Servidor MCP de API no estructurada

Implementación de un servidor MCP para interactuar con la API no estructurada. Este servidor proporciona herramientas para listar fuentes y flujos de trabajo.

Herramientas disponibles

A continuación se muestra una lista de los conectores compatibles actualmente con el servidor UNS-MCP . Consulte la lista completa de conectores de origen compatibles con la plataforma no estructurada aquí y la lista de destinos aquí . ¡Estamos planeando añadir más!

Para usar la herramienta que crea, actualiza o elimina un conector, las credenciales de ese conector específico deben estar definidas en el archivo .env. A continuación, se muestra la lista de credentials para los conectores compatibles:

Fuente de Firecrawl

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

1. Recuperación de contenido HTML : uso de invoke_firecrawl_crawlhtml para iniciar trabajos de rastreo y check_crawlhtml_status para monitorearlos

2. Generación de texto optimizada para LLM : uso de invoke_firecrawl_llmtxt para generar texto y check_llmtxt_status para recuperar resultados

Cómo funciona Firecrawl:

Proceso de rastreo web:

• Comienza con una URL específica y la analiza para identificar enlaces.

• Utiliza el mapa del sitio si está disponible; de lo contrario, sigue los enlaces que se encuentran en el sitio web.

• Recorre recursivamente cada enlace para descubrir todas las subpáginas

• Recopila contenido de cada página visitada, gestionando la representación de JavaScript y los límites de velocidad.

• Los trabajos se pueden cancelar con cancel_crawlhtml_job si es necesario

• Use esto si necesita toda la información extraída en HTML sin formato, el flujo de trabajo de Unstructured lo limpia muy bien :smile:

Generación de textos LLM:

• Después del rastreo, extrae contenido de texto limpio y significativo de las páginas rastreadas.

• Genera formatos de texto optimizados y formateados específicamente para modelos de lenguaje grandes.

• Los resultados se cargan automáticamente en la ubicación S3 especificada

• Nota: Los trabajos de generación de texto LLM no se pueden cancelar una vez iniciados. La función cancel_llmtxt_job se proporciona por coherencia, pero actualmente no es compatible con la API de Firecrawl.

Nota: Se debe configurar una variable de entorno FIRECRAWL_API_KEY para utilizar estas funciones.

Instalación y configuración

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

Prerrequisitos

• Python 3.12+

• uv para la gestión ambiental

• Una clave API de Unstructured. Puedes registrarte y obtener tu clave API aquí .

Uso de uv (recomendado)

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

Configurar Claude Desktop

Para la integración con Claude Desktop, agregue el siguiente contenido a su claude_desktop_config.json :

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

Usando el comando

Alternativamente, utilizando el paquete Python:

Usando el código fuente

1. Clonar el repositorio.

2. Instalar dependencias:

   uv sync

3. Establezca su clave de API no estructurada como variable de entorno. Cree un archivo .env en el directorio raíz con el siguiente contenido:

   UNSTRUCTURED_API_KEY="YOUR_KEY"

   Consulte .env.template para conocer las variables de entorno configurables.

Ahora puede ejecutar el servidor utilizando uno de los siguientes métodos:

Actualice la configuración de Claude Desktop:

Nota : Recuerde apuntar al ejecutable uvx en el entorno donde instaló el paquete

Nota: No compatible con Claude Desktop.

Para el protocolo SSE, puede depurar más fácilmente desacoplando el cliente y el servidor:

1. Inicie el servidor en una terminal:

   uv run python uns_mcp/server.py --host 127.0.0.1 --port 8080 # or make sse-server

2. Pruebe el servidor usando un cliente local en otra terminal:

   uv run python minimal_client/client.py "http://127.0.0.1:8080/sse" # or make sse-client

Nota: Para detener los servicios, utilice Ctrl+C primero en el cliente y luego en el servidor.

Configurar Claude Desktop para utilizar stdio:

Alternativamente, ejecute el cliente local:

Configuración adicional de cliente local

Configure el cliente mínimo utilizando variables ambientales:

• LOG_LEVEL="ERROR" : se configura para suprimir las salidas de depuración del LLM y mostrar mensajes claros para los usuarios.

• CONFIRM_TOOL_USE='false' : Desactivar la confirmación del uso de la herramienta antes de la ejecución. Usar con precaución , especialmente durante el desarrollo, ya que LLM puede ejecutar flujos de trabajo costosos o eliminar datos.

Herramientas de depuración

Anthropic ofrece la herramienta MCP Inspector para depurar y probar su servidor MCP. Ejecute el siguiente comando para iniciar una interfaz de depuración. Desde allí, podrá agregar variables de entorno (que apunten a su entorno local) en el panel izquierdo. Incluya su clave API personal como variable de entorno. Vaya a tools para probar las funciones que agregue al servidor MCP.

Si necesita registrar los parámetros de las llamadas de solicitud a UnstructuredClient , configure 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 las llamadas de solicitud a las funciones de UnstructuredClient .

Añadir acceso de terminal al cliente mínimo

Usaremos @wonderwhy-er/desktop-commander para añadir acceso a la terminal al cliente mínimo. Está basado en el servidor de sistema de archivos MCP. Tenga cuidado, ya que el cliente (también LLM) ahora tiene acceso a archivos privados.

Ejecute el siguiente comando para instalar el paquete:

Luego inicie el cliente con el parámetro adicional:

Uso de un subconjunto de herramientas

Si su cliente admite el uso de solo un subconjunto de herramientas, aquí le mostramos una lista de cosas que debe 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 - debe tener en contexto la configuración del flujo de trabajo que está actualizando, ya sea proporcionándola por el usuario o llamando a la herramienta get_workflow_info , ya que esta herramienta no funciona como aplicador patch , reemplaza completamente la configuración del flujo de trabajo.

REGISTRO DE CAMBIOS.md

Cualquier nueva característica/corrección/mejora desarrollada se agregará a CHANGELOG.md. Se prefiere el formato de prelanzamiento 0.xx-dev antes de pasar a una versión estable.

Solución de problemas

• Si encuentra problemas con Error: spawn <command> ENOENT significa que <command> no está instalado o no es visible en su RUTA:

  • Asegúrese de instalarlo y agregarlo a su PATH.

  • O bien, proporcione la ruta absoluta del comando en el campo command de su configuración. Por ejemplo, reemplace python por /opt/miniconda3/bin/python