convocatorias-mcp

Servidor MCP que vigila los boletines oficiales españoles y encuentra convocatorias que encajan con tu perfil: becas, ayudas, empleo público y subvenciones. El BOE publica a diario y es inabarcable a mano, así que la gente pierde convocatorias que le aplicaban.

Se usa conversando con Claude (Desktop o Code) en lenguaje natural, y trae un dashboard estático para consultar sin instalar nada.

El dashboard, filtrando por palabra y por watchlist. Termina donde tiene que terminar: en el texto oficial del BOE, que es la única fuente válida. Pruébalo en convocatorias.alvaroadrada.dev.

Estado: en construcción. Funciona end-to-end contra el BOE real: el índice local tiene unas 15.000 convocatorias de los últimos 90 días, con servidor MCP de ocho tools, ingesta incremental, ranking por watchlists y dashboard publicado en convocatorias.alvaroadrada.dev. Pendiente: publicar la extensión .mcpb en una release.

Lo que esta herramienta no hace

No te dice si cumples los requisitos de una convocatoria. Resume qué pide, señala coincidencias y discrepancias con tu perfil y enlaza siempre al texto oficial, que es la única fuente válida. Equivocarse sobre si alguien puede optar a una ayuda tiene consecuencias reales, así que esa afirmación no la hace el programa.

Esto no es un descargo de responsabilidad decorativo: está en el modelo de datos (AVISO_NO_ELEGIBILIDAD) para que no se pueda omitir al escribir la descripción de un tool.

Related MCP server: BOE & EUR-Lex MCP Server

Cómo funciona: matching en dos niveles

El trabajo se reparte entre lo que un programa hace bien y lo que un modelo hace bien:

Nivel 1, en código. Un filtro barato y determinista sobre el índice local: palabras clave y sección del boletín. Rápido, repetible y sin llamadas a ningún modelo. Devuelve candidatas.

Nivel 2, en el modelo. get_convocatoria(id) descarga el texto íntegro y se lo entrega a Claude para que lea los requisitos. Renta, edad, unidad familiar, empadronamiento y méritos vienen en prosa jurídica con formatos infinitos: no se parsean con expresiones regulares. Esa comprensión es exactamente para lo que sirve MCP.

Instalación y uso

Hace falta Python 3.11 o superior.

git clone https://github.com/Adrada03/convocatorias-mcp
cd convocatorias-mcp
python -m venv .venv
.venv/Scripts/activate        # en Linux o macOS: source .venv/bin/activate
pip install -e .

Puebla el índice local y comprueba que todo está en su sitio:

convocatorias-mcp ingest
convocatorias-mcp doctor

Conectarlo a Claude Code

claude mcp add --transport stdio --scope user convocatorias -- /ruta/a/convocatorias-mcp/.venv/Scripts/convocatorias-mcp.exe

En macOS o Linux el ejecutable está en .venv/bin/convocatorias-mcp en vez de .venv/Scripts/convocatorias-mcp.exe. Comprueba la conexión con:

claude mcp list

convocatorias debe aparecer como Connected.

Conectarlo a Claude Desktop

Las versiones recientes de Claude Desktop ya no leen claude_desktop_config.json a mano: instalan servidores MCP locales como extensiones de escritorio (.mcpb), de un solo clic.

El .mcpb todavía no está publicado en una release. El bundle ya se construye y se ha verificado desempaquetándolo fuera de la carpeta donde se genera (el primer intento solo arrancaba en la máquina que lo construyó, y se retiró en vez de dejarlo descargable; la causa está en Construir el .mcpb). Hasta que se publique, se construye con las instrucciones de esa sección, o se usa Claude Code, arriba, que no necesita empaquetado.

Una vez tengas el .mcpb, se instala con cualquiera de estas tres opciones:

• Haz doble clic en el archivo .mcpb.

• Arrástralo a la ventana de Claude Desktop.

• Settings → Extensions → Advanced settings → Install Extension… y selecciónalo.

Irá sin firmar (no hay certificado de desarrollador detrás), así que Claude Desktop avisará de ello al instalarlo.

