Which integrations are available for this server?

Provides tools for querying and analyzing e-commerce data stored in a SQLite database, including customer profiles, sales analysis, product performance, and payment method preferences.

How do I use MCP Orquestacion de Agentes?

1. Click on "Install Server". 2. Wait a few minutes for the server to deploy. Once ready, it will show a "Started" state. 3. In the chat, type @ followed by the MCP server name and your instructions, e.g., "@MCP Orquestacion de Agentes Show me total sales by category" That's it! The server will respond to your query, and you can continue using it as needed. Here is a step-by-step guide with screenshots.

MCP Orquestacion de Agentes

by systemyuri

Overview Schema Related Servers Score Discussions

Local

# MCP Orquestacion de Agentes

🧠 MCP - Orquestación de Agentes con FastMCP y Groq

Creación del primer flujo de orquestación/integración de capacidades en un sistema de agentes

Related MCP server: mcp-db-server

📋 INFORMACIÓN GENERAL

Campo	Valor
Título	Creación del primer flujo de orquestación/integración de capacidades en un sistema de agentes
Curso	CERTI AI ARCHITECT ONLINE 2026 II LIMA
Docente	IGNACIO ALEXIS ZAMBRANO CARRILLO
Autor	David Yurivilca
Fecha	Julio 2026
Institución	BSG Institute

🎯 OBJETIVO

Diseñar, construir y orquestar un sistema de agentes que integra múltiples capacidades utilizando el Model Context Protocol (MCP) como estándar de comunicación, demostrando:

✅ Identificación de capacidades de negocio
✅ Diseño de herramientas (tools) MCP
✅ Implementación con FastMCP
✅ Orquestación con LangChain + Groq
✅ Trazabilidad y seguridad

📊 CONTEXTO DEL NEGOCIO

E-commerce de productos alimenticios en Argentina

El dataset simula las operaciones de una empresa de e-commerce, permitiendo:

Análisis de clientes por región (6 regiones argentinas)
Evaluación de productos y categorías (8 categorías)
Estudio de métodos de pago (5 métodos)
Identificación de oportunidades comerciales

📈 Datos disponibles

Tabla	Registros	Descripción
`clientes`	326	Datos demográficos de clientes
`ventas`	3,029	Transacciones completas
`productos`	38	Catálogo de productos
`categorias`	8	Clasificación de productos
`metodos_pago`	5	Medios de pago disponibles

🛠️ TECNOLOGÍAS UTILIZADAS

Tecnología	Propósito
Python 3.10+	Lenguaje principal
FastMCP	Framework para servidores MCP
LangChain 1.0+	Orquestación de agentes
LangGraph	Backend de agentes con estado
Groq (LLaMA 3.3 70B)	Modelo LLM con tool calling
SQLite	Base de datos local
Google Colab	Entorno de ejecución

