DevDocs MCP Server
Provides AI models with direct access to documentation for over 600 technologies from DevDocs.io, including popular languages, frameworks, and tools. It enables comprehensive searching, content retrieval, and offline access via an intelligent local caching system.
README
📚 DevDocs MCP Server
Model Context Protocol (MCP) Server para acceder a la documentación de DevDocs.io desde Claude Desktop, GitHub Copilot y otros clientes MCP.
📖 Tabla de Contenidos
- ¿Qué es MCP?
- ¿Qué es DevDocs MCP?
- Características
- Arquitectura
- Instalación
- Configuración
- Herramientas Disponibles
- Ejemplos de Uso
- Sistema de Caché
- API de DevDocs
- Desarrollo
- Solución de Problemas
- Licencia
🤖 ¿Qué es MCP?
Model Context Protocol (MCP) es un protocolo abierto creado por Anthropic que permite a los modelos de IA (como Claude o Copilot) interactuar con herramientas externas de forma segura y estructurada.
Arquitectura MCP
┌─────────────────────────────────────────────────────────────────┐
│ Cliente MCP │
│ (Claude Desktop, GitHub Copilot, etc.) │
└─────────────────────────────────────────────────────────────────┘
│
│ JSON-RPC 2.0 (stdio)
│
▼
┌─────────────────────────────────────────────────────────────────┐
│ Servidor MCP │
│ (devdocs-mcp-server) │
│ │
│ ┌─────────────┐ ┌─────────────┐ ┌─────────────┐ │
│ │ Tools │ │ Resources │ │ Prompts │ │
│ │ (funciones) │ │ (datos) │ │ (plantillas)│ │
│ └─────────────┘ └─────────────┘ └─────────────┘ │
└─────────────────────────────────────────────────────────────────┘
│
│ HTTP/HTTPS
│
▼
┌─────────────────────────────────────────────────────────────────┐
│ DevDocs.io API │
│ (documents.devdocs.io) │
└─────────────────────────────────────────────────────────────────┘
Comunicación stdio
MCP utiliza stdio (Standard Input/Output) para la comunicación:
┌──────────┐ stdin (JSON) ┌──────────┐
│ Cliente │ ────────────────────▶ │ Servidor │
│ MCP │ │ MCP │
│ │ ◀──────────────────── │ │
└──────────┘ stdout (JSON) └──────────┘
- stdin: El cliente envía peticiones JSON-RPC al servidor
- stdout: El servidor responde con resultados JSON-RPC
- Sin puertos HTTP: La comunicación es directa entre procesos
📚 ¿Qué es DevDocs MCP?
DevDocs MCP es un servidor MCP que proporciona acceso a la documentación de más de 600 tecnologías disponibles en DevDocs.io, incluyendo:
- Lenguajes: Python, JavaScript, TypeScript, Rust, Go, Java, C++, etc.
- Frameworks: React, Vue, Angular, Django, Spring Boot, Express, etc.
- Herramientas: Docker, Kubernetes, Git, Webpack, etc.
- APIs: Web APIs, Node.js, Deno, etc.
¿Por qué usar DevDocs MCP?
