content-knowledge-mcp

Un servidor MCP que da a un agente de contenido acceso al conocimiento editorial de una empresa: reglas de marca, un catálogo de plantillas visuales y publicaciones anteriores con sus resultados. El conocimiento reside en archivos Markdown de texto plano que la empresa posee; el servidor solo lo expone.

Construido como núcleo técnico de mi tesis de grado sobre agentes de IA y automatización de flujos de trabajo. La versión de aquí es el motor genérico, con una empresa inventada como conocimiento de ejemplo.

Por qué no hay base de datos vectorial

La opción obvia es incrustar el conocimiento y recuperarlo por similitud. Este servidor, de forma deliberada, no lo hace, por dos razones.

A esta escala, la búsqueda estructurada sobre documentos depurados gana. Las reglas editoriales de una empresa son decenas de bloques, no decanas de miles. Dividir esos bloques en fragmentos y recuperarlos por similitud de cosenos añade un paso de indexación, un almacén que mantener sincronizado y una clase de fallos difícil de ver, a cambio de una exhaustividad que ya tenías.

Cada regla lleva un ID, y ese es el punto. Las reglas son R1, R17, R905; las plantillas son T901, T905; los registros de lanzamiento son L2. Al agente se le indica que cite los IDs que usó. Eso convierte cada propuesta en algo auditable por un humano en cuestión de segundos: el revisor lee rules_used: ["R920", "R903"] y sabe exactamente qué reglas produjeron esa publicación. Un embedding devuelve un párrafo; no devuelve un argumento. Cuando el objetivo es un filtro humano que funcione, ser auditable es preferible a ser ingenioso.

El coste es real y merece la pena decirlo: la búsqueda es léxica, así que una consulta que no comparte palabras con una regla no la encontrará. El servidor responde NO_MATCH en lugar de fingir, que es el comportamiento que comprueban los casos de сpopulation.

Related MCP server: mcp-guide

Arquitectos

  Claude Desktop / Claude Code ──stdio──┐
                                        ├──▶ content-knowledge-mcp ──▶ KNOWLEDGE_PATH/
  n8n MCP Client Tool ──────────HTTP────┘         (3 tools)              guidelines/*.md   R# rules, L# launch records
       (host.docker.internal:8765)                                       templates/catalog.md   T# catalog
                                                                         past-posts/*.md        past posts and outcomes

Tres herramientas, un conmutador de transporte, sin estado:

El servidor no posee contenido. Apunta KNOWLEDGE_PATH a otra carpeta y servirá a otra empresa: eso es lo que lo trajo publicable sin tocar el código.

Inicio rápido

git clone https://github.com/alessandro-martelli/content-knowledge-mcp
cd content-knowledge-mcp
python3 -m venv .venv && .venv/bin/pip install fastmcp

# run the twelve checks against the example knowledge
KNOWLEDGE_PATH=examples/knowledge .venv/bin/python smoke_test.py

# stdio, for Claude Desktop or Claude Code
KNOWLEDGE_PATH=examples/knowledge .venv/bin/python server.py

# HTTP on :8765, for the n8n MCP Client Tool
KNOWLEDGE_PATH=examples/knowledge .venv/bin/python server.py --http

El conocimiento de nivel ejemplar en examples/knowledge/ es real: una escuela de design ficticia, con reglas, registros de lanzamiento, un monsters template catalog and public reviews anteriores. Existe uFor para que el repo funcione para cualquiera y para que los tests tengan algo que bite.

Evaluación

Pruebas de humo: 12/12. Cada comprobación pasa por un fastmcp.Client real sobre el protocolo, no a través de como funciones auxiliares, de modo que vermella un fallo en el registro de herramientas o en el transporte.

Protocolo a nivel de agente: 8 casos, 5 de ellos adversariales (reglas en conflicto, solicitud de fuera de alcance, herramienta no disponible, plantilla no coincidente, entrada poco especificada). It was ejecutado en agosto de 2026 against los prompts de los dos agentes: 6 de 8 pasaron, todas las salidas were valid JSON a la primera; eThe two failures were defects of the suite de pruebas rather than the agent. Ambos enatel in eval/test-log.md con la corrección que requiere el cache. The log is preserved as it de feria: the suite que solo informa de éxito no está midiendo.

Límites honestos

• La búsqueda es léxica y puntúa por frecuencia de términos. No understand sinónimos; una regla redactada con la query no uses will be found.

• La estructura de carpetas del conocimiento es fija (guidelines/, templates/catalog.md, dato-posts/), and the file name of catálogo e. jodía in code.

• No hay ruta de escritura ni caché: cada llamada se lee. That is okay at this scale, you know: at diez mil, not but.

• Los dos defectos abiertos no están fixed in code: rules_used no puede citar registros L#, y el esquema del plan no puede representar una fila cuyo canal sea disconocido.

Licencia

MIT, ver LICENSE.