Antes de comenzar con la parte práctica de MCP, asegura un entorno de desarrollo estable y listo. Aquí tienes una guía clara para validar versiones, instalar herramientas clave y entender los conocimientos previos recomendados, todo con un enfoque directo y útil para avanzar sin contratiempos.
¿Qué herramientas instalar para MCP con Python?
Contar con las herramientas correctas evita errores y pérdidas de tiempo. El enfoque es trabajar con Python, pip, UV para entornos virtuales, Uvicorn como servidor web ligero y npx de npm para usar el inspector de MCP con interfaz gráfica.
Python 3: base del desarrollo. En el ejemplo se reporta 3.13.7.
pip: gestor de paquetes de Python. Se menciona pip en versión veinticinco.
Uvicorn: mini servidor web útil con FastAPI para pruebas locales.
npx (npm/Node): necesario para ejecutar el inspector gráfico de MCP.
¿Para qué sirve cada herramienta en MCP?
Python: lenguaje elegido para el desarrollo en el curso.
pip: instalación de dependencias puntuales cuando haga falta.
UV: creación de entornos virtuales para aislar paquetes y evitar conflictos.
Uvicorn: ejecución de servicios web de prueba, común con FastAPI.
npx: ejecución del inspector de MCP sin instalaciones globales.
¿Por qué usar WSL o Linux en el entorno?
El trabajo se hará en una terminal de Ubuntu usando WSL en Windows. Esto facilita una experiencia similar a Linux incluso en equipos Windows. Si usas macOS o Linux, puede haber variaciones menores, pero la lógica es la misma: terminal y herramientas al día.
¿Qué conocimientos previos y contexto recomienda el instructor?
MCP se ubica dentro de la especialidad de AI Engineer. Para aprovechar mejor, se sugiere haber completado los fundamentos de LLM y inteligencia artificial, además de programar con soltura en el lenguaje elegido.
¿Qué conocimientos previos de LLM e IA se sugieren?
Conceptos base de modelos de lenguaje.
Fundamentos de inteligencia artificial aplicados.
Vocabulario y práctica mínima para entender la terminología del curso.
¿Qué nivel de programación necesitas?
Manejo de sintaxis y módulos del lenguaje que usarás.
Capacidad para instalar paquetes y entender errores.
Confort con terminal y comandos básicos.
Ventaja: si dominas estos fundamentos, avanzarás con fluidez y sin frenarte por temas básicos.
¿Cómo verificar el entorno y preparar el despliegue?
El objetivo inmediato es comprobar que el equipo está listo antes de construir. Se valida en una máquina “limpia” para confirmar que nada falta y que todo fluye desde la terminal.
¿Cómo verificar instalaciones con comandos?
Confirmar versiones de Python y pip.
Instalar Uvicorn con pip si hace falta.
Asegurar npx operativo para el inspector de MCP.
Sugerencias prácticas:
Limpiar la terminal al cambiar de tarea.
Documentar versiones para reproducibilidad.
¿Qué pasa con pip y los entornos virtuales?
En Linux o WSL, Python restringe instalaciones globales con pip por seguridad. La solución es trabajar dentro de un entorno virtual. Con UV se crearán y gestionarán estos entornos para instalar dependencias sin afectar el sistema.
Beneficios:
Aislamiento de paquetes por proyecto.
Menos conflictos de versiones.
Configuración más segura.
¿Se necesita suscripción de Azure para MCP?
No es obligatoria, pero es altamente deseable para desplegar el servidor de MCP en la nube y usar recursos asociados. Puedes crear una suscripción gratuita con cerca de 200 dólares de crédito. El consumo estimado para el curso es de 3 a 4 dólares bien administrados.
Te leo: ¿qué sistema operativo usarás y qué dudas tienes al preparar tu entorno para MCP?