🚀 ARQUITECTURA DEL SISTEMA

┌─────────────────────────────────────────────────────────────────────────────┐
│                              USUARIO FINAL                                  │
│                     (Interactúa en lenguaje natural)                        │
└─────────────────────────────────┬───────────────────────────────────────────┘
                                  │
                                  ▼
┌─────────────────────────────────────────────────────────────────────────────┐
│                          AGENTE LANGCHAIN                                   │
│                     (Orquestador + Razonamiento)                            │
│                                                                             │
│  ┌─────────────────────────────────────────────────────────────────┐        │
│  │  1. Recibe la pregunta del usuario                              │        │
│  │  2. Interpreta la intención usando Groq (LLaMA 3.3 70B)         │        │
│  │  3. Aplica el System Prompt (políticas y reglas)                │        │
│  │  4. Selecciona la(s) herramienta(s) necesaria(s)                │        │
│  │  5. Ejecuta el loop de orquestación                             │        │
│  │  6. Genera respuesta final con evidencia                        │        │
│  └─────────────────────────────────────────────────────────────────┘        │
└─────────────────────────────────┬───────────────────────────────────────────┘
                                  │
                                  ▼
┌─────────────────────────────────────────────────────────────────────────────┐
│                       MCP CLIENT (LangChain Adapter)                        │
│                                                                             │
│  ┌─────────────────────────────────────────────────────────────────┐        │
│  │  • Conecta al servidor MCP vía HTTP                             │        │
│  │  • Descubre herramientas disponibles                            │        │
│  │  • Ejecuta llamadas a herramientas (tool calls)                 │        │
│  │  • Gestiona la comunicación con el servidor MCP                 │        │
│  └─────────────────────────────────────────────────────────────────┘        │
└─────────────────────────────────┬───────────────────────────────────────────┘
                                  │
                                  ▼
┌─────────────────────────────────────────────────────────────────────────────┐
│                         MCP SERVER (FastMCP)                                │
│                                                                             │
│  ┌──────────────────────────────────────────────────────────────────┐       │
│  │  HERRAMIENTAS (TOOLS) EXPUESTAS                                  │       │
│  │                                                                  │       │
│  │  🔹 buscar_clientes          🔹 perfil_consumo_cliente           │       │
│  │  🔹 clientes_alto_valor      🔹 top_productos_vendidos           │       │
│  │  🔹 analisis_categoria       🔹 ventas_por_region                │       │
│  │  🔹 preferencia_metodo_pago  🔹 calcular_nivel_cliente           │       │
│  │                                                                   │      │
│  │  ┌─────────────────────────────────────────────────────────────┐  │      │
│  │  │   ✅ Validación de parámetros (tipos y límites)            │  │      │
│  │  │   ✅ Manejo de errores (try/except)                        │  │      │
│  │  │   ✅ Consultas SQL parametrizadas (seguridad)              │  │      │
│  │  └─────────────────────────────────────────────────────────────┘ │       │
│  └──────────────────────────────────────────────────────────────────┘       │
└─────────────────────────────────┬───────────────────────────────────────────┘
                                  │
                                  ▼
┌───────────────────────────────────────────────────────────────────────────────┐
│                          SQLite DATABASE                                      │
│                                                                               │
│  ┌─────────────┐  ┌─────────────┐  ┌─────────────┐  ┌─────────────┐           │
│  │  CLIENTES   │  │   VENTAS    │  │  PRODUCTOS  │  │ CATEGORIAS  │           │
│  │  326 reg.   │  │ 3,029 reg.  │  │  38 reg.    │  │   8 reg.    │           │
│  └─────────────┘  └─────────────┘  └─────────────┘  └─────────────┘           │
│                                                                               │
│  ┌─────────────┐                                                              │
│  │ METODOS_PAGO│                                                              │
│  │   5 reg.    │                                                              │
│  └─────────────┘                                                              │
└───────────────────────────────────────────────────────────────────────────────┘

🔧 TOOLS IMPLEMENTADAS

Tool	Propósito	Riesgo
`buscar_clientes`	Buscar clientes por nombre, apellido o región	Bajo
`perfil_consumo_cliente`	Perfil completo de consumo de un cliente	Bajo
`clientes_alto_valor`	Identificar clientes con alto gasto	Bajo
`top_productos_vendidos`	Productos más vendidos	Bajo
`analisis_categoria`	Análisis de ventas por categoría	Bajo
`ventas_por_region`	Resumen de ventas por región	Bajo
`preferencia_metodo_pago`	Preferencias de métodos de pago	Bajo
`calcular_nivel_cliente`	Clasificar clientes (VIP, Premium, Regular)	Bajo

📋 GUÍA DE USUARIO PASO A PASO

🔧 PRERREQUISITOS

Cuenta de Google (para acceder a Colab)
Cuenta en Groq (para obtener API Key gratuita)
- Registrar en: https://console.groq.com/
- Generar API Key en el dashboard

🚀 EJECUCIÓN EN GOOGLE COLAB

Paso 1: Abrir el notebook en Colab

Opción A - Desde el repositorio:

# Clonar el repositorio
git clone https://github.com/tu-usuario/MCP-Orquestacion-Agentes.git

# O abrir directamente en Colab:
# https://colab.research.google.com/github/tu-usuario/MCP-Orquestacion-Agentes/blob/main/notebooks/PlantillaMCPMultiFuenteFastMCPLangChainOpenAI-david-yurivilca.ipynb

Opción B - Subir manualmente:

Descargar el archivo .ipynb
Ir a https://colab.research.google.com/
Click en "Subir" → Seleccionar el archivo

Paso 2: Configurar la API Key de Groq

En la Fase 3, el notebook solicitará la API Key:

# Busca esta celda y ejecútala
GROQ_API_KEY: ··········  # Ingresa tu API Key aquí

¿Dónde obtenerla?

