MCP Knowledge Base Server

Un servidor MCP (Model Context Protocol) que ofrece a los asistentes de IA — Claude Desktop, Cursor o cualquier cliente MCP — acceso estructurado y consultable a la base de conocimiento interna de una empresa, compuesta por documentos Markdown.

Pregunta a tu asistente "¿cómo despliego en producción?" o "¿cuántos días de vacaciones tengo?" y buscará en la base de conocimiento, leerá los artículos relevantes y responderá con citas — en lugar de alucinar tus procesos internos.

Características

• 6 herramientas — búsqueda por palabras clave con extractos, obtención del documento completo, listado filtrado, navegación por etiquetas, recarga en caliente y estadísticas

• 2 tipos de recursos — navega por el índice completo o por cualquier documento directamente (kb://index, kb://documents/{doc_id})

• 1 plantilla de prompt — answer_from_knowledge_base fundamenta las respuestas en los resultados de búsqueda y obliga a citar las fuentes

• Infraestructura cero — la base de conocimiento es solo una carpeta de archivos .md con frontmatter opcional; funciona muy bien respaldada por un repositorio Git

• Dos transportes — stdio para clientes locales, HTTP para entornos compartidos o remotos

• Pocas dependencias — FastMCP + un pequeño índice integrado de estilo TF-IDF; no requiere base de datos ni servicio de embeddings

Related MCP server: MCP Docs Server

Arquitectura

┌─────────────────┐   stdio / HTTP (JSON-RPC)   ┌──────────────────────────┐
│  MCP client     │ ───────────────────────────▶ │  FastMCP server          │
│  (Claude, …)    │ ◀─────────────────────────── │  ├─ tools (search, get…) │
└─────────────────┘                              │  ├─ resources (kb://…)   │
                                                 │  └─ prompts (answer…)   │
                                                 │          │             │
                                                 │  KnowledgeBaseIndex    │
                                                 │  (tokenize → TF-IDF)   │
                                                 └──────────┬─────────────┘
                                                            │ scans
                                                 ┌──────────▼─────────────┐
                                                 │ knowledge_base/        │
                                                 │  engineering/*.md      │
                                                 │  hr/*.md  product/*.md │
                                                 └────────────────────────┘

Inicio rápido

git clone <your-repo-url> mcp-knowledge-base-server
cd mcp-knowledge-base-server
pip install .

Apunta el servidor a tu propia documentación (o usa el corpus de ejemplo incluido):

export KB_DIR=/path/to/your/markdown/docs

Ejecutar la demo

pip install fastmcp          # only dependency the demo needs
python examples/demo_client.py

La demo lanza el servidor sobre stdio y ejercita todas las capacidades — búsqueda, obtención de documentos, listados, recursos y el prompt de respuesta fundamentada — imprimiendo las cargas útiles JSON-RPC exactas que vería un cliente real.

Conectar Claude Desktop

Añade esto a claude_desktop_config.json:

{
  "mcpServers": {
    "knowledge-base": {
      "command": "python",
      "args": ["-m", "mcp_knowledge_base.server"],
      "env": {
        "PYTHONPATH": "/absolute/path/to/mcp-knowledge-base-server/src",
        "KB_DIR": "/absolute/path/to/mcp-knowledge-base-server/knowledge_base"
      }
    }
  }
}

Reinicia Claude Desktop y luego pregunta: "Busca en nuestra base de conocimiento: ¿cuál es el procedimiento de reversión si falla un despliegue?"

Ejecutar sobre HTTP (entornos compartidos o remotos)

KB_DIR=/path/to/docs mcp-knowledge-base --transport http --port 8000
# → streamable HTTP endpoint at http://127.0.0.1:8000/mcp

Formato de los documentos

Cualquier carpeta de archivos .md es válida. Un frontmatter opcional enriquece los resultados:

---
title: Deploying to Production
tags: [deploy, production, runbook]
department: engineering
updated: 2025-11-02
---

# Deploying to Production
…

El doc_id de un documento es su ruta relativa a KB_DIR sin la extensión (p. ej., engineering/deploy-guide). Si no hay título, se usa el primer encabezado # y, si tampoco existe, el nombre del archivo.

Referencia de la API

Herramientas

Recursos

Prompts

Variables de entorno

Estructura del proyecto

├── knowledge_base/            # sample corpus (replace with your own)
│   ├── engineering/*.md
│   ├── hr/*.md
│   └── product/*.md
├── src/mcp_knowledge_base/
│   ├── server.py              # FastMCP server: tools, resources, prompts
│   └── index.py               # document loading + TF-IDF-style search
├── examples/
│   └── demo_client.py         # end-to-end demo over stdio
└── pyproject.toml

Ampliarlo

• Mejor búsqueda: sustituye KnowledgeBaseIndex por embeddings + una base de datos vectorial (la interfaz de las herramientas sigue siendo idéntica).

• Otras fuentes: indexa exportaciones de Confluence/Notion: cualquier cosa que acabe siendo Markdown funciona sin cambios.

• Actualización: ejecuta reload_knowledge_base de forma programada o vigila KB_DIR con un observador de archivos.

Licencia

MIT — consulta LICENSE.