Si usas una versión de Claude Desktop anterior a las extensiones .mcpb (antes de 2025), todavía puede valer la configuración manual en claude_desktop_config.json (%APPDATA%\Claude\ en Windows, ~/Library/Application Support/Claude/ en macOS):

{
  "mcpServers": {
    "convocatorias": {
      "command": "C:\\ruta\\a\\convocatorias-mcp\\.venv\\Scripts\\convocatorias-mcp.exe"
    }
  }
}

En versiones nuevas este archivo simplemente no se lee: si lo editas y no pasa nada, es señal de que te hace falta el .mcpb de arriba, no de que lo hiciste mal.

Una vez conectado (por Code o por Desktop), pregúntale en lenguaje natural: "¿qué convocatorias de oposiciones hay en el índice?" o "búscame subvenciones publicadas esta semana".

Es un servidor stdio local: no hay servicio alojado, ni backend, ni claves. Lo arranca tu Claude en tu máquina y lee un índice SQLite de tu disco. Cualquiera puede usarlo con su propia cuenta.

Construir el .mcpb: por qué un venv no vale

El .mcpb no se versiona en el repo ni se genera a mano, y el primer intento —empaquetar un venv y apuntar el manifest a su convocatorias-mcp.exe— resultó estar roto de una forma que no se ve: funcionaba en la máquina donde se construyó y en ninguna otra. Merece la pena contarlo porque el fallo es silencioso.

Un venv no es relocalizable. Dos cosas lo atan a su sitio:

1. El .exe del entry point lleva una ruta absoluta. pip genera los console-scripts con un shebang embebido apuntando al intérprete del venv que los creó:

   #!C:\...\build\mcpb\server\venv\Scripts\python.exe

   Instalado en otra ruta, el .exe reenvía igualmente al directorio de build. En la máquina donde se construyó, eso existe y arranca; fuera, no.

2. El venv no contiene el runtime. Ni Lib/ ni python3xx.dll viven dentro: pyvenv.cfg apunta a la instalación base de Python de esa máquina, que no viaja en el bundle.

El efecto combinado es que la extensión instalada no ejecutaba ni siquiera su propia copia de site-packages, sino la del directorio de build. Se detectó mirando el árbol de procesos, no los logs, porque nada fallaba.

El empaquetado actual no depende de nada de la máquina: el intérprete va dentro.

pip install --target mcpb/server/lib .              # dependencias, arbol plano
curl -O https://www.python.org/ftp/python/3.12.10/python-3.12.10-embed-amd64.zip
unzip python-3.12.10-embed-amd64.zip -d mcpb/server/python
npm install -g @anthropic-ai/mcpb
mcpb pack mcpb dist/convocatorias-mcp.mcpb

pip install --target produce un árbol de paquetes sin rutas absolutas, y el manifest lanza el Python embebido del propio bundle (${__dirname}/server/python/python.exe -m convocatorias_mcp.cli) en vez de un console-script, que es lo que embebía el shebang.

Por qué el intérprete tiene que ir dentro

La versión intermedia usaba el python del sistema y el PYTHONPATH. Parecía razonable —hay Python 3.12 en el PATH, python --version lo confirma— y fallaba igualmente con un error que no dice lo que pasa:

ImportError: cannot import name 'ArgsKwargs' from 'pydantic_core._pydantic_core'

Claude Desktop construye su propio PATH y antepone la instalación de Python que detecta, que no tiene por qué ser la que gana en el PATH del sistema. El log de la extensión lo enseña:

Using MCP server command: ...\Programs\Python\Python314\python.exe
paths: [ '...\Programs\Python\Python314',   <- antepuesta por la app
         ...
         'C:\Users\<usuario>\',             <- el 3.12 del PATH, por detrás

Los wheels compilados del bundle (lxml, pydantic_core, cryptography) son cp312, así que bajo 3.14 no cargan. No es un problema de configuración del usuario: con dos Pythons instalados, cuál se usa no lo decide el usuario ni el manifest. La única forma de que el ABI case siempre es llevar el intérprete dentro.