| Sin DevDocs MCP | Con DevDocs MCP |
|---|---|
| ❌ Copiar/pegar de documentación | ✅ IA accede directamente |
| ❌ Cambiar entre ventanas | ✅ Todo en el mismo chat |
| ❌ Buscar manualmente | ✅ Búsqueda integrada |
| ❌ Información desactualizada | ✅ Documentación oficial |
| ❌ Limitado al conocimiento del modelo | ✅ Acceso a docs actualizadas |
✨ Características
🔧 12 Herramientas Disponibles
| Herramienta | Descripción |
|---|---|
list_documentations |
Lista todas las ~600 documentaciones disponibles |
search_documentation |
Busca en el índice de una tecnología específica |
get_page_content |
Obtiene el contenido de una página de documentación |
get_documentation_index |
Obtiene el índice completo de una tecnología |
get_cache_stats |
Muestra estadísticas del caché local |
clear_cache |
Limpia el caché (todo o por tecnología) |
get_multiple_pages |
Obtiene varias páginas en una sola llamada |
search_across_docs |
Busca en múltiples documentaciones a la vez |
get_type_entries |
Filtra entradas por tipo (class, function, etc.) |
get_examples |
Extrae solo los bloques de código de una página |
export_documentation |
Exporta documentación completa a archivos locales |
offline_mode_status |
Muestra qué documentaciones están disponibles offline |
💾 Sistema de Caché Inteligente
- Caché persistente: No re-descarga documentación ya obtenida
- Sin TTL: Las docs de DevDocs son versionadas, no cambian
- Modo offline: Funciona sin internet para docs cacheadas
- Volumen Docker: Persiste entre reinicios del contenedor
🐳 Docker Ready
- Imagen ligera (~233MB)
- Volumen para persistir caché
- Configuración simple
- Compatible con Claude Desktop y GitHub Copilot
🏗 Arquitectura
Estructura del Proyecto
devdocs-mcp/
├── src/
│ └── devdocs_mcp/
│ ├── __init__.py # Package initialization
│ ├── server.py # MCP server (12 tools)
│ ├── api.py # DevDocs API client
│ ├── cache.py # Disk-based cache system
│ └── utils.py # HTML to Markdown converter
├── docker/
│ ├── Dockerfile # Docker image definition
│ └── docker-compose.yml # Docker Compose config
├── scripts/
│ ├── docker-build.bat # Build script (Windows)
│ └── docker-build.sh # Build script (Linux/Mac)
├── config/
│ └── claude_config_example.json # MCP config examples
├── tests/
│ ├── test_mcp.py # MCP server tests
│ └── test_mcp_protocol.py # Protocol tests
├── pyproject.toml # Python project config
├── LICENSE
└── README.md
Flujo de Datos
┌─────────────────────────────────────────────────────────────────────┐
│ Copilot / Claude │
│ │
│ "¿Cómo uso asyncio.gather en Python?" │
└─────────────────────────────────────────────────────────────────────┘
│
│ 1. Llama tool: search_documentation
│ {tech: "python~3.10", query: "gather"}
▼
┌─────────────────────────────────────────────────────────────────────┐
│ DevDocs MCP Server │
│ │
│ server.py ──▶ api.py ──▶ cache.py │
│ │ │ │ │
│ │ │ ├──▶ ¿En caché? ──▶ Sí ──▶ Retorna │
│ │ │ │ │
│ │ │ └──▶ No ──▶ Descarga ──▶ Guarda │
│ │ │ │
│ │ └──▶ utils.py (HTML → Markdown) │
│ │ │
│ └──▶ Retorna resultado formateado │
└─────────────────────────────────────────────────────────────────────┘
│
│ 2. Llama tool: get_page_content
│ {tech: "python~3.10", path: "library/asyncio-task"}
▼
┌─────────────────────────────────────────────────────────────────────┐
│ DevDocs.io API │
│ │
│ documents.devdocs.io/python~3.10/library/asyncio-task.html │
└─────────────────────────────────────────────────────────────────────┘
📦 Instalación
Opción 1: Docker (Recomendado)
Requisitos
- Docker Desktop instalado y corriendo
Pasos
# 1. Clonar o navegar al directorio
cd devdocs-mcp
# 2. Construir la imagen
docker build -t devdocs-mcp:latest -f docker/Dockerfile .
# 3. Verificar que se creó
docker images devdocs-mcp
Verificar funcionamiento
# Probar que el servidor responde
echo '{"jsonrpc":"2.0","id":1,"method":"tools/list"}' | docker run -i --rm devdocs-mcp:latest
Opción 2: Instalación Local
Requisitos
- Python 3.10 o superior
- pip
Pasos
# 1. Navegar al directorio
cd devdocs-mcp
# 2. Instalar en modo desarrollo
pip install -e .
