Servidor MCP · Agent-Lab

Toda aplicación Agent-Lab incluye un servidor de Model Context Protocol basado en FastMCP y montado en /mcp (Streamable HTTP, sin estado). Los clientes MCP (Claude Desktop, IDE, tus propios agentes) pueden descubrir los agentes de la aplicación, leer el historial de diálogo y hablar directamente con los agentes. El servidor y sus registradores de herramientas y prompts participan en el mismo mecanismo de descubrimiento que los agentes: scan_packages y el grupo de entry points agent_lab.agents.

Qué expone el servidor

Herramienta	Descripción
`get_agent_list`	Lista los agentes registrados en la aplicación en ejecución
`get_message_list`	Lee el historial de diálogo de un agente
`post_message`	Envía un mensaje a un agente: comunicación entre agentes
`read_prompt_mcp`	Lee una plantilla de prompt; también se expone como prompt MCP (`prompts/get`) y como recurso (`prompt://`)

El triple de prompts expone los prompts de sistema por defecto de cada tipo de agente, con sustituciones por tenant mediante agent_type + setting_key.

Pruébalo con MCP Inspector

Inicia MCP Inspector y conéctate a tu aplicación (p. ej., http://localhost:18000/mcp, transporte: Streamable HTTP):

npx @modelcontextprotocol/inspector

Accede a la consola web (usa el enlace del proxy que se muestra en la consola).

Demostración de MCP Inspector

Conectar Claude Desktop

Nota: Claude Desktop se usa aquí solo a modo de demostración. Este proyecto no está afiliado a Anthropic AI.

Instala el puente mcp-proxy que utiliza Claude Desktop para acceder a servidores HTTP remotos:
```
pip install mcp-proxy
```
Abre Settings → Developer → Edit Config y edita claude_desktop_config.json (adapta el endpoint a tu instalación; el entorno de Python debe contener mcp-proxy):

Configuración de Claude Desktop 1

Configuración de Claude Desktop 2

Configuración de Claude Desktop 3

Reinicia Claude Desktop y vuelve a Settings → Developer; Agent-Lab debería aparecer:

Configuración de Claude Desktop 4

Pruébalo: pide a Claude que liste los agentes, que obtenga el historial de diálogo de una instancia del agente programador supervisado o que muestre un fragmento de código que el agente generó anteriormente:

Demostración de Claude Desktop

OpenAI Responses API

La herramienta alojada de Model Context Protocol (MCP) de la Responses API facilita la conexión con servicios externos: configura tu modelo una vez para que apunte a un servidor MCP, que actúa como host centralizado de herramientas. (Fuente: MCP Tool Guide)

En notebooks/11_mcp_client-openai-responses.ipynb tienes disponible un notebook que muestra la integración de la OpenAI Responses API con el servidor MCP de Agent-Lab.

Añadir tus propias herramientas y prompts

Todo se descubre del mismo modo que los agentes: decora y (si consumes la biblioteca) asegúrate de que tu paquete esté en scan_packages o se publique mediante el grupo de entry points agent_lab.agents.

Una herramienta: una función async normal; su parámetro inicial container se inyecta desde el contenedor de DI y queda oculto para los clientes:

from agent_lab import discoverable_mcp_tool


@discoverable_mcp_tool(
    "my_hello_tool",
    description="Returns a friendly greeting.",
    annotations={"readOnlyHint": True},
)
async def hello_tool(container, name: str) -> str:
    return f"Hello, {name}!"

Un prompt: se expone en el triple de prompts completo (herramienta / prompts/get / recurso prompt://):

from agent_lab import discoverable_mcp_prompt


@discoverable_mcp_prompt("my_greeting_prompt")
def greeting_prompt() -> str:
    return "Greet the user warmly and briefly."

Avanzado: una subclase completa de McpRegistrar (o PromptSetRegistrar) para conjuntos personalizados de herramientas, prompts y recursos, mediante @discoverable_mcp_registrar(extra_deps=(...)). Para añadir instrucciones MCP para los clientes, pasa fragmentos durante la composición:

app = create_app(mcp_instructions=["Extra guidance for MCP clients."])

El scaffold incluye un ejemplo completo (mcp/tools.py, mcp/prompts.py); consulta Tu primer agente.

Autenticación

Cuando la autenticación está habilitada, los clientes MCP se autentican mediante un proxy OAuth respaldado por Keycloak: verificación de JWT contra el JWKS del realm (scopes openid, profile, email) y almacenamiento de clientes OAuth en Redis (cifrado). La aplicación publica los endpoints de metadatos estándar (/.well-known/oauth-protected-resource/mcp, /.well-known/oauth-authorization-server/mcp) para que los clientes compatibles puedan configurarse solos.