Document MCP

Chatbot estilo ChatGPT más un servidor Document MCP. Registras rutas de carpetas y un modelo LiteLLM local en Configuración. Las preguntas van a LiteLLM con herramientas MCP; el servidor solo lee esas carpetas, usando pywin32 COM para Word / Excel / PowerPoint (la misma ruta de Office que Model Council).

Chat UI  →  LiteLLM /v1/chat/completions (+ tools)
              ↑ tool_calls (search_documents, read_document, …)
MCP host     →  Document MCP (stdio JSON-RPC)
                    →  allowlisted folders
                    →  win32com Word / Excel / PowerPoint

Claude Desktop, Claude Code y Cursor se conectan al mismo servidor MCP y a la misma lista de carpetas.

Inicio rápido

1. Ejecuta tu proxy LiteLLM.

2. Haz doble clic en start.bat.

3. Abre http://127.0.0.1:7860.

4. Configuración → LiteLLM: pega la URL base (p. ej. http://localhost:4000), clave API, Cargar modelos o Añadir modelo, luego Guardar.

5. Configuración → Carpetas: pega rutas de carpetas de Windows. sample_docs se registra en la primera ejecución.

6. Pregunta cualquier cosa que esos archivos puedan responder.

Manual

python -m venv .venv
.venv\Scripts\activate
pip install -r requirements.txt
copy .env.example .env
python -m app

Configuración

Las URL se pueden pegar como http://host:4000, http://host:4000/v1 o .../v1/chat/completions — se normalizan como Model Council.

Cómo funcionan LiteLLM + MCP aquí

Tomado del bucle MCP dentro de la aplicación de Model Council:

1. El host llama a MCP tools/list y convierte los esquemas en herramientas de OpenAI.

2. El host envía POST chat/completions a LiteLLM con esas herramientas (tool_choice: auto).

3. Si el modelo devuelve tool_calls, el host ejecuta MCP tools/call (stdio).

4. El JSON de la herramienta se añade como role: tool y el bucle se repite hasta obtener una respuesta normal.

El modelo nunca ve archivos a menos que llame a una herramienta. Las raíces están en la lista permitida. Los archivos de Office prefieren COM para que los archivos desbloqueados por Windows / IRM aún puedan leerse.

Herramientas MCP

Prompt: ask_documents.

Claude Desktop / Claude Code / Cursor

En el chatbot: Configuración → Claude MCP → Añadir a Claude Desktop (escribe %APPDATA%\Claude\claude_desktop_config.json). Reinicia Claude, luego pídele que haga ping a Document MCP.

O copia esta forma (las rutas se completan en Configuración):

{
  "mcpServers": {
    "document-mcp": {
      "command": "D:\\\\AntigravityCodes\\\\Document-MCP\\\\.venv\\\\Scripts\\\\python.exe",
      "args": ["-m", "document_mcp"],
      "cwd": "D:\\\\AntigravityCodes\\\\Document-MCP",
      "env": {
        "PYTHONUTF8": "1",
        "DOCUMENT_MCP_ROOTS": "D:\\\\AntigravityCodes\\\\Document-MCP\\\\data\\\\folders.json"
      }
    }
  }
}

Claude Code:

claude mcp add-json document-mcp "{...stdio server json from Settings...}"

Cursor: repositorio mcp.json, o Configuración → Claude MCP copia el fragmento de Cursor.

HTTP (puerta de enlace LiteLLM MCP):

start_mcp_http.bat

Luego añade http://127.0.0.1:8765/mcp.

pywin32 / Office

• Word.Application → .doc / .docx

• Excel.Application → .xls / .xlsx / .xlsm

• PowerPoint.Application → .ppt / .pptx

Respaldo: python-docx / openpyxl / python-pptx. PDFs: PyMuPDF. Office binario heredado aún necesita Microsoft Office.

python -m document_mcp.reader sample_docs\mena_rhq_overview.md

Diseño

app/                 FastAPI chat host (MCP client + UI)
document_mcp/        FastMCP server, COM readers, Claude install helper
sample_docs/         Starter files
data/                folders.json, settings, extract cache (local)