Eso tiene un precio que conviene saber: el bundle pasa de 20 a 31 MB y queda atado a una plataforma. compatibility.platforms dice win32 porque tanto los wheels como el Python embebible son de Windows; dar soporte a macOS y Linux es construir un .mcpb por sistema, en CI.

El bundle se prueba desempaquetándolo en otra carpeta y arrancándolo allí con un PATH hostil (Python 3.14 el primero, y también sin ningún Python). Si solo se prueba donde se construyó y con el PATH del desarrollador, ninguno de estos dos fallos aparece.

Dos detalles más que solo se ven al ejecutarlo:

• pip install --target no procesa los ficheros .pth, y pywin32 —que llega como dependencia de mcp— reparte pywintypes por win32/lib. Sin esas carpetas en el sys.path, el servidor muere al importar. Van en el python312._pth del intérprete embebido, que además ignora el PYTHONPATH del entorno: otra cosa menos de la que depender.

• Las watchlists no viajan en el bundle, ni deben: son datos personales. El manifest las pide como user_config de tipo file y las pasa en CONVOCATORIAS_WATCHLISTS_PATH, así que Claude Desktop genera la casilla al instalar. Sin ella el servidor funciona, pero ordena por fecha sin puntuar.

compatibility.runtimes.python no se declara, y ya no hace falta: no hay requisito externo que declarar. Cuando lo había, ese campo resultó ser una puerta y no documentación —Claude Desktop deshabilitaba el botón de instalar si no encontraba Python donde lo busca, aunque estuviese instalado y funcionando—, lo que dejaba fuera precisamente a quien cumplía el requisito.

Tools que expone

Falta run_digest, que llega con el digest por email. No está registrado: un tool declarado que no funciona es peor que uno que no existe, porque el modelo lo intentaría y se llevaría un error.

Toda respuesta lleva el aviso de no elegibilidad y la cita que exige la licencia del BOE. No es decorativo: hay tests de que ninguna respuesta puede salir sin ellos.

El ranking

Con watchlists configuradas, los resultados se ordenan por afinidad. El score sale de cuatro dimensiones, con estos pesos por defecto:

Tres decisiones que importan:

• El scoring no mira el texto completo. Puntuar con el texto obligaría a descargar 15.000 documentos y rompería el reparto en dos niveles: el score ordena candidatas, y la profundidad la pone el modelo sobre las pocas que suben.

• Una sección no vigilada es una exclusión, no un cero. Si vigilas II.B y III, una licitación de V.A no es "poco afín": es que no la has pedido.

• Las keywords de una watchlist son un OR. Un perfil con cuatro intereses no busca convocatorias que los mezclen todos; en una búsqueda explícita, en cambio, las palabras que escribes se exigen todas.

Los pesos viven en ranking.Pesos para poder afinarlos con el uso sin tocar la lógica. Y explain_match enseña el desglose, que es la forma de entender por qué sale lo que sale:

empleo-publico-tic: score 0.5416
  titulo         peso=0.55  cumple=0.3333 -> 0.1833
    1 de 3 palabras clave en el título: sistemas.
  departamento   peso=0.15  cumple=0.0    -> 0.0
    Ninguna de las 3 palabras clave aparece en el departamento o el epígrafe.
  seccion        peso=0.25  cumple=1.0    -> 0.25
    La sección II.B está entre las que vigila esta watchlist (II.B).

El score mide afinidad temática, no elegibilidad. Que algo puntúe 1,0 no dice nada sobre si cumples sus requisitos.

Los plazos, y por qué muchos faltan

plazo_fin se extrae del texto oficial cuando se descarga, y solo si el texto lo dice de forma explícita e inequívoca: la frase tiene que hablar de un plazo y de presentar solicitudes, y dar una sola fecha. Si no, queda en desconocido y se dice con palabras.

Sobre una muestra real de 18 extractos de convocatorias de la sección V.B:

• 5 declaran una fecha absoluta y se extraen bien.

• 2 usan plazos relativos ("veinte días hábiles desde la publicación"), que no se calculan: haría falta el calendario de festivos nacionales, autonómicos y locales, y equivocarse en un día es equivocarse.

• 11 no declaran plazo en el extracto, porque remiten a las bases.

