GitHub
3. Indexación: Descarga e indexa README, docs/ y archivos de documentación
4. Almacenamiento: SQLite con FTS5 para búsqueda de texto completo eficiente
5. Servicio: El servidor FastMCP proporciona herramientas para asistentes de IA
6. Actualizaciones: El sistema automatizado mantiene la documentación actualizada

🎯 Casos de Uso

Para Desarrolladores de IA

• Acceso instantáneo a la documentación de frameworks de ML
• Compara diferentes enfoques entre bibliotecas
• Encuentra ejemplos de código y mejores prácticas

Para Traders y Quants

• Documentación completa de trading algorítmico
• Modelos de precios de opciones y estrategias
• Frameworks de backtesting y APIs de datos de mercado

Para Ingenieros DevOps

• Patrones y antipatrones de Kubernetes
• Ejemplos de pipelines de CI/CD
• Plantillas de Infraestructura como Código

Para Desarrolladores Full-Stack

• Comparaciones de frameworks frontend
• Patrones de arquitectura backend
• Técnicas de optimización de bases de datos

🛠️ Personalización

Agregar Repositorios Personalizados

Edita repositories.yaml:

curated_repositories:
  - repo: "owner/awesome-project"
    category: "Web Development"
    description: "An awesome web framework"
    quality_score: 9
    priority: high
    doc_paths:
      - "docs/"
      - "README.md"
    topics: ["web", "framework", "javascript"]

Crear Categorías Personalizadas

Agrega nuevas categorías para agrupar tecnologías relacionadas:

  - repo: "quantum-computing/qiskit"
    category: "Quantum Computing"  # New category!
    description: "Quantum computing SDK"

📈 Informes de Expansión

Consulta nuestro recorrido de construcción de esta base de conocimiento masiva:

• EXPANSION_SUMMARY.md - Resumen de todas las expansiones
• TRADING_KNOWLEDGE_BASE_COMPLETE.md - Inmersión profunda en Trading y Finanzas
• ULTIMATE_TRADING_EXPANSION.md - Detalles de la expansión final de trading
• FINAL_EXPANSION_REPORT_2025.md - Expansión completa de 2025

🤝 Contribuciones

¡Agradecemos las contribuciones! Consulta nuestra Guía de Contribución para más detalles.

Formas de Contribuir

• Agrega repositorios de alta calidad a repositories.yaml
• Mejora los algoritmos de búsqueda
• Agrega nuevas herramientas MCP
• Mejora la documentación
• Reporta errores o solicita funciones

📝 Licencia

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

🙏 Agradecimientos

• Model Context Protocol por permitir integraciones con asistentes de IA
• Todos los increíbles proyectos de código abierto indexados en nuestra base de conocimiento
• La API de GitHub por hacer posible el descubrimiento de documentación

📬 Contacto

Para preguntas, sugerencias u oportunidades de colaboración:

• Abre un issue en GitHub
• Envía un pull request
• ¡Dale una estrella al repositorio para mostrar tu apoyo!

---

Construido con ❤️ para desarrolladores que quieren que sus asistentes de IA lo sepan todo.