# 3. Verificar instalación
python -c "from devdocs_mcp.server import main; print('OK')"
⚙️ Configuración
GitHub Copilot (VS Code)
- Abre VS Code
- Presiona
Ctrl+Shift+P→ "Preferences: Open User Settings (JSON)" - Busca la sección de MCP servers o créala
- Añade la configuración:
Con Docker (Recomendado)
{
"mcp": {
"servers": {
"devdocs": {
"command": "docker",
"args": [
"run", "-i", "--rm",
"-v", "devdocs-cache:/root/.cache/devdocs-mcp",
"devdocs-mcp:latest"
]
}
}
}
}
Sin Docker (Local)
{
"mcp": {
"servers": {
"devdocs": {
"command": "python",
"args": ["-m", "devdocs_mcp.server"],
"cwd": "E:/DevDocs/devdocs-mcp/src"
}
}
}
}
- Reinicia VS Code
Claude Desktop
-
Abre el archivo de configuración:
- Windows:
%APPDATA%\Claude\claude_desktop_config.json - macOS:
~/Library/Application Support/Claude/claude_desktop_config.json - Linux:
~/.config/claude/claude_desktop_config.json
- Windows:
-
Añade la configuración:
{
"mcpServers": {
"devdocs": {
"command": "docker",
"args": [
"run", "-i", "--rm",
"-v", "devdocs-cache:/root/.cache/devdocs-mcp",
"devdocs-mcp:latest"
]
}
}
}
- Reinicia Claude Desktop
🔧 Herramientas Disponibles
1. list_documentations
Lista todas las documentaciones disponibles en DevDocs (~600).
Parámetros:
| Nombre | Tipo | Requerido | Descripción |
|---|---|---|---|
filter |
string | No | Filtrar por nombre |
Ejemplo de uso:
"Lista las documentaciones disponibles que contengan 'python'"
Respuesta:
## Documentaciones Disponibles (15 encontradas)
- **Python 3.10** (`python~3.10`) - v3.10
- **Python 3.11** (`python~3.11`) - v3.11
- **Python 3.12** (`python~3.12`) - v3.12
...
2. search_documentation
Busca en el índice de una tecnología específica.
Parámetros:
| Nombre | Tipo | Requerido | Descripción |
|---|---|---|---|
tech |
string | Sí | Slug de la tecnología (ej: python~3.10) |
query |
string | Sí | Término de búsqueda |
limit |
integer | No | Máximo de resultados (default: 20) |
Ejemplo de uso:
"Busca 'asyncio' en la documentación de Python 3.10"
Respuesta:
## Resultados para "asyncio" en python~3.10
Encontrados: 15 resultados
1. **asyncio** [Concurrent Execution]
Path: `library/asyncio`
2. **asyncio.gather()** [Concurrent Execution]
Path: `library/asyncio-task`
...
3. get_page_content
Obtiene el contenido completo de una página de documentación.
Parámetros:
| Nombre | Tipo | Requerido | Descripción |
|---|---|---|---|
tech |
string | Sí | Slug de la tecnología |
path |
string | Sí | Path de la página |
Ejemplo de uso:
"Dame el contenido de la página asyncio-task de Python 3.10"
Respuesta:
# asyncio — Asynchronous I/O
asyncio is a library to write concurrent code using the async/await syntax.
## Running an asyncio Program
import asyncio
async def main():
print('Hello')
await asyncio.sleep(1)
print('World')
asyncio.run(main())
...
4. get_documentation_index
Obtiene el índice completo de una documentación.
Parámetros:
| Nombre | Tipo | Requerido | Descripción |
|---|---|---|---|
tech |
string | Sí | Slug de la tecnología |
Ejemplo de uso:
"Dame el índice de Spring Boot"
5. get_cache_stats
Muestra estadísticas del caché local.
Parámetros: Ninguno
Ejemplo de uso:
"¿Cuánto ocupa el caché de devdocs?"
Respuesta:
## Estadísticas del Caché
- **Directorio:** `/root/.cache/devdocs-mcp`
- **Archivos totales:** 156
- **Tamaño total:** 12.45 MB
### Documentaciones cacheadas:
- **python~3.10**: 45 archivos (3.2 MB)
- **spring_boot**: 89 archivos (8.1 MB)
- **react**: 22 archivos (1.15 MB)
6. clear_cache
Limpia el caché local.
