Portfolio MCP Server

Un servidor MCP que convierte mi portafolio de proyectos de IA en algo que puedes consultar, no solo leer.

Apunta cualquier cliente MCP (Claude Desktop, Cursor, agentes personalizados) hacia él y pregunta "¿Qué ha construido Ayush con LangGraph?" o "¿Cuál es su proyecto insignia?" — responde con datos estructurados en vivo, no con un PDF estático.

TL;DR

• 📦 Publicado, no solo construido — disponible en PyPI y en el registro oficial de MCP; pip install portfolio-mcp-server lo pone en marcha en cualquier cliente MCP en menos de un minuto, sin necesidad de clonar el repositorio.

• 🔧 5 herramientas reales — listado, consulta de detalles, búsqueda por stack, selección del proyecto insignia y resumen del currículum, todo respaldado por datos estructurados en lugar de un README estático.

• ✅ Probado con CI en cada push — lint, type-check y una prueba de humo real sobre stdio que llama a las 5 herramientas y valida el esquema JSON de cada respuesta.

Tabla de contenidos

• Por qué existe

• Demo

• Herramientas expuestas

• Inicio rápido

• Conectar con Claude Desktop

• Stack

• Pruebas y CI

• Estructura del proyecto

• Hoja de ruta

• Licencia

• Autor

Related MCP server: toad-mcp-server

Por qué existe

La mayoría de los portafolios de desarrolladores de IA son una lista de enlaces. Este es un servidor MCP funcional — el mismo protocolo que usan los productos agénticos para conectarse a herramientas — construido en torno a mi propio portafolio. Es a la vez una implementación real de la especificación y una respuesta a "demuestra que realmente has construido con MCP", no solo que has hablado de ello.

Demo

https://github.com/user-attachments/assets/4c1b844a-087f-48a6-b156-bdef27282acc

Configuración → llamadas a herramientas → respuestas en vivo, de principio a fin.

Herramientas expuestas

Inicio rápido

Opción A — instalar desde PyPI (la más rápida):

pip install portfolio-mcp-server

Opción B — clonar y ejecutar desde el código fuente (para ediciones/pruebas locales):

git clone https://github.com/ayush-s-tomar/portfolio-mcp-server.git
cd portfolio-mcp-server

python -m venv venv
source venv/bin/activate        # Windows: venv\Scripts\activate

pip install -r requirements.txt

Pruébalo de forma interactiva con MCP Inspector antes de conectarlo a un cliente:

mcp dev server.py

Esto abre una interfaz de navegador donde puedes llamar a cada herramienta manualmente e inspeccionar los payloads de solicitud/respuesta en bruto.

Conectar con Claude Desktop

Abre el archivo de configuración de Claude Desktop:

Si el archivo ya tiene una clave mcpServers con otros servidores, añade la entrada "portfolio" dentro del objeto existente en lugar de sobrescribir el archivo.

Si lo instalaste vía PyPI (opción A anterior):

{
  "mcpServers": {
    "portfolio": {
      "command": "portfolio-mcp-server"
    }
  }
}

Si lo estás ejecutando desde un clon del código fuente (opción B anterior): usa la ruta absoluta a server.py en tu máquina:

{
  "mcpServers": {
    "portfolio": {
      "command": "python",
      "args": ["/absolute/path/to/portfolio-mcp-server/server.py"]
    }
  }
}

Reinicia Claude Desktop y luego pregúntale algo como:

"¿Qué proyectos ha construido Ayush con FastAPI?"

Claude llamará a search_projects_by_stack y responderá con los datos en vivo.

Stack

• Python 3.10+

• MCP Python SDK (FastMCP)

• transporte stdio

• Empaquetado para PyPI y registrado en el registro oficial de servidores MCP (io.github.ayush-s-tomar/portfolio-mcp-server)

Pruebas y CI

Cada push y pull request pasa por GitHub Actions:

• Lint — ruff check .

• Type check — mypy server.py

• Prueba de humo — levanta el servidor y llama a cada una de las 5 herramientas a través de stdio para confirmar que devuelven JSON válido y acorde al esquema

Consulta .github/workflows/ci.yml. Ejecuta las mismas comprobaciones localmente antes de abrir un PR:

pip install -r requirements-dev.txt
ruff check .
mypy server.py
pytest

Estructura del proyecto

portfolio-mcp-server/ ├── server.py # FastMCP server + tool definitions ├── data/ │ └── projects.json # Project data the tools read from ├── tests/ │ └── test_tools.py # Smoke tests for each tool ├── requirements.txt ├── requirements-dev.txt ├── pyproject.toml # PyPI packaging config ├── server.json # MCP registry manifest └── .github/workflows/ci.yml

Hoja de ruta

• Publicar en PyPI como paquete instalable

• Publicar en el registro oficial de servidores MCP

• search_projects_by_stack — admitir coincidencias con varias tecnologías a la vez

• Añadir una opción de transporte HTTP/SSE además de stdio para clientes remotos

• Almacenar en caché los datos del currículum y los proyectos con un endpoint de actualización ligero en lugar de JSON estático

Licencia

Publicado bajo la Licencia MIT.

Autor

Ayush Tomar — GitHub

Si te ha sido útil como referencia para construir tu propio servidor MCP, se agradece una ⭐ en el repositorio.

mcp-name: io.github.ayush-s-tomar/portfolio-mcp-server