Ve a https://console.groq.com/
Inicia sesión con tu cuenta
Ve a "API Keys" en el menú lateral
Click en "Create API Key"
Copia la clave generada

Paso 3: Subir los archivos CSV

En la Fase 3, el notebook mostrará un botón para subir archivos:

Haz clic en "Choose Files"
Selecciona los 5 archivos CSV:
- clientes.csv
- ventas.csv
- productos.csv
- categorias.csv
- metodos_pago.csv

https://via.placeholder.com/600x200?text=Upload+CSV+Files

Paso 4: Ejecutar el notebook secuencialmente

El notebook está organizado en 11 fases. Ejecuta cada celda en orden:

Fase	Celdas	Qué hace	Tiempo estimado
Fase 0-2	1-6	Diseño y planificación	5 min
Fase 3	7-10	Carga de datos a SQLite	3 min
Fase 4	11-19	Pruebas de consultas SQL	5 min
Fase 5	20-22	Creación del MCP Server	2 min
Fase 6	23	Levantar el servidor	1 min
Fase 7	24-25	Descubrir y probar tools	3 min
Fase 8	26	Definir System Prompt	1 min
Fase 9	27-30	Crear el agente con Groq	2 min
Fase 10	31-37	Ejecutar pruebas	10 min
Fase 11	38-39	Evaluación y limpieza	2 min

Paso 5: Verificar el servidor MCP

En la Fase 6, verás un mensaje como este:

✅ MCP Server activo!
   URL: http://127.0.0.1:8000/mcp
   PID: 12345
   Log: /content/mi_mcp_server.log

Si ves este mensaje, el servidor está funcionando correctamente. 🎉

Paso 6: Ejecutar las pruebas

En la Fase 10, verás preguntas de ejemplo:

# Prueba 1: Producto más vendido
resultado = await consultar_agente(
    "¿Cuál es el producto más vendido en cantidad?"
)

*** Resultado Esperado ***

📝 RESPUESTA FINAL
El producto más vendido en cantidad es el de Hamburgesas congeladas, 
con un total de 382 unidades vendidas y $3,438 de ingresos totales.

Resultado esperado:


📝 RESPUESTA FINAL
El producto más vendido en cantidad es el de Hamburgesas congeladas, 
con un total de 382 unidades vendidas y $3,438 de ingresos totales.

📝 EJEMPLOS DE PREGUNTAS PARA PROBAR

Básicas (1 tool)


"¿Cuál es el producto más vendido?"
"Busca clientes de la región Patagonia"
"Dame el perfil del cliente Dan Parkin (ID: 4)"
"¿Qué categoría de productos genera más ingresos?"

Intermedias (2-3 tools)


"Identifica los 5 clientes que más han gastado, dime su región y clasifica su nivel"
"¿Cuánto vendimos en la región Buenos Aires?"
"¿Qué método de pago es el más utilizado por los clientes?"

Avanzadas (5+ tools) - Desafío

Realiza un análisis completo de la región Patagonia:
1. ¿Cuántos clientes hay en Patagonia?
2. ¿Cuáles son los 3 productos más vendidos en Patagonia?
3. ¿Qué categoría genera más ingresos en Patagonia?
4. ¿Qué método de pago prefieren los clientes de Patagonia?
5. ¿Qué recomendaciones darías para aumentar las ventas en esta región?

