blackmount-nlp-mcp

Versión PyPI Licencia: MIT Python 3.10+

NLP para MCP: sin dependencias pesadas. Creado por Blackmount.

45 herramientas de análisis de texto como servidor FastMCP. Sin NLTK. Sin spaCy. Sin transformers. Una sola dependencia (mcp[cli]), menos de 50 KB de código NLP, listo en segundos. Requiere Python 3.10+.

Por qué existe esto

	blackmount-nlp-mcp	NLTK	spaCy	transformers
Tamaño de wheel	42 KB	1.5 MB	6 MB+ (+ modelos)	10 MB+ (+ modelos)
Dependencias directas	1	muchas	muchas	muchas
Tokenización	✅	✅	✅	✅
Análisis de sentimiento	✅	✅	❌	✅
Puntuaciones de legibilidad	✅	❌	❌	❌
Extracción de palabras clave	✅	✅	❌	❌
Similitud de texto	✅	✅	✅	✅
Detección de idioma	✅ (18 idiomas)	❌	❌	❌

Todo está implementado desde cero en Python puro: stemmer de Porter, TF-IDF, RAKE, Levenshtein, sentimiento estilo VADER, legibilidad Flesch / Gunning Fog / Coleman-Liau / ARI / SMOG, resumen extractivo, detección de idioma, además de un léxico de sentimiento integrado de más de 2000 palabras y una lista de más de 500 palabras vacías (stopwords), todo incluido en el paquete.

Inicio rápido

pip install blackmount-nlp-mcp

Claude Desktop

Añade a tu archivo de configuración:

macOS: ~/Library/Application Support/Claude/claude_desktop_config.json
Windows: %APPDATA%\Claude\claude_desktop_config.json
Linux: ~/.config/Claude/claude_desktop_config.json

{
  "mcpServers": {
    "nlp": {
      "command": "blackmount-nlp-mcp"
    }
  }
}

Cursor

Añade a .cursor/mcp.json en la raíz de tu proyecto:

{
  "mcpServers": {
    "nlp": {
      "command": "blackmount-nlp-mcp"
    }
  }
}

Cualquier cliente MCP

El servidor se ejecuta sobre stdio. Apunta tu cliente al comando blackmount-nlp-mcp:

blackmount-nlp-mcp

Reinicia tu editor. Las 45 herramientas de NLP ya están disponibles; solo pregunta en lenguaje natural.

Catálogo de herramientas

Tokenización (4 herramientas)

Herramienta	Descripción	Prueba a preguntar
`word_tokenize`	Divide el texto en palabras, manejando contracciones y puntuación	"Tokeniza este párrafo en palabras"
`sentence_tokenize`	Divide en oraciones, manejando abreviaturas comunes	"Divide este texto en oraciones individuales"
`generate_ngrams`	Genera n-gramas a nivel de palabra desde una lista de tokens	"Genera bigramas a partir de estos tokens"
`generate_char_ngrams`	Genera n-gramas a nivel de carácter	"Obtén trigramas de caracteres para esta palabra"

Legibilidad (8 herramientas)

Herramienta	Descripción	Prueba a preguntar
`flesch_reading_ease`	Puntuación de facilidad 0–100 (más alto = más fácil)	"Calcula la puntuación de facilidad de lectura Flesch"
`flesch_kincaid_grade`	Estimación de nivel de grado escolar de EE. UU.	"¿A qué nivel de grado escolar está escrito esto?"
`gunning_fog_index`	Índice Fog basado en la proporción de palabras complejas	"Calcula el índice Fog para este texto"
`coleman_liau_index`	Índice de nivel de grado Coleman-Liau	"Obtén la puntuación Coleman-Liau"
`automated_readability_index`	Índice de nivel de grado ARI	"¿Cuál es el ARI para este documento?"
`smog_grade_index`	Grado SMOG (recomendado para textos de salud)	"Calcula el grado SMOG para este documento"
`count_syllables`	Estimación de conteo de sílabas para cualquier palabra	"¿Cuántas sílabas tiene 'extraordinario'?"
`get_reading_level`	Todas las puntuaciones de legibilidad en una llamada con una etiqueta en lenguaje sencillo	"Dame un informe completo de legibilidad para este texto"

Análisis de sentimiento (4 herramientas)

Herramienta	Descripción	Prueba a preguntar
`get_sentiment_score`	Puntuación de sentimiento compuesta de -1.0 a +1.0	"¿Cuál es el sentimiento de esta reseña de cliente?"
`get_sentiment_label`	Devuelve `positive`, `negative` o `neutral`	"¿Esta opinión es positiva o negativa?"
`get_sentence_sentiments`	Desglose de sentimiento por oración	"Muéstrame el sentimiento de cada oración"
`get_aspect_sentiment`	Sentimiento enfocado a temas específicos	"¿Cuál es el sentimiento sobre 'precios' en estas reseñas?"

Extracción de palabras clave (4 herramientas)

Herramienta	Descripción	Prueba a preguntar
`extract_tfidf_keywords`	Clasificación de palabras clave TF-IDF en un corpus	"¿Cuáles son los términos clave en estos documentos?"
`extract_rake_keywords`	Algoritmo RAKE: extracción de palabras clave a nivel de frase	"Extrae las frases clave de este artículo"
`get_word_frequency`	Palabras principales por frecuencia, excluyendo palabras vacías	"¿Cuáles son las palabras más comunes en este texto?"
`get_phrase_frequency`	Frases n-grama principales por frecuencia	"¿Qué frases de dos palabras aparecen más a menudo?"

