Four Core Blocks of Every MCP Server

Contenido del curso

Introducción a MCP

Conceptos basicos de MCP

MCP avanzado

Integrando tu MCP con un agente

Tomar examen

Cursos Empresas Blog Live Conf Eventos Precios

0:005:47

Four Core Blocks of Every MCP Server

Curso de MCP con Microsoft Azure

Clase 5 de 22

Clase 5 / 22

Comentarios (11)11 comentarios

Favio Náquira

Hace un año

Jeferson Stiven Parra Mahecha

Hace un año

Favio Náquira

Hace un año

Jesús Ignacio García Fernández

Hace un año

Edna Leiden Oliver Dupont

Hace un año

Amin Espinoza

Profesor

Hace un año

Juan R Rossano

Hace un año

Angel Almazan

Hace un año•editado

Ricardo Aviles Sanders

Hace 6 meses

Juan Sebastian Ramirez Leyva

Hace 8 meses

andres reyes

Hace un año

Edwin Andres Legro Agudelo

Hace un año

Daniel Gallego

Hace un año

Jesús Ignacio García Fernández

Hace un año

Marcel Solera

Hace un año

Marcel Solera

Hace un año

Jose Ever Muñoz Muñoz

Hace un año

Recursos

Setting up an MCP server with UV virtual environments gives you a clean, isolated workspace to build, test, and destroy without breaking your global Python setup. If you are learning the Model Context Protocol, this workflow shows you how to scaffold a project, install the MCP CLI, and understand the four building blocks every server needs.

Why use UV to bootstrap an MCP project?

UV is a virtual environment manager for Python that lets you spin up a project in seconds. The big win: everything you build stays sandboxed, so you can delete the folder or exit UV and your machine stays clean.

Inside the clase-cuatro folder, the workflow starts in the terminal at [00:38]:

Run uv init demo-mcp-server to scaffold the project.
UV creates a README, a main.py, and a pyproject.toml automatically.
Open the folder in Visual Studio Code and your new project structure is ready.

This isolation is what makes UV powerful for experimentation. You are not committing to anything permanent.

What is UV in Python? It is a virtual environment and package manager that scaffolds projects with a single command and keeps dependencies isolated from your global setup.

How do I install the MCP CLI inside UV?

Once inside the new project, you add the MCP command line interface as a dependency. From the terminal at [01:48], run uv add "mcp[cli]" and UV downloads everything you need.

This mirrors what you did with pip in the previous lesson, but now the install lives only inside your UV environment. Cleaner, reversible, repeatable.

After the install, running uv run mcp looks like nothing happens. And that is expected behavior. When you launch an MCP server, the terminal does not print confirmation logs the way a typical web server would. To verify the server is alive and responding, you use the MCP inspector, the same tool from the prior class.

Why does my MCP server show no terminal output? MCP servers communicate through the protocol, not through stdout. Use the inspector to confirm the server is running.

What are the four building blocks of an MCP server?

Once your environment is ready, you can copy your previous server.py from clase-tres directly into the new project and it will run identically. The portability is the point.

From there, the structure of any MCP server breaks down into four pieces, all visible when you explore the fast MCP decorators around [03:30]:

Server configuration. This is where you define the server name, like FastMCP("demo"), and optional settings such as the communication port.
Tools. Functions decorated with @mcp.tool that the client can invoke to perform actions.
Resources. Declared with @mcp.resource, they handle parameters and expose richer functions, useful when you need the client to fetch structured data.
Prompts. Defined with @mcp.prompt, these are pre packaged prompts the server offers so the client can reuse them without rewriting context every time.

Each decorator plays a different role. Tools execute, resources deliver data, prompts standardize instructions, and the server config ties everything together.

How do prompts differ from tools in MCP?

A tool runs code when the client calls it. A prompt is a text template the server hands to the client so the user or the model can fire it on demand. Think of tools as actions and prompts as ready to use scripts.

When should I add a resource instead of a tool?

Use a resource when you need to expose data that depends on parameters, like fetching a user record by id. Tools are better for executing logic; resources are better for serving content the client wants to read.

How does this prepare you for the client side?

With server configuration, tools, resources, and prompts in place, your MCP server is feature complete from the protocol perspective. The next step is connecting a client that can discover and consume those four elements, which is exactly where the next class picks up.

If you experimented with extra methods in your own server.py, your tools list will look different from the reference code. That is fine. The structure stays the same; only the contents change.

What would you build first as a tool inside your MCP server? Drop your idea in the comments.

¿Cuál es la mejor forma de instalar uv? El curso no lo menciona, ni siquiera en los recursos da una recomendación

La documentación te puede servir:

ojalá corrijan la descripción de esas clases y agreguen este enlace

La diferencia principal entre la Clase 3 y la Clase 4 en relación a entornos es que en la Clase 4 se introduce el uso de UV (manejador de ambientes virtuales en Python) para crear y gestionar un entorno de trabajo específico para el servidor MCP, mientras que en la Clase 3 se daba un enfoque más general sobre la creación del servidor sin el uso de ambientes virtuales. Esto permite que en la Clase 4 puedas tener un entorno aislado y fácilmente manejable para tus proyectos, asegurando que no interfiera con otras configuraciones en tu sistema.

le falta contexto a las clases uv no indica que debe instalarlo

pip install uv

Gracias a este feedback ya hemos agregado la clase.

