Herramienta MCP Simple con NodeJS diseñada para crear y ejecutar un servidor MCP local que pueda integrarse con múltiples herramientas externas como JIRA, TeamCity, Jenkins y clientes de IA. Este artículo explica de forma práctica la estructura básica del proyecto, los archivos principales y cómo extender el servidor con herramientas personalizadas, ideal para equipos que desarrollan aplicaciones a medida y soluciones de inteligencia artificial.

En Q2BSTUDIO somos una empresa de desarrollo de software y aplicaciones a medida, especialistas en inteligencia artificial, ciberseguridad y servicios cloud. Ofrecemos soluciones completas que van desde la arquitectura y desarrollo hasta la integración con servicios cloud AWS y Azure y la analítica con Power BI. Si buscas un partner para tu proyecto de software a medida visita desarrollo de aplicaciones a medida y descubre cómo podemos ayudarte.

Estructura recomendada del proyecto: carpeta mcp-server con subcarpetas src y src/lib, archivos de configuración como package.json, tsconfig.json, .env y un archivo mcp.json para integración con editores. Dentro de src se define el servidor MCP y las herramientas disponibles; en src/lib se implementan las funciones que llaman a APIs externas o a tu lógica de negocio.

Resumen de archivos y configuración: package.json contiene scripts para build, dev, start y dependencias necesarias para el SDK MCP, dotenv y fetch. tsconfig.json define las opciones del compilador TypeScript y la salida en la carpeta build. El archivo .env contiene variables como MCP_HOST, MCP_PORT, API_KEY y otras credenciales necesarias para autenticar servicios externos. Para levantar el servidor en local se suele ejecutar npm install seguido de npm run build y npm start.

Implementación y extensión: crea una instancia de McpServer desde el SDK, registra herramientas con nombre, descripción y esquema de parámetros (por ejemplo usando zod) y define handlers asincrónicos que llamen a tus APIs internas o a servicios externos. La clase Tools puede encapsular autenticación y llamadas a la API, devolviendo respuestas en un formato compatible con el protocolo MCP. Esto permite añadir agentes IA, automatización de procesos y servicios de inteligencia de negocio de forma modular.

Buenas prácticas: almacena secretos en variables de entorno, habilita logs y modo debug solo en entornos no productivos, valida siempre la entrada con esquemas y diseño de herramientas limitadas a lo mínimo necesario. Integra controles de ciberseguridad y pruebas de pentesting como parte del pipeline si manejas datos sensibles. Para servicios de inteligencia artificial y soluciones IA para empresas consulta nuestras capacidades en inteligencia artificial para empresas.

Beneficios de esta aproximación: flexibilidad para crear agentes IA y herramientas personalizadas, integración con herramientas de CI/CD y sistemas de trading o BI, y reutilización de la misma plataforma MCP para distintos clientes o equipos. En Q2BSTUDIO podemos ayudarte a implementar esta arquitectura y adaptarla a tus necesidades, incluyendo servicios de ciberseguridad, servicios cloud aws y azure, soluciones de inteligencia de negocio y dashboards en Power BI. Palabras clave: aplicaciones a medida, software a medida, inteligencia artificial, ciberseguridad, servicios cloud aws y azure, servicios inteligencia de negocio, ia para empresas, agentes IA, power bi.