En este artículo reviso smithery.yaml en el repositorio mcp-mermaid y explico qué es Smithery.ai y cómo se usa este archivo para configurar servidores MCP Model Context Protocol. Smithery.ai es el mayor mercado abierto de servidores MCP, donde se pueden descubrir y desplegar servidores que permiten a modelos LLM buscar en la web, acceder a bases de datos y ofrecer capacidades avanzadas para agentes IA. Ejemplos populares de servidores alojados en Smithery incluyen Exa para búsqueda en la web, Context7 para referencia de documentación y Browserbase para control remoto de navegadores.

El archivo smithery.yaml define la configuración de un servidor MCP en Smithery y debe situarse en la raíz del repositorio. Sirve para declarar el modo de arranque, el esquema de configuración esperada, ejemplos de configuración y, opcionalmente, una función que genere el comando de arranque. A continuación resumo las secciones clave y la intención de cada una para facilitar su uso y adaptación en proyectos reales.

Ejemplo de uso y explicación breve de campos habituales en smithery.yaml: startCommand indica cómo iniciar el servidor, configSchema describe con JSON Schema las opciones de configuración que acepta el MCP, exampleConfig proporciona un ejemplo mínimo de configuración y commandFunction puede devolver el comando CLI para iniciar el proceso cuando el startCommand es stdio.

Versión simplificada del smithery.yaml tomada y adaptada del código de mcp-mermaid, presentada de forma compacta para su lectura y sin caracteres de comillas: span startCommand : type : stdio ; configSchema : type : object ; properties : {} ; commandFunction : |- (config) => ({ command : node , args : [ ./build/index.js ] }) ; exampleConfig : {} /span

Consejos prácticos para desarrolladores: validar el configSchema con herramientas de JSON Schema para asegurar que los usuarios de tu MCP proporcionen los parámetros correctos; incluir un ejemplo claro en exampleConfig para acelerar la adopción; y si tu servidor realiza llamadas a APIs externas o servicios cloud, documentar las variables necesarias como apiKey o endpoints. Si tu proyecto implica despliegues en la nube, integración de datos o seguridad, considera arquitecturas que contemplen alta disponibilidad y control de secretos.

Sobre mcp-mermaid, este repositorio utiliza un smithery.yaml minimalista cuyo commandFunction arranca la versión compilada de node en build index.js y deja el configSchema vacío cuando no se requieren opciones adicionales. Esta aproximación es útil en servidores que se configuran mediante variables de entorno o archivos externos y no necesitan entrada por parte del usuario en Smithery.

En Q2BSTUDIO somos una empresa de desarrollo de software y aplicaciones a medida con experiencia en inteligencia artificial, ciberseguridad, servicios cloud aws y azure, servicios de inteligencia de negocio y automatización de procesos. Ofrecemos soluciones de software a medida, diseño de agentes IA y proyectos de ia para empresas que buscan incorporar capacidades de modelo y agentes inteligentes a sus productos. Si necesitas desarrollar una plataforma MCP personalizada o integrar agentes IA con seguridad y escalabilidad, podemos ayudarte a diseñar la arquitectura y el pipeline de despliegue. Conecta con nuestras soluciones de inteligencia artificial en servicios de inteligencia artificial de Q2BSTUDIO o descubre nuestro enfoque para desarrollo de aplicaciones a medida en desarrollo de aplicaciones y software a medida.

Palabras clave integradas para mejorar posicionamiento: 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. Autores y contacto: Ramu Narasinga estudia arquitectura de codebases en proyectos open source. Para consultas técnicas o colaboración en integración de MCP y agentes IA puedes contactar a Ramu Narasinga por correo electrónico ramu.narasinga@gmail.com.