MCP Python Examples
Provides two MCP server examples in Python: a minimal greeting tool and a weather tool that fetches real-time data from Open-Meteo API.
README
MCP Python Examples
Este proyecto tiene tres paquetes de servidor/cliente MCP en Python:
- basico/mini_mcp.py: ejemplo mínimo para entender la estructura
- basico/main.py: ejemplo de clima usando Open-Meteo, sin seguridad
- seguro/ y github_login/: la misma tool de clima, pero protegida con OAuth 2.1 (Scalekit) — client credentials (M2M) y login real de usuario con GitHub
También incluye index.html, una presentación explicando uv, pipx y MCP con weather-mcp como ejemplo real (arquitectura, seguridad, y cómo exponerlo en la nube). Ábrelo directo en el navegador.
Qué se versiona en este repo
Solo el código y los archivos de configuración de uv, sin artefactos generados:
| Se versiona | No se versiona (ver .gitignore) |
|---|---|
basico/, seguro/, github_login/ (código) |
.venv/, __pycache__/ |
pyproject.toml, .python-version |
*.egg-info, build/, dist/ |
index.html, README.md, .gitignore, .env.template |
.uv-cache/, .claude/, .DS_Store, .env, usuarios_registrados.json |
Ejemplo mínimo
El archivo basico/mini_mcp.py es el más simple del proyecto.
Hace solo esto:
- crea un servidor MCP
- registra una sola tool
- devuelve un saludo
La tool se llama saludar y recibe:
{
"nombre": "Juan Camilo"
}
Respuesta esperada:
{
"result": "Hola, Juan Camilo"
}
Cómo correrlo
Puedes correr el MCP mínimo de cualquiera de estas dos formas:
uv run python basico/mini_mcp.py
o:
uv run mini-mcp
No recibe argumentos por consola. Los parámetros se envían cuando un cliente MCP invoca la tool saludar.
Cómo probarlo localmente
Modo desarrollo con inspector MCP:
uv run mcp dev basico/mini_mcp.py
Prueba directa como función Python:
uv run python -c "from basico.mini_mcp import saludar; print(saludar('Juan Camilo'))"
Configurar en clientes MCP
La opción más estable en este proyecto es registrar este comando:
/Users/sebastianzapata/.local/bin/uv run --project /Users/sebastianzapata/mcp mini-mcp
Después de editar la configuración de cualquier cliente, reinicia la aplicación.
Codex
Archivo:
~/.codex/config.toml
Bloque:
[mcp_servers.mini-mcp]
command = "/Users/sebastianzapata/.local/bin/uv"
args = ["run", "--project", "/Users/sebastianzapata/mcp", "mini-mcp"]
También puedes agregarlo con CLI:
codex mcp add mini-mcp -- /Users/sebastianzapata/.local/bin/uv run --project /Users/sebastianzapata/mcp mini-mcp
Claude Desktop
Archivo:
~/