Parámetros:
| Nombre | Tipo | Requerido | Descripción |
|---|---|---|---|
tech |
string | No | Tecnología específica (vacío = todo) |
Ejemplo de uso:
"Limpia el caché de Python 3.10"
7. get_multiple_pages
Obtiene múltiples páginas en una sola llamada.
Parámetros:
| Nombre | Tipo | Requerido | Descripción |
|---|---|---|---|
tech |
string | Sí | Slug de la tecnología |
paths |
array | Sí | Lista de paths |
Ejemplo de uso:
"Dame las páginas de asyncio, asyncio-task y asyncio-stream de Python"
8. search_across_docs
Busca en múltiples documentaciones a la vez.
Parámetros:
| Nombre | Tipo | Requerido | Descripción |
|---|---|---|---|
query |
string | Sí | Término de búsqueda |
techs |
array | No | Lista de tecnologías (default: populares) |
limit_per_tech |
integer | No | Máximo por tecnología (default: 5) |
Ejemplo de uso:
"Busca 'websocket' en Python, JavaScript y Node.js"
Respuesta:
## Búsqueda: 'websocket'
Tecnologías buscadas: 3 | Total resultados: 12
### 📚 python~3.10 (4 resultados)
- **websockets** → `library/websockets`
...
### 📚 javascript (5 resultados)
- **WebSocket** → `global_objects/websocket`
...
### 📚 node (3 resultados)
- **WebSocket** → `ws`
...
9. get_type_entries
Filtra entradas por tipo (class, function, method, etc.).
Parámetros:
| Nombre | Tipo | Requerido | Descripción |
|---|---|---|---|
tech |
string | Sí | Slug de la tecnología |
entry_type |
string | Sí | Tipo a filtrar |
limit |
integer | No | Máximo de resultados (default: 50) |
Ejemplo de uso:
"Lista todas las funciones built-in de Python 3.10"
10. get_examples
Extrae solo los bloques de código de una página.
Parámetros:
| Nombre | Tipo | Requerido | Descripción |
|---|---|---|---|
tech |
string | Sí | Slug de la tecnología |
path |
string | Sí | Path de la página |
Ejemplo de uso:
"Dame solo los ejemplos de código de asyncio.gather"
11. export_documentation
Exporta documentación completa a archivos locales.
Parámetros:
| Nombre | Tipo | Requerido | Descripción |
|---|---|---|---|
tech |
string | Sí | Slug de la tecnología |
output_dir |
string | Sí | Directorio de salida |
max_pages |
integer | No | Límite de páginas |
Ejemplo de uso:
"Exporta toda la documentación de React a ./react_docs"
⚠️ Advertencia: Puede tomar varios minutos para documentaciones grandes.
12. offline_mode_status
Muestra qué documentaciones están disponibles offline.
Parámetros: Ninguno
Ejemplo de uso:
"¿Qué documentaciones tengo disponibles offline?"
Respuesta:
## Estado Offline
- **Directorio caché:** `/root/.cache/devdocs-mcp`
- **Tecnologías disponibles offline:** 3
- **Tamaño total:** 12.45 MB
### Documentaciones en caché:
- **python~3.10**: 45 páginas (3.2 MB) | Índice: ✅
- **spring_boot**: 89 páginas (8.1 MB) | Índice: ✅
- **react**: 22 páginas (1.15 MB) | Índice: ✅
💡 Ejemplos de Uso
Caso 1: Aprender una nueva biblioteca
Usuario: "Necesito aprender a usar asyncio en Python.
¿Puedes buscar la documentación y explicarme los conceptos básicos?"
Copilot: [Usa search_documentation para buscar asyncio]
[Usa get_page_content para obtener la documentación]
"Según la documentación oficial de Python 3.10..."
Caso 2: Comparar implementaciones
Usuario: "¿Cómo se manejan las promesas en JavaScript vs Python?"