¿Que diferencia hay como ambiente virtual uv, venv y miniconda? ¿Cuales son las aplicaciones y ventajas de cada uno?

uv es el más rápido hasta ahora, es muy moderno pero muy poco extendido, venv también es muy extendido, no es muy rápido pero tiene mucho tiempo, ambos crean una carpeta con las dependencias donde hayas creado el ambiente. En lo personal cuando he usado venv suelo tener muchos problemas cuando alga cambia donde voy correr el proyecto. Microconda o conda son como ambientes globales pues no se crean en el lugar path donde lo corras y lo puedes activar donde sea.

Normalmente en ambientes corporativos es algo batalloso usar conda pues si la empresa es grande no es gratis. La verdad yo de todos hasta ahora prefiero poetry, es más lento que UV pero está super bien y ya tengo muchos proyectos con poetry.

Básicamente todos son algo parecido, te recomiendo hacer un par de proyectos con cada uno y te quedes con el que te guste o veas cuando es más conveniente cual. Saludos.

UPDATE: UV me gusta más en la actualidad y he migrado la gran mayoría de mis proyectos a UV y actualmente ya es estandar en la industría aunque en lo personal batallo cuando quiero correrlo en OS algo viejos.

primero instalar uv, en mi caso con linux: curl -LsSf | sh

despues correr uv init demo-mcp-server

Aqui hace falta un contexto pequeños cuando se requiera utilizar UV add o cualquier otro comando con uv debe primiero inicializar uv add "mcp[cli]"

uv init

Hubo una pregunta en un quiz rapido: Si quieres que el servidor responda acorde a lo que está pasando en esta sesión/conversación, ¿qué tipo de pregunta haces? A — “Preguntar sobre el contexto del MCP activo.”

Elaborando mas que es un contexto activo: Es todo lo que sabe el servidor hasta el momento, si hacemos una petición a un MCP, mantendremos la conversación y sabra que por un tiempo en el caso del profe un par de rrequest atrás pedimos que nos sumara

Yo también uso conda, para desplegar mis enviroments de trabajo, en ese caso al intentar acceder al server mcp , solo funciona si uso el enviroment por defecto que tengo en el sistema, lo más recomendado es hacer mcp de tipo sse endpoint, ya que está usando un protocolo http de acceso y no me lío con rutas de los env de conda.

Tuve problemas corriendo el proyecto y encontré esta guía:

la misma de la clase.

Primero copie el código de la guía en el archivo main.py
Cambie el nombre de main.py a server.py
Y luego ejecute el comando uv run mcp dev server.py

Los tres elementos de un servidor son:

Configuración del servidor: Define cómo se manejan las solicitudes y cómo se configuran los recursos.
Herramientas: Incluye bibliotecas y frameworks necesarios para el funcionamiento del servidor.
Prompts: Permiten al servidor interactuar y procesar la información de manera efectiva.

Estos elementos son fundamentales para construir un servidor que pueda comunicarse con clientes, tal como se mencionó en el curso de creación de servidores inteligentes.

me sale este error:

Usage: mcp [OPTIONS] COMMAND [ARGS]...

MCP development tools

╭─ Options ────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────╮

│ --help Show this message and exit. │

╰──────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────╯

╭─ Commands ───────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────╮

│ version Show the MCP version. │

│ dev Run a MCP server with the MCP Inspector. │

│ run Run a MCP server. │

│ install Install a MCP server in the Claude desktop app. │

Try 'mcp --help' for help.

╭─ Error ──────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────╮

│ │

lo solucione

1 cambiando el nombre de main.py a server.py

2 ejecutando uv run mcp dev server.py

gracias por tu solicion, tambien me funcino !

Introducción a MCP

Introducción a MCP

MCP Core Architecture: Server, Client, and Host

MCP Dev Environment Setup for Python

MCP Server Setup With Python and Inspector

Conceptos basicos de MCP

Four Core Blocks of Every MCP Server

Building an MCP Client That Talks to Your Server

Adding an LLM to Your MCP Client

STDIO vs SSE in MCP Servers

LLM Connected to a Local MCP Server

Testing MCP Servers Without a Browser

Deploying an MCP Server to Azure Container Apps

Using MCP Servers in VS Code Agent Mode

MCP avanzado

Query Azure Resources Directly From VS Code

Herramientas avanzadas de MCP para optimizar servidores y seguridad

GPT-4 Reading Local Files via MCP Server

Image Brightness Analysis with MCP and NumPy

How MCP Agents Remember Conversations

Enrutamiento de herramientas con MCP Server

Integrando tu MCP con un agente

Building a Web Search MCP Server with SERP API

Adding News, Products and Q&A Tools to MCP

Why MCP Docs Already Feel Outdated

MCP as the New Standard for AI Systems

Four Core Blocks of Every MCP Server

Progreso del curso

Introducción a MCP

Conceptos basicos de MCP

MCP avanzado

Integrando tu MCP con un agente

Recursos

Recursos