Esa proporción es la razón de que deadlines_soon avise de que su lista no es exhaustiva. Un plazo equivocado es peor que no tener plazo, porque alguien se fiaría de él.

Durante el desarrollo el extractor sí se equivocó una vez, y merece la pena contarlo: cogió el 31 de diciembre de 2028 de la frase "la beca no podrá superar la fecha límite de 31 de diciembre de 2028". Era la duración de la beca, no su plazo de solicitud. Por eso ahora se exige que la frase hable de presentar algo, y por eso hay un test con ese texto exacto.

El índice se pone al día solo

Trabajar con datos viejos sin saberlo es peor que esperar unos segundos, así que el servidor comprueba la frescura del índice en cada consulta:

• Hasta 7 días de atraso (configurable con CONVOCATORIAS_AUTO_INGEST_DIAS): ingiere los días que falten antes de responder. Siete días son como mucho siete peticiones.

• Más de 7 días: no bloquea la consulta. Responde con lo que haya e incluye un aviso de que el índice está desactualizado y de que hay que ejecutar convocatorias-mcp ingest, porque un backfill de semanas no cabe en el tiempo de una respuesta.

• Solo se intenta una vez por sesión: si la red está caída, no se hace esperar al usuario en cada consulta.

Y todas las respuestas, estén al día o no, dicen indice_cubre_hasta y dias_de_atraso. El objetivo es que el modelo nunca afirme que no hay convocatorias cuando lo que pasa es que no ha mirado.

El vocabulario del boletín

Los títulos del BOE están en lenguaje administrativo. Una oposición no se titula "oposiciones": se titula "Resolución de 8 de octubre de 2026, de la Subsecretaría, por la que se convoca proceso selectivo para ingreso...". Buscar "oposiciones" sobre 2.255 convocatorias de la sección II.B devolvía cero, y era correcto.

La solución principal está en la descripción del tool, que enseña al modelo qué contiene cada sección y cómo traducir la intención del usuario: el cliente es un LLM, y eso es su trabajo, no el de un filtro LIKE. Como red de seguridad hay además una tabla corta de sinónimos (oposiciones → proceso selectivo, pruebas selectivas...), ampliable con un sinonimos.yaml propio:

cp sinonimos.example.yaml sinonimos.yaml

Cada clave del fichero sustituye la de serie, así que se puede corregir una entrada y no solo añadir.

Comandos

La fuente de desarrollo

Además del BOE hay una fuente fixture que lee sumarios guardados en tests/fixtures/. No toca la red, así que sirve para desarrollar y para que cualquiera pruebe el proyecto entero sin depender de que el BOE publique hoy:

convocatorias-mcp ingest --fuente fixture

Sus ids empiezan por fixture: en vez de boe:, porque el prefijo de la fuente forma parte del id. Si habías poblado el índice con ella, bórralo antes de ingerir el BOE real para no quedarte con la misma convocatoria bajo dos ids. La ruta del índice la dice convocatorias-mcp doctor.

Diseño en una frase

Cada boletín es una fuente que implementa la interfaz BoletinSource (async fetch_dia(fecha) -> list[Convocatoria]). La ingesta, el índice y el servidor MCP no conocen ningún boletín concreto, así que añadir uno es crear un fichero, implementar fetch_dia() y registrarlo.

El detalle completo —capas, invariantes, ingesta, ranking, plazos y empaquetado, con diagramas— está en docs/ARQUITECTURA.md.

El pivote: de ofertas de empleo a convocatorias oficiales

Este repo empezó siendo jobscout-mcp, un agregador de ofertas de empleo de portales españoles. El historial de commits lo conserva entero, porque la razón del cambio es la parte interesante.

Al verificar las fuentes una por una, ninguna resultó viable con el criterio de consentimiento explícito que se describe más abajo:

• Tecnoempleo se podía leer técnicamente, pero su robots.txt excluye por nombre a ClaudeBot, AnthropicBot y otros agentes de IA. Pasar por la regla * habría sido una tecnicalidad que no respeta la intención del operador, y menos en una herramienta pensada para que la instale cualquiera.

• InfoJobs exige aprobación previa como partner.

• LinkedIn, Indeed y Glassdoor prohíben el scraping en sus términos.

