Preparación del entorno de desarrollo para MCP con Python

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?