Similitud de texto (5 herramientas)

Herramienta	Descripción	Prueba a preguntar
`get_jaccard_similarity`	Superposición de conjuntos de palabras, 0–1	"¿Qué tan similares son estos dos párrafos?"
`get_cosine_similarity`	Similitud de coseno de bolsa de palabras, 0–1	"Calcula la similitud de coseno entre estos textos"
`get_edit_distance`	Distancia de edición de Levenshtein	"¿Cuántas ediciones para convertir 'kitten' en 'sitting'?"
`get_normalized_edit_distance`	Distancia de edición normalizada a 0–1	"¿Qué tan diferentes son estas dos cadenas?"
`get_longest_common_subsequence`	Longitud de LCS entre dos cadenas	"¿Cuál es la longitud LCS de estas dos cadenas?"

Limpieza de texto (10 herramientas)

Herramienta	Descripción	Prueba a preguntar
`clean_remove_stopwords`	Elimina más de 500 palabras vacías en inglés	"Elimina las palabras vacías de este texto"
`clean_remove_punctuation`	Elimina toda la puntuación	"Elimina la puntuación"
`clean_remove_numbers`	Elimina tokens numéricos	"Elimina todos los números de esto"
`clean_remove_urls`	Elimina URLs	"Limpia las URLs"
`clean_remove_emails`	Elimina direcciones de correo electrónico	"Elimina las direcciones de correo de este texto"
`clean_remove_html`	Elimina etiquetas HTML	"Elimina el HTML de este contenido"
`clean_normalize_whitespace`	Colapsa y recorta espacios en blanco	"Normaliza los espacios en blanco"
`clean_lowercase`	Convierte el texto a minúsculas	"Convierte esto a minúsculas"
`porter_stem`	Stemmer de Porter (Python puro, sin NLTK)	"Aplica stemming a la palabra 'running'"
`clean_text_pipeline`	Limpieza configurable de varios pasos en una llamada	"Limpia este texto: elimina HTML, URLs y palabras vacías"

Detección (8 herramientas)

Herramienta	Descripción	Prueba a preguntar
`detect_text_language`	Identifica el idioma de entre 18 idiomas soportados	"¿En qué idioma está escrito este texto?"
`detect_text_encoding_type`	Detecta el script: ASCII, Latino, Cirílico, CJK, Árabe	"¿Qué script usa este texto?"
`check_is_english`	Puntuación de confianza de inglés, 0–1	"¿Está este texto en inglés?"
`count_words`	Conteo de palabras	"¿Cuántas palabras hay en esto?"
`count_sentences`	Conteo de oraciones	"Cuenta las oraciones"
`count_paragraphs`	Conteo de párrafos	"¿Cuántos párrafos?"
`get_avg_word_length`	Longitud media de palabra en caracteres	"¿Cuál es la longitud media de palabra?"
`get_avg_sentence_length`	Longitud media de oración en palabras	"¿Qué tan largas son las oraciones en promedio?"

Resumen (2 herramientas)

Herramienta	Descripción	Prueba a preguntar
`get_extractive_summary`	Selecciona las N oraciones con mayor puntuación de un documento	"Resume este artículo en 3 oraciones"
`get_text_statistics`	Estadísticas completas del documento: palabras, legibilidad, idioma, tiempo de lectura	"Dame un perfil estadístico de este texto"

Uso como librería

Los submódulos se pueden importar directamente; no se requiere servidor MCP:

from blackmount_nlp_mcp.sentiment import sentiment_score, sentiment_label
from blackmount_nlp_mcp.readability import reading_level
from blackmount_nlp_mcp.keywords import rake_keywords

text = "This product is absolutely amazing! The quality is excellent."

print(sentiment_score(text))
# 0.9285

print(sentiment_label(text))
# 'positive'

print(reading_level(text))
# {'grade_level': 12.39, 'label': 'college',
#  'flesch_reading_ease': 14.27, 'flesch_kincaid_grade': 12.39,
#  'gunning_fog': 19.58, 'coleman_liau': 10.94,
#  'automated_readability': 7.51, 'smog_grade': 11.21}

print(rake_keywords(text))
# [{'phrase': 'absolutely amazing', 'score': 4.0},
#  {'phrase': 'product', 'score': 1.0},
#  {'phrase': 'quality', 'score': 1.0},
#  {'phrase': 'excellent', 'score': 1.0}]

Desarrollo

git clone https://github.com/BlackMount-ai/blackmount-nlp-mcp
cd blackmount-nlp-mcp
pip install -e .
pytest tests/ -v

Ecosistema Blackmount

blackmount-nlp-mcp ha sido creado por Blackmount, herramientas para personas que trabajan con IA.

blackmount-mcp: Memoria del navegador, búsqueda en chats de IA y análisis de sesiones como servidor MCP. Combínalo con blackmount-nlp-mcp para analizar tus conversaciones guardadas: extrae palabras clave del historial de chat, puntúa la legibilidad de las respuestas de la IA, detecta tendencias de sentimiento a través de las sesiones.

app.blackmount.ai: La plataforma completa de Blackmount. Busca, organiza y analiza todo lo que producen tus herramientas de IA.

Licencia

MIT

blackmount-nlp-mcp

blackmount-nlp-mcp

Por qué existe esto

Inicio rápido

Claude Desktop

Cursor

Cualquier cliente MCP

Catálogo de herramientas

Tokenización (4 herramientas)

Legibilidad (8 herramientas)

Análisis de sentimiento (4 herramientas)

Extracción de palabras clave (4 herramientas)

Similitud de texto (5 herramientas)

Limpieza de texto (10 herramientas)

Detección (8 herramientas)

Resumen (2 herramientas)

Uso como librería

Desarrollo

Ecosistema Blackmount

Licencia

Resources

Looking for Admin?

Tools

Latest Blog Posts

MCP directory API