• Adzuna sí tenía API pública y términos compatibles, pero necesita registro y credenciales para poder confirmar siquiera que cubre España.

Los boletines oficiales son el caso opuesto: datos abiertos por ley, con licencia de reutilización explícita y una API pública sin autenticación. En vez de pelear por acceder a datos que alguien no quiere compartir, el proyecto se mudó a datos que existen precisamente para ser reutilizados. Y el problema que resuelve es más real: una oferta de empleo la ves en cinco portales, pero una beca publicada en el BOE un martes no la ve nadie.

La arquitectura sobrevivió al cambio sin tocarse: la interfaz de fuente, el SourceError, el rate limiting y el patrón de fuentes → normalización → índice → ranking → digest son los mismos. Solo cambió el dominio.

Fuentes de datos

Los autonómicos no están implementados: antes hay que comprobar si ofrecen API de datos abiertos, igual que se verificó el BOE. Es la limitación conocida más importante — una convocatoria de vivienda protegida de la Comunidad de Madrid no aparece en el BOE, así que hoy este programa no la encuentra.

API del BOE

GET https://www.boe.es/datosabiertos/api/boe/sumario/{AAAAMMDD}
Accept: application/json

Sin autenticación, sin clave y sin registro. Devuelve sumarios por fecha y no permite buscar: de ahí que haga falta un índice local.

Verificado con peticiones reales el 19/10/2026, con el User-Agent de este proyecto:

• El sumario del 17/10/2026 trae 271 items en 7 secciones (313 KB de JSON).

• Los domingos responden normalmente 404, con cuerpo XML aunque pidas JSON. Eso no es un error: es ausencia de publicación, y se registra como tal para no ensuciar la salud de la fuente ni reintentar la fecha para siempre.

• Pero no todos los domingos. En el backfill de 90 días, 11 domingos devolvieron 404 y 2 devolvieron 200 con contenido: el BOE publicó ediciones extraordinarias el 26/07 y el 09/08/2026, por la emergencia de incendios y por controles fronterizos.

• Esos dos sumarios llegan además con otra forma: un nivel texto extra entre seccion y departamento, y entre departamento y epigrafe. El parser maneja las dos, y resultó que el envoltorio también aparecía en los sumarios normales (en la sección V.C), donde estaba perdiendo un anuncio en silencio.

• robots.txt (494 KB) permite el acceso a la API y no excluye a ningún agente de IA.

• Solo admite GET; un POST devuelve 403.

Licencia de reutilización

Los datos vienen de la sede electrónica de la Agencia Estatal Boletín Oficial del Estado, y su reutilización se rige por las condiciones de reutilización del BOE, la licencia tipo aprobada por Resolución de la Agencia de 27 de junio de 2024 al amparo de la Ley 37/2007 sobre reutilización de la información del sector público.

Esa licencia permite el uso comercial y no comercial, y obliga a dos cosas que este proyecto cumple:

1. Citar la fuente con un enlace a https://www.boe.es. La cita que exige la licencia es "Fuente de los datos: Agencia Estatal Boletín Oficial del Estado", y aparece en el digest, en el dashboard y en las respuestas del servidor. La declara la propia fuente (cita_requerida), no la plantilla de cada salida, para que cumplirla no dependa de que nadie se acuerde.

2. No desnaturalizar el sentido de la información. Por eso el programa no interpreta requisitos ni reescribe convocatorias: enlaza al texto oficial y deja que lo lea quien tiene que decidir.

Esta herramienta no es un servicio oficial ni está respaldada por el BOE.

Política de fuentes

Este proyecto solo consulta fuentes que han dado consentimiento explícito para que un tercero lea sus datos. No es una limitación técnica: casi todas las fuentes descartadas aquí se podrían leer igualmente. Es una decisión de diseño, y está documentada porque la considero parte del trabajo.

Por orden de preferencia:

1. Datos abiertos con licencia de reutilización. El operador publica los datos para que se reutilicen y dice bajo qué condiciones.

