MCP Todo Server

Servidor MCP desarrollado en Python para la gestión básica de tareas almacenadas localmente en un archivo JSON.

El proyecto implementa las principales capacidades de Model Context Protocol (MCP): Resources, Tools y Prompts, permitiendo consultar tareas pendientes, registrar nuevas tareas, marcar tareas como completadas y generar una plantilla de resumen diario.

Funcionalidades

El servidor expone las siguientes capacidades:

Resource — tasks://pending

Retorna las tareas que se encuentran pendientes en tasks.json.

Las tareas completadas permanecen almacenadas, pero no son incluidas en el resultado del Resource.

Tool — add_task

Permite registrar una nueva tarea proporcionando:

• nombre;

• descripción;

• prioridad (alta, media o baja).

Cada tarea recibe automáticamente un identificador con el formato:

T-001
T-002
T-003

La herramienta también valida que la tarea tenga un nombre y que la prioridad corresponda con uno de los valores permitidos.

Tool — complete_task

Permite marcar una tarea como completada utilizando su identificador.

Por ejemplo:

T-001

Al encontrar la tarea, su estado completada cambia de false a true y el cambio se guarda en tasks.json.

Prompt — daily_summary

Genera una plantilla basada en el estado actual de las tareas.

Considera:

• total de tareas;

• tareas completadas;

• tareas pendientes;

• tareas pendientes de prioridad alta.

La plantilla permite generar un resumen del progreso general y orientar la atención hacia las actividades de mayor prioridad.

Estructura del proyecto

mcp-todo-server/
│
├── .vscode/
│   └── mcp.json
├── server.py
├── tasks.json
├── requirements.txt
├── README.md
└── .gitignore

El directorio .venv corresponde al entorno virtual local y no se incluye en el repositorio.

Modelo de datos

Las tareas se almacenan en formato JSON con la siguiente estructura:

{
    "id": "T-001",
    "nombre": "Revisar documento del extraclase",
    "descripcion": "Comprobar que las capturas y explicaciones estén completas",
    "prioridad": "alta",
    "completada": true
}

El campo id identifica cada tarea, mientras que completada permite determinar si debe aparecer en el Resource de tareas pendientes.

Requisitos

Para ejecutar el proyecto se requiere:

• Python 3

• pip

• Model Context Protocol SDK para Python

Para realizar pruebas con MCP Inspector se utilizó pnpm.

Instalación

1. Clonar el repositorio

git clone https://github.com/lnnth0440/mcp-todo-server.git
cd mcp-todo-server

2. Crear el entorno virtual

En Windows:

python -m venv .venv

3. Activar el entorno virtual

En PowerShell:

.\.venv\Scripts\Activate.ps1

4. Instalar las dependencias

python -m pip install -r requirements.txt

Ejecución

Con el entorno virtual activo, ejecutar:

python server.py

El servidor utiliza comunicación mediante entrada y salida estándar (stdio) y permanece en ejecución esperando la conexión de un cliente MCP.

Para detenerlo:

Ctrl + C

Pruebas con MCP Inspector

El funcionamiento del servidor puede comprobarse mediante MCP Inspector.

Utilizando pnpm:

pnpm dlx @modelcontextprotocol/inspector python server.py

Una vez establecida la conexión, MCP Inspector permite descubrir e interactuar con las capacidades expuestas por el servidor:

Resources
└── tasks://pending

Tools
├── add_task
└── complete_task

Prompts
└── daily_summary

Estas pruebas permiten verificar la consulta de tareas, la modificación de tasks.json mediante las Tools y la generación de la plantilla de resumen diario.

Integración con Visual Studio Code

El servidor también fue integrado con Visual Studio Code como cliente MCP compatible.

La configuración se encuentra en:

.vscode/mcp.json

El archivo contiene la definición del servidor local:

{
  "servers": {
    "mcp-todo-server": {
      "type": "stdio",
      "command": "C:\\Users\\jmuri\\Documents\\mcp-todo-server\\.venv\\Scripts\\python.exe",
      "args": [
        "C:\\Users\\jmuri\\Documents\\mcp-todo-server\\server.py"
      ]
    }
  }
}

Para iniciar el servidor desde Visual Studio Code:

1. Abrir el proyecto en Visual Studio Code.

2. Abrir la paleta de comandos con Ctrl + Shift + P.

3. Ejecutar MCP: List Servers.

4. Seleccionar mcp-todo-server.

5. Elegir la opción Start.

Cuando la conexión se establece correctamente, Visual Studio Code muestra el servidor en estado Running y descubre las herramientas:

add_task
complete_task

Desde el chat de Visual Studio Code es posible utilizar lenguaje natural para invocar las herramientas del servidor.

Por ejemplo:

Agrega una nueva tarea llamada "Preparar entrega final",
con la descripción "Revisar README, capturas y documento final"
y prioridad media.

Visual Studio Code utiliza la herramienta add_task del servidor MCP y actualiza el archivo tasks.json.

También puede utilizarse complete_task para marcar tareas como completadas y daily_summary para generar un resumen del estado actual de las tareas.

Tecnologías utilizadas

• Python

• Model Context Protocol (MCP)

• JSON

• MCP Inspector

• Visual Studio Code

• Git

• GitHub

Autora

Jendry Linneth Murillo Pérez
Programación IV
II Cuatrimestre, 2026