Copilot: [Usa search_across_docs con query="promise" en javascript y python]
[Usa get_page_content para obtener detalles de cada uno]
"Comparando ambas documentaciones..."
Caso 3: Buscar ejemplos específicos
Usuario: "Dame ejemplos de código de cómo usar fetch en JavaScript"
Copilot: [Usa get_examples con tech="javascript" path="global_objects/fetch"]
"Aquí tienes los ejemplos de la documentación oficial..."
Caso 4: Trabajo offline
Usuario: "Voy a estar sin internet. ¿Puedes cachear la documentación de React?"
Copilot: [Usa get_documentation_index para cachear el índice]
[Usa get_multiple_pages para cachear páginas principales]
"Listo, la documentación de React está disponible offline."
💾 Sistema de Caché
Estructura del Caché
~/.cache/devdocs-mcp/
├── docs_list.json # Lista de todas las documentaciones
├── python~3.10/
│ ├── index.json # Índice de Python 3.10
│ └── pages/
│ ├── library_asyncio.json
│ ├── library_asyncio-task.json
│ └── ...
├── spring_boot/
│ ├── index.json
│ └── pages/
│ └── ...
└── react/
└── ...
Política de Caché
| Aspecto | Comportamiento |
|---|---|
| TTL | Sin expiración (las docs son versionadas) |
| Persistencia | Permanente hasta limpieza manual |
| Ubicación | ~/.cache/devdocs-mcp/ (local) o volumen Docker |
| Formato | JSON para índices, Markdown para contenido |
Comandos útiles para el caché
# Ver contenido del caché (Docker)
docker run --rm -v devdocs-cache:/cache alpine ls -laR /cache
# Ver tamaño del volumen
docker system df -v | grep devdocs
# Limpiar volumen completamente
docker volume rm devdocs-cache
🌐 API de DevDocs
DevDocs MCP se conecta a la API pública de DevDocs:
Endpoints
| Endpoint | Descripción |
|---|---|
https://devdocs.io/docs.json |
Lista todas las documentaciones |
https://documents.devdocs.io/{tech}/index.json |
Índice de una tecnología |
https://documents.devdocs.io/{tech}/{path}.html |
Contenido HTML de una página |
Estructura de docs.json
[
{
"name": "Python",
"slug": "python~3.10",
"type": "python",
"version": "3.10",
"release": "3.10.0",
"mtime": 1634567890,
"db_size": 12345678
}
]
Estructura de index.json
{
"entries": [
{
"name": "asyncio",
"path": "library/asyncio",
"type": "Concurrent Execution"
},
{
"name": "asyncio.gather()",
"path": "library/asyncio-task#asyncio.gather",
"type": "Concurrent Execution"
}
],
"types": [
{"name": "Built-in Functions", "count": 69},
{"name": "Concurrent Execution", "count": 45}
]
}
🛠 Desarrollo
Ejecutar en modo desarrollo
cd devdocs-mcp
# Instalar dependencias
pip install -e .
# Ejecutar tests
python test_mcp.py
# Probar herramientas manualmente
python -c "
from devdocs_mcp.api import DevDocsAPI
api = DevDocsAPI()
results = api.search_in_index('python~3.10', 'asyncio', limit=5)
print(results)
"
Estructura de archivos
| Archivo | Responsabilidad |
|---|---|
server.py |
Servidor MCP, definición de tools, handlers |
api.py |
Cliente HTTP para DevDocs API |
cache.py |
Sistema de caché en disco |
utils.py |
Conversión HTML → Markdown |
Agregar una nueva herramienta
- Agregar método en
api.py:
def mi_nueva_funcion(self, param: str) -> dict:
"""Descripción de la función"""
# Implementación
return resultado
- Agregar Tool en
server.py:
Tool(
name="mi_nueva_tool",
description="Descripción para el modelo",
inputSchema={
"type": "object",
"properties": {
"param": {"type": "string", "description": "..."}
},
"required": ["param"]
}
)
- Agregar handler en
server.py:
elif name == "mi_nueva_tool":
result = await handle_mi_nueva_tool(arguments)
async def handle_mi_nueva_tool(args: dict) -> str:
param = args.get('param', '')
loop = asyncio.get_event_loop()
result = await loop.run_in_executor(None, api.mi_nueva_funcion, param)
return formatear_resultado(result)
🔧 Solución de Problemas
El servidor no inicia
# Verificar que Docker está corriendo
docker info
# Verificar que la imagen existe
docker images devdocs-mcp
# Reconstruir la imagen
docker build -t devdocs-mcp:latest -f docker/Dockerfile .
No aparecen las herramientas en Copilot
- Verificar configuración MCP en VS Code settings
- Reiniciar VS Code completamente
- Verificar logs:
View > Output > GitHub Copilot
Error de conexión a DevDocs
# Verificar conectividad
curl https://devdocs.io/docs.json
# Verificar desde Docker
docker run --rm devdocs-mcp:latest python -c "
import httpx
r = httpx.get('https://devdocs.io/docs.json', follow_redirects=True)
print(f'Status: {r.status_code}')
"
Caché corrupto
# Limpiar caché (Docker)
docker volume rm devdocs-cache
# Limpiar caché (Local)
rm -rf ~/.cache/devdocs-mcp
Ver logs del servidor
# Ejecutar manualmente para ver errores
docker run -it --rm devdocs-mcp:latest
# Con más detalle
docker run -it --rm devdocs-mcp:latest python -c "
import logging
logging.basicConfig(level=logging.DEBUG)
from devdocs_mcp.server import main
main()
"
📊 Rendimiento
Tiempos típicos
| Operación | Primera vez | Con caché |
|---|---|---|
list_documentations |
~500ms | ~10ms |
search_documentation |
~300ms | ~5ms |
get_page_content |
~200ms | ~5ms |
search_across_docs (9 techs) |
~2s | ~50ms |
Tamaño de caché por tecnología
| Tecnología | Páginas | Tamaño aprox. |
|---|---|---|
| Python 3.10 | ~450 | ~15 MB |
| React | ~80 | ~3 MB |
| JavaScript | ~200 | ~8 MB |
| Spring Boot | ~150 | ~12 MB |
📄 Licencia
Este proyecto está bajo la licencia MIT. Ver LICENSE para más detalles.
🙏 Agradecimientos
- DevDocs.io por proporcionar la API de documentación
- Anthropic por el protocolo MCP
- Model Context Protocol por la especificación
👨💻 Autor
<div align="center">
Javier Garcia · @JavierDevCol
</div>
<div align="center">
Hecho con ❤️ para la comunidad de desarrolladores
</div>
Recommended Servers
playwright-mcp
A Model Context Protocol server that enables LLMs to interact with web pages through structured accessibility snapshots without requiring vision models or screenshots.
Magic Component Platform (MCP)
An AI-powered tool that generates modern UI components from natural language descriptions, integrating with popular IDEs to streamline UI development workflow.
Audiense Insights MCP Server
Enables interaction with Audiense Insights accounts via the Model Context Protocol, facilitating the extraction and analysis of marketing insights and audience data including demographics, behavior, and influencer engagement.
VeyraX MCP
Single MCP tool to connect all your favorite tools: Gmail, Calendar and 40 more.
graphlit-mcp-server
The Model Context Protocol (MCP) Server enables integration between MCP clients and the Graphlit service. Ingest anything from Slack to Gmail to podcast feeds, in addition to web crawling, into a Graphlit project - and then retrieve relevant contents from the MCP client.
Kagi MCP Server
An MCP server that integrates Kagi search capabilities with Claude AI, enabling Claude to perform real-time web searches when answering questions that require up-to-date information.
E2B
Using MCP to run code via e2b.
Neon Database
MCP server for interacting with Neon Management API and databases
Exa Search
A Model Context Protocol (MCP) server lets AI assistants like Claude use the Exa AI Search API for web searches. This setup allows AI models to get real-time web information in a safe and controlled way.
Qdrant Server
This repository is an example of how to create a MCP server for Qdrant, a vector search engine.