Servidor MCP con trabajadores de Cloudflare

Introducción

El Protocolo de Contexto de Modelo (MCP) es un estándar abierto que permite a los agentes y asistentes de IA interactuar con los servicios. Al configurar un servidor MCP, puede permitir que los asistentes de IA accedan directamente a sus API.

Cloudflare Workers, combinado con el paquete workers-mcp , proporciona una solución potente y escalable para crear servidores MCP.

Related MCP server: Remote MCP Server

Prerrequisitos

Antes de comenzar, asegúrese de tener:

Una cuenta de Cloudflare
Node.js instalado
CLI de Wrangler instalado ( npm install -g wrangler )

Empezando

Paso 1: Crear un nuevo trabajador de Cloudflare

Primero, inicialice un nuevo proyecto de Cloudflare Worker:

npx create-cloudflare@latest my-mcp-worker cd my-mcp-worker

Luego, autentica tu cuenta de Cloudflare:

wrangler login

Paso 2: Configurar Wrangler

Actualice su archivo wrangler.toml con los detalles de cuenta correctos:

name = "my-mcp-worker" main = "src/index.ts" compatibility_date = "2025-03-03" account_id = "your-account-id"

Instalación de herramientas MCP

Para habilitar la compatibilidad con MCP, instale el paquete workers-mcp :

npm install workers-mcp

Ejecute el comando de configuración para configurar MCP:

npx workers-mcp setup

Esto hará lo siguiente:

Añadir las dependencias necesarias
Configurar un proxy local para realizar pruebas
Configurar el trabajador para el cumplimiento de MCP

Escritura de código de servidor MCP

Actualice su src/index.ts para definir su servidor MCP:

import { WorkerEntrypoint } from 'cloudflare:workers'; import { ProxyToSelf } from 'workers-mcp'; export default class MyWorker extends WorkerEntrypoint<Env> { /** * A friendly greeting from your MCP server. * @param name {string} The name of the user. * @return {string} A personalized greeting. */ sayHello(name: string) { return `Hello from an MCP Worker, ${name}!`; } /** * @ignore */ async fetch(request: Request): Promise<Response> { return new ProxyToSelf(this).fetch(request); } }

Componentes clave:

WorkerEntrypoint : administra las solicitudes entrantes y la exposición del método.
ProxyToSelf : garantiza el cumplimiento del protocolo MCP.
Método sayHello : una función MCP de ejemplo que los asistentes de IA pueden llamar.

Agregar llamadas API

Puedes ampliar tu servidor MCP integrándolo con API externas. Aquí tienes un ejemplo de obtención de datos meteorológicos:

export default class WeatherWorker extends WorkerEntrypoint<Env> { /** * Fetch weather data for a given location. * @param location {string} The city or ZIP code. * @return {object} Weather details. */ async getWeather(location: string) { const response = await fetch(`https://api.weather.example/v1/${location}`); const data = await response.json(); return { temperature: data.temp, conditions: data.conditions, forecast: data.forecast }; } async fetch(request: Request): Promise<Response> { return new ProxyToSelf(this).fetch(request); } }

Implementación del servidor MCP

Una vez configurado tu Worker, impleméntalo en Cloudflare:

npx wrangler deploy

Después de la implementación, su Worker estará activo y los asistentes de IA podrán descubrir y usar sus herramientas MCP.

Para actualizar su servidor MCP, vuelva a implementarlo con:

npm run deploy

Prueba del servidor MCP

Para probar su configuración de MCP localmente:

npx workers-mcp proxy

Este comando inicia un proxy local que permite que los clientes MCP (como Claude Desktop) se conecten.

Seguridad

Para proteger su servidor MCP, utilice Wrangler Secrets:

npx wrangler secret put MCP_SECRET

Esto agrega un mecanismo de autenticación de secreto compartido para evitar el acceso no autorizado.

Conclusión

¡Felicitaciones! Has creado e implementado correctamente un servidor MCP con Cloudflare Workers. Ahora puedes ampliarlo con más funciones y ofrecer nuevas herramientas para asistentes de IA.

Para obtener más detalles, consulte la documentación de Cloudflare MCP .