Manuales

Appearance

Integracion con agentes ​

MCP integra capacidades externas en IDEs y chats; los agentes (LangChain, LangGraph, frameworks propios) pueden consumir las mismas capacidades via cliente MCP o reimplementando tools en proceso.

Patrones de integracion ​

txt
A) IDE (Cursor) -> Cliente MCP -> Servidor MCP
B) Backend agente -> Cliente MCP SDK -> Servidor MCP
C) Backend agente -> Tools nativas (sin MCP) misma logica

Usa MCP cuando quieras reutilizar servidores entre IDE y backend.

Agente en IDE ​

El flujo lo gestiona el host:

  1. Usuario pregunta en chat.
  2. Modelo elige tool MCP (search_manuals).
  3. Host ejecuta tools/call en el servidor.
  4. Resultado vuelve al modelo.
  5. Respuesta final al usuario.

No necesitas LangChain en el IDE; el host implementa el bucle.

Cliente MCP en Python (concepto) ​

python
# Pseudocodigo: conectar a servidor stdio y listar tools
from mcp import ClientSession, StdioServerParameters
from mcp.client.stdio import stdio_client

server_params = StdioServerParameters(
    command="python",
    args=["server.py"],
)

async with stdio_client(server_params) as (read, write):
    async with ClientSession(read, write) as session:
        await session.initialize()
        tools = await session.list_tools()
        result = await session.call_tool(
            "search_manuals",
            arguments={"query": "terraform state"},
        )

Envuelve tools MCP como herramientas LangChain si quieres un solo agente en backend.

Wrapper LangChain ​

python
from langchain_core.tools import tool

@tool
def search_manuals_mcp(query: str) -> str:
    """Busca en manuales via servidor MCP."""
    return mcp_call("search_manuals", {"query": query})

El agente LangGraph usa search_manuals_mcp igual que cualquier tool.

Multiples fuentes ​

txt
Agente
 ├── MCP manuales (docs)
 ├── MCP github (issues)
 └── Tool local (calculadora)

El modelo debe distinguir por nombre y descripcion. Prefijos ayudan: docs_search, github_create_issue.

Human-in-the-loop ​

Para tools destructivas:

txt
Modelo solicita github_merge_pr
Host muestra confirmacion UI
Usuario aprueba
Servidor ejecuta

Implementa en el host o intercepta tools/call antes del servidor.

Latencia y UX ​

  • Tools lentas (SQL pesada): timeouts y mensajes de progreso.
  • Cache de resources frecuentes.
  • Limitar tamano de respuesta (truncar con referencia a resource URI).

Observabilidad ​

Correlaciona:

txt
trace_id -> tool MCP -> duracion -> tokens LLM

LangSmith + logs del servidor MCP.

Buenas practicas ​

  • Misma politica de seguridad en IDE y backend.
  • No duplicar logica: servidor MCP como single source of truth.
  • Timeouts y reintentos en cliente.
  • Tests de integracion cliente-servidor.
  • Documentar tools disponibles para el equipo.

Errores habituales ​

  • Agente backend con permisos mayores que el IDE sin justificacion.
  • Reimplementar search en LangChain y en MCP con comportamientos distintos.
  • No manejar desconexion del subproceso MCP.
  • Respuestas tool demasiado grandes que saturan contexto.
  • Bucle agente que llama tools en cadena sin criterio de parada.

Siguiente paso ​

El capitulo 7 cierra el manual con checklist de produccion.