El modo multimodal en MCP te permite construir un servidor capaz de procesar imágenes, audio o video, no solo texto. Si vienes trabajando con conversaciones y archivos de texto plano, este salto es el que convierte un servidor básico en una herramienta realmente poderosa. Es ideal para quienes ya dominan lo esencial de MCP y quieren extender sus capacidades.
Por qué el modo multimodal es el concepto clave de MCP
Desde que ChatGPT apareció a inicios de 2023, todos estábamos felices pidiendo preguntas y recibiendo respuestas en texto. Pero no pasaron ni seis meses cuando empezamos a pedir más: procesamiento de imágenes, respuestas con voz, diseño de material. Esa evolución es la que hizo multimodal a un producto como ChatGPT [00:30].
Lo interesante es que podemos migrar toda esa evolución hacia MCP. En lugar de un servidor que solo manda mensajes, construyes uno que procesa imágenes y otros formatos de archivo.
¿Qué significa que un servidor sea multimodal? Significa que puede trabajar con distintos tipos de archivo, no solo texto. Procesa imágenes, audio, video y más dentro del mismo proyecto.
Qué paquetes necesitas instalar para procesar imágenes
Antes de escribir código, tienes que preparar tu entorno con dos paquetes especializados. Aquí entran en juego las bibliotecas que simplifican todo el trabajo pesado.
El protagonista es NumPy, un paquete altamente especializado para quienes trabajan con algoritmos de procesamiento de vectores, imágenes o matemáticas muy específicas [01:40]. No necesitas ser experto en el tema; basta con aprender a aprovechar sus ventajas.
Los pasos para preparar la carpeta de trabajo son directos:
- Ubícate en la carpeta de clase 15 con
cd clase 15.
- Abre una nueva terminal dentro de VS Code.
- Instala los paquetes con
pip install numpy pillow.
Ten en cuenta que estos paquetes pueden tardar un par de minutos en instalarse, así que dale su tiempo. Una vez listos, puedes crear tu archivo server.py.
Cómo construir el endpoint que analiza el brillo de una imagen
El servidor arranca con la misma base de los anteriores, pero sumas las referencias a Pillow y NumPy. La parte diferencial es que ya no creas solo un FastMCP, sino también una FastAPI para exponer una API [03:30].
Aquí viene el truco clave: usas el decorador @mcp.post para crear una especie de endpoint, como si fuera un tipo de API. Esto te permite definir una nueva ruta cómoda, por ejemplo mcp image brightness, pensada para calcular el brillo de la imagen.
El método que procesa el archivo funciona así:
- Se declara como
async y recibe un archivo que subes al método post.
- NumPy abre el archivo y lo convierte en un arreglo de datos.
- De ese arreglo se extrae el nivel de brillo de la imagen.
- El servidor responde con el valor del brillo y el mensaje de procesamiento exitoso.
Lo que impresiona de NumPy es que, con solo convertir la imagen en un arreglo, ya puede extraer datos tan concretos como el brillo. Esa simplicidad es la que hace tan atractiva esta biblioteca.
Cómo arrancar y probar el servidor con uvicorn y curl
Con el código listo, falta levantar el servidor. Para eso usas uvicorn apuntando al host en localhost y el puerto 8000 [06:00].
Un detalle fácil de olvidar: necesitas la línea que hace el montaje de la aplicación, es decir, la referencia a la ruta de MCP y al objeto de MCP. Si la saltas, te aparecerá un error al arrancar. Una vez corregido, el mismo comando levanta el servidor sin problema.
¿Por qué el inspector no muestra el método post? Porque el inspector de MCP enlista herramientas y recursos, no rutas tipo API. El método post vive como un endpoint web, así que no aparece ahí.
Cuando revisas el inspector, ves el saludo en recursos y la herramienta de agregar, pero nada del post. Ante esto tienes dos caminos, y el que se elige aquí es tratar al servidor MCP como un servidor web cualquiera.
Para eso usas una sentencia de curl con el método post, apuntando a localhost:8000 y a la ruta mcp image brightness. Es importante estar ubicado en la carpeta de clase 15, porque ahí vive la imagen de jardín que se procesa [08:30].
¿Qué resultado devuelve el análisis de brillo? Al ejecutar el curl con la imagen, el servidor responde que el brillo es de 142.65 y que la imagen fue procesada exitosamente.
Hay un detalle práctico que vale recordar: si el inspector o el curl no funcionan, revisa que estés en la ubicación exacta de la carpeta. Un control C y volver a entrar con cd clase 15 suele resolver ese tropiezo tan común.
Qué reto adicional puedes intentar antes de avanzar
Con un ejemplo tan simple y una biblioteca tan potente como NumPy, puedes extender tu servidor para trabajar con imágenes, audio, video y un largo etcétera de archivos. La idea es que no te quedes solo en el texto.
El reto propuesto es convertir ese método post en una herramienta dentro de MCP, de modo que quede expuesta en tu servidor y la puedas consumir como cualquier otra tool. Así tendrías la misma funcionalidad integrada de forma nativa.
La respuesta estará en el repositorio para cuando veas el curso, pero intenta resolverlo antes de mirar el resultado. ¿Te animas a transformar ese endpoint en una herramienta? Cuéntame cómo te fue en los comentarios.