Petclinic

petclinic-mcp

Servidor MCP de Petclinic

El servidor MCP de Petclinic utiliza las APIs v2 de petclinic (https://petstore.swagger.io/). Interactúa con la API de Swagger Petstore (similar a un "PetClinic") y expone herramientas para ser utilizadas por modelos de OpenAI.

Expone las siguientes capacidades:

• fetch_petsByStatus: Valores de estado disponibles: available, pending, sold

Requisitos previos

• Gestor de paquetes uv
• Python

Ejecución local

• Consejo: use transporte stdio para evitar la configuración de un servidor remoto. Cambie la línea 39 de petclinic_mcp_server.py para usar transporte stdio.

   mcp.run(transport='stdio')

• Clone el proyecto, navegue al directorio del proyecto e inicialícelo con uv:

    uv init

• Cree el entorno virtual y actívelo:

    uv venv
    source .venv/bin/activate

• Instale las dependencias:

    uv add mcp httpx

• Inicie el inspector de MCP:

npx @modelcontextprotocol/inspector uv run petclinic_mcp_server.py

• O inicie el servidor MCP sin el inspector:

   uv run petclinic_mcp_server.py

Configuración para Claude Desktop

Deberá proporcionar una configuración para el servidor de su cliente MCP. Así es como se ve la configuración para claude_desktop_config.json:

{
    "mcpServers": {
        
        "filesystem": {
            "command": "npx",
            "args": [
                "-y",
                "@modelcontextprotocol/server-filesystem",
                "/{your-project-path}/petclinic-mcp/"
            ]
        },
        
        "research": {
            "command": "/{your-uv-install-path}/uv",
            "args": [
              "--directory",
              "/{your-project-path}/petclinic-mcp/",
              "run",
              "petclinic_mcp_server.py"]
        },
        
        "fetch": {
            "command": "uvx",
            "args": ["mcp-server-fetch"]
        }
    }
}

Implementar en Cloud Foundry

• Consejo: use transporte sse para implementar el servidor MCP de petclinic como un servidor remoto. Cambie la línea 39 de petclinic_mcp_server.py para usar transporte stdio.

   mcp.run(transport='sse')

• Inicie sesión en su cuenta de Cloud Foundry y publique la aplicación:

cf push -f manifest.yml

Vinculación con agentes MCP

Los servidores del Model Context Protocol (MCP) son programas ligeros que exponen capacidades específicas a los modelos de IA a través de una interfaz estandarizada. Estos servidores actúan como puentes entre los LLM y herramientas externas, fuentes de datos o servicios, permitiendo que su aplicación de IA realice acciones como buscar en bases de datos, acceder a archivos o llamar a APIs externas sin integraciones personalizadas complejas.

Cree un servicio proporcionado por el usuario que proporcione la URL de un servidor MCP existente:

cf cups petclinic-mcp-server -p '{"mcpServiceURL":"https://your-petclinic-mcp-server.example.com"}'

Vincule el servicio MCP a su aplicación:

cf bind-service ai-tool-chat petclinic-mcp-server

Reinicie su aplicación:

cf restart ai-tool-chat

Su chatbot ahora se registrará con el agente MCP de investigación, y el LLM podrá invocar las capacidades del agente al responder a solicitudes de chat.