2. API pública documentada para terceros.

3. Feed RSS o JSON publicado para ser consumido.

4. Scraping solo si robots.txt permite nuestro caso de uso y no excluye agentes de IA.

Y una regla que manda sobre las cuatro:

Si una fuente excluye agentes de IA por nombre, queda descartada, aunque técnicamente pudiéramos pasar.

Esta herramienta canaliza información hacia un asistente de IA. Que nuestro User-Agent no coincida con los que el operador ha bloqueado es una tecnicalidad que no respeta su intención. Es un problema de consentimiento, no de carga: bajar el ritmo de peticiones no lo resolvería.

Fuentes descartadas

Nota de diseño: robots.txt no gobierna una API

robots.txt se dirige a rastreadores que descubren contenido siguiendo enlaces. No es el documento que regula a un cliente de una API publicada para terceros ni a un reutilizador de datos abiertos. Dos ejemplos verificados: api.adzuna.com/robots.txt es User-agent: * / Disallow: /, y api.ashbyhq.com/robots.txt responde 401 Unauthorized.

Aplicar ahí la comprobación dejaría el proyecto sin fuentes, cumpliendo la letra de un documento que no va dirigido a nosotros mientras se ignora el contrato que sí lo está. Así que cada fuente declara de dónde viene su consentimiento (Consentimiento.DATOS_ABIERTOS, API_PUBLICA, FEED_PUBLICO o ROBOTS) y la comprobación de robots.txt se aplica solo a las que se apoyan en él. Lo que no cambia en ninguna fuente: el User-Agent identificado, el rate limiting y la caché.

Configuración

Watchlists

El ranking es opcional. Copia la plantilla y edítala:

cp watchlists.example.yaml watchlists.yaml

watchlists:
  - nombre: empleo-publico
    keywords: [proceso selectivo, pruebas selectivas]
    secciones: [II.B]
  - nombre: becas
    keywords: [beca, becas, matrícula]
    secciones: [III, V.B]
notificacion:
  avisar_plazo_dias: 3

Las keywords van en el vocabulario del boletín, no en el tuyo: sobre un índice real de 14.935 convocatorias, analista y programador aparecen 0 veces, y proceso selectivo 262. Y no hay min_score en el ejemplo a propósito: su defecto es 0, y subirlo es lo que más resultados hace desaparecer sin avisar (ver abajo).

convocatorias-mcp doctor cuenta cuántas casa cada watchlist contra tu índice y avisa si alguna casa casi nada, distinguiendo si la culpa es de las keywords o del min_score. Una watchlist mal configurada no da ningún error: callada, se confunde con "no hay nada que te encaje".

Hay varias watchlists, y no un perfil único, porque los criterios de una beca de informática no se parecen a los de una vivienda protegida: mezclarlos daría un score sin significado. El digest agrupa por watchlist.

Secciones que traen convocatorias: II.B oposiciones y concursos, III bases reguladoras de becas y subvenciones, V.A licitaciones públicas y V.B otros anuncios oficiales. Se aceptan tanto la etiqueta romana (III) como el código interno del BOE (3).

watchlists.yaml está en .gitignore: tus criterios son tuyos y el repo solo versiona la plantilla. Sin el fichero el servidor funciona igual, ordenando por fecha.

El comando doctor

Este servidor lo lanza Claude Desktop en segundo plano, así que cuando algo está mal configurado no hay ningún mensaje de error a la vista. doctor es el sitio donde mirar:

convocatorias-mcp doctor --check-api

[ ok ] Python: 3.12.10
[ ok ] watchlists.yaml: 2: becas-informatica (4 keywords, 2 secciones), empleo-publico-tic (3 keywords, 1 sección)
[ ok ] índice: C:\Users\...\convocatorias-mcp\convocatorias-index.sqlite3
[warn] contenido del índice: vacío; ejecuta 'convocatorias-mcp ingest' para poblarlo
[ ok ] API del BOE: sumario del 2026-10-19: HTTP 200, 371.771 bytes

Revisa las watchlists (y avisa si tienen un typo, en vez de ignorarlo), el estado del índice con sus huecos y, con --check-api, la conectividad real con el BOE. Devuelve código de salida 1 si algo impide funcionar.

Nunca imprime credenciales ni datos personales, ni completos ni parciales: su salida está pensada para pegarse en un issue. De las claves dice la longitud, de las watchlists cuenta las keywords sin listarlas, y la dirección del digest no se imprime ni enmascarada.

El dashboard

Una página HTML estática, sin backend y sin framework, para consultar el índice sin instalar nada. Se genera así:

convocatorias-mcp export
python -m http.server -d dashboard 8000

Y se abre en localhost:8000. Hace falta el servidor porque abriendo el fichero con doble clic el navegador bloquea la lectura de data.json; si pasa, la propia página lo explica y da el comando.

Permite buscar por texto, filtrar por watchlist, sección, estado y rango de fechas, y ordenar por fecha, por plazo o por afinidad. Lo que vence en siete días o menos va marcado en rojo, y lo del mes, en ámbar. Funciona en móvil y sigue el modo claro u oscuro del sistema.

Qué se exporta, y qué no

Solo metadatos. Nunca textos completos: el texto oficial vive en el BOE y la página enlaza a él. Ni siquiera se exporta la URL, porque se deriva del identificador; eran 940 KB de repetir la misma cadena 15.000 veces.

Los tamaños, medidos sobre el índice real de 14.935 convocatorias:

Por defecto se recorta a los últimos 30 días más todo lo que coincida con alguna watchlist, y la página lo dice en su cabecera junto a la fecha hasta la que llegan los datos. Una beca de hace dos meses que encaja con tu perfil es exactamente lo que no se puede perder por recortar.

El recorte no es por la red —gzipped el índice entero son 747 KB y GitHub Pages comprime— sino porque 4,4 MB de JSON son 15.000 objetos que un móvil tiene que parsear y mantener en memoria. Con --todo se exporta completo, que en escritorio va sobrado.

Las watchlists del sitio publicado

El dashboard desplegado usa watchlists.demo.yaml, con intereses inventados (investigación, empleo público TIC, ayudas al estudio y vivienda), para que se vea el ranking y los chips de afinidad funcionando sobre datos reales. La propia página avisa de que son de ejemplo.

Las watchlists de verdad viven en watchlists.yaml, que no se versiona: los criterios de cada uno dicen bastante de uno mismo, y eso no se publica.

Una de ellas lleva min_score: 0.6 a propósito. Sus keywords incluyen "becas", que tira de los sinónimos y arrastra "ayuda" y "subvención", palabras que inundan las secciones III y V.B: sin ese mínimo, esa watchlist casaría una de cada seis convocatorias del BOE. Es el ejemplo de para qué sirve min_score.

Despliegue

.github/workflows/pages.yml está escrito pero no activo: solo se puede lanzar a mano, y publicar requiere además activar Pages en el repositorio. El sitio irá en convocatorias.alvaroadrada.dev vía CNAME.

Antes de activarlo hay una decisión pendiente, y está anotada en el propio workflow: dashboard/data.json está en .gitignore porque se genera desde el índice local, así que hay que elegir si se versiona, se genera en CI con una ingesta programada o se sube como artefacto.

Acceso educado a las fuentes

Verificado con tests, no solo documentado:

• User-Agent identificado y honesto: convocatorias-mcp/0.1.0 (+URL del repo). No se imita ningún navegador.

• Retardo mínimo de 1,5 s entre peticiones al mismo dominio, compartido entre fuentes y no por instancia, para que un backfill concurrente no pueda duplicar el ritmo.

• Si un sitio declara un Crawl-delay mayor, gana el del sitio.

• Índice local agresivo: una fecha ya ingerida no se vuelve a pedir, y un texto completo ya descargado tampoco.

• Fechas en zona horaria Europe/Madrid, que es cuando publica el BOE.

Desarrollo

python -m venv .venv
.venv/Scripts/activate        # en Linux o macOS: source .venv/bin/activate
pip install -e ".[dev]"
pytest
ruff check .

Ningún test toca la red: las fuentes HTTP se prueban con respx y los parsers con sumarios reales del BOE guardados en tests/fixtures/.

Licencia

MIT. Ver LICENSE. Los datos del BOE se reutilizan bajo sus condiciones de reutilización.