Preparación del entorno de desarrollo para MCP con Python
Clase 3 de 22 • Curso de MCP con Microsoft Azure
Resumen
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.
¿Qué versiones y comandos comprobar?
- Verificar Python 3 instalado.
- Confirmar pip activo.
- Instalar Uvicorn desde pip.
- Comprobar npx para el inspector de MCP.
python3 --version
pip3 --version
pip3 install uvicorn
npx --version
Puntos clave: - 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?