❓ SOLUCIÓN DE PROBLEMAS COMUNES

Error: "GROQ_API_KEY no configurada"

# Asegúrate de haber ejecutado la celda que solicita la API Key
# Si no funciona, reinicia el runtime y vuelve a ejecutar

Error: "El servidor no inició"

# Verifica que la base de datos se creó correctamente
!ls -la /content/mcp_laboratorio.db
# Verifica que el archivo del servidor existe
!ls -la /content/mi_mcp_server.py
# Revisa el log del servidor
!cat /content/mi_mcp_server.log

Error: "Puerto 8000 ocupado"


# Libera el puerto y reinicia
!fuser -k 8000/tcp 2>/dev/null || true

Error en las pruebas SQL

# Verifica que los archivos CSV se subieron correctamente
# Ejecuta la Fase 3 nuevamente

📊 RESULTADOS DEL LABORATORIO

Métrica	Valor
Capacidades identificadas	8
Tools implementadas	8
Pruebas SQL exitosas	8/8
Pruebas manuales exitosas	8/8
Pruebas del agente exitosas	7/7
Criterios de evaluación	8/8 (100%)

Principales hallazgos de negocio

Hallazgo	Valor
Producto más vendido	Hamburgesas congeladas (382 unidades)
Categoría con más ingresos	Carnicería ($27,615 - 27.58%)
Región con más ventas	Buenos Aires ($35,820 - 1,041 órdenes)
Método de pago más usado	Mercado Pago (28.79%)
Cliente con mayor gasto	Pinchas Stollsteiner ($760)

🔒 MEDIDAS DE SEGURIDAD

Medida	Implementación
SQL Injection	✅ Consultas parametrizadas con `?`
Exposición de SQL	✅ No se expone SQL libre al LLM
Validación de tipos	✅ `asegurar_int()` convierte y valida
Límites de resultados	✅ `limite` acotado (1-25, 1-50, 1-20)
Solo lectura	✅ Todas las tools usan `SELECT`
Manejo de errores	✅ Try/except en `ejecutar_sql`

📁 ESTRUCTURA DE ARCHIVOS

📂 MCP-Orquestacion-Agentes/
│
├── 📄 README.md                               # Este archivo
├── 📄 requirements.txt                         # Dependencias
├── 📄 .env.example                             # Variables de entorno
│
├── 📂 notebooks/
│   └── 📄 PlantillaMCPMultiFuenteFastMCPLangChainOpenAI-david-yurivilca.ipynb
│
├── 📂 datasets/
│   ├── 📄 clientes.csv                         # 326 clientes
│   ├── 📄 ventas.csv                           # 3,029 transacciones
│   ├── 📄 productos.csv                        # 38 productos
│   ├── 📄 categorias.csv                       # 8 categorías
│   └── 📄 metodos\_pago.csv                     # 5 métodos de pago
│
└── 📂 docs/
    ├── 📄 guia-usuario.md                      # Guía detallada (este documento)
    └── 📄 arquitectura.md                      # Explicación técnica

📦 INSTALACIÓN LOCAL (OPCIONAL)

Si deseas ejecutar localmente en lugar de Colab:


# Clonar el repositorio
git clone https://github.com/tu-usuario/MCP-Orquestacion-Agentes.git
cd MCP-Orquestacion-Agentes
# Crear entorno virtual
python -m venv venv
source venv/bin/activate  # Linux/Mac
# venv\Scripts\activate   # Windows
# Instalar dependencias
pip install -r requirements.txt
# Configurar variables de entorno
cp .env.example .env
# Editar .env con tu GROQ_API_KEY
# Ejecutar el notebook
jupyter notebook notebooks/

📄 requirements.txt


fastmcp>=0.1.0
langchain>=1.0.0
langchain-mcp-adapters>=0.1.0
langchain-groq>=1.0.0
pandas>=2.0.0
sqlite3
jupyter>=1.0.0

📄 .env.example

# Groq API Configuration
GROQ_API_KEY=tu_api_key_aqui
GROQ_MODEL=llama-3.3-70b-versatile
# Opciones de modelo alternativas:
# GROQ_MODEL=llama-3.1-8b-instant
# GROQ_MODEL=mixtral-8x7b-32768
# GROQ_MODEL=gemma2-9b-it

🧠 APRENDIZAJES CLAVE

MCP estandariza la conectividad - Un servidor MCP puede servir a múltiples agentes
La orquestación es responsabilidad del agente - MCP conecta, el agente decide
Las tools deben ser atómicas - Una tool = una capacidad de negocio
La seguridad es por capas - Server valida, orquestador controla, prompt guía
La trazabilidad es fundamental - Ver qué tools usó el LLM y por qué
Groq es una alternativa viable - Rápido, económico y con tool calling

📋 GUÍA DE USUARIO ADICIONAL PARA COLAB

🔗 Enlace directo para abrir en Colab

En el README, el badge de Colab ya está incluido:

[![Open In Colab](https://colab.research.google.com/assets/colab-badge.svg)](https://colab.research.google.com/github/tu-usuario/MCP-Orquestacion-Agentes/blob/main/notebooks/PlantillaMCPMultiFuenteFastMCPLangChainOpenAI-david-yurivilca.ipynb)

⚠️ IMPORTANTE PARA COLAB

Runtime: Asegúrate de usar un runtime con GPU habilitada
- Runtime → Change runtime type → T4 GPU (recomendado)
Tiempo de ejecución: El notebook completo toma ~30-40 minutos
Guardar progreso: Colab guarda automáticamente en tu Drive
- Archivo → Guardar una copia en Drive
Reconexión: Si se desconecta, vuelve a ejecutar desde la Fase 3
- Las variables se reinician al reconectar
Costos: Groq es gratuito, pero verifica tu límite de uso
- Gratis: 30 requests/minuto

📚 REFERENCIAS

Documentación oficial

Material del curso

PDF: Estrategias de Integración CERTI AI ARCHITECT ONLINE 2026 II LIMA
PDF: Guía Teórica - Orquestación de MCP con Agentes

📝 NOTAS FINALES

Sobre el uso de Groq vs OpenAI

Este laboratorio fue adaptado para usar Groq en lugar de OpenAI debido a:

✅ Tier gratuito generoso para desarrollo educativo
✅ Inferencia ultrarrápida
✅ Excelente soporte para tool calling
✅ Buen rendimiento en español

Sobre el dataset

El dataset fue diseñado para simular un e-commerce real con:

Distribución geográfica realista (6 regiones argentinas)
Variedad de categorías de productos alimenticios
Métodos de pago comunes en Latinoamérica
Volumen de datos adecuado para análisis (3,029 transacciones)

👤 DATOS DEL AUTOR

Campo	Valor
Nombre	David Yurivilca
Curso	CERTI AI ARCHITECT ONLINE 2026 II LIMA
Institución	BSG Institute
Fecha de entrega	Julio 2026

📄 LICENCIA

Este proyecto es de uso educativo para el curso CERTI AI ARCHITECT ONLINE 2026 II LIMA de BSG Institute.

📌 "No se trata de dar 'acceso a todo' al LLM.
Se trata de exponer las capacidades mínimas necesarias,
bajo permisos explícitos, con herramientas bien descritas,
evidencia verificable, acciones controladas y trazabilidad completa."

⭐ Si este proyecto te ha sido útil, ¡no olvides darle una estrella en GitHub! ⭐

Versión 1.0 - Julio 2026

This server cannot be installed

license - permissive license

quality - not tested

maintenance

How are these scores calculated?

Maintenance

–Maintainers

–Response time

–Release cycle

–Releases (12mo)

Commit activity

Resources

GitHub Repository

Need Help?

Related Servers

Unclaimed servers have limited discoverability.

Looking for Admin?

If you are the server author, to access and configure the admin panel.

Latest Blog Posts

Your AI Chatbot Just Exposed Your CEO's Salary to an Intern
By Om-Shree-0709 on July 2, 2026.
Agent Identity
MCP Security
OAuth Delegation
Why MCP Servers Need Execution Sandboxing (And Why Your Current Stack Isn't Enough)
By Om-Shree-0709 on June 30, 2026.
Agentic Ai
Prompt Injection
WebAssembly
Lightport: Open-Sourcing Glama's AI Gateway
By punkpeye on April 27, 2026.
OpenAI
open source

MCP directory API

We provide all the information about MCP servers via our MCP API.

curl -X GET 'https://glama.ai/api/mcp/v1/servers/systemyuri/MCP-Orquestacion-Agentes'

If you have feedback or need assistance with the MCP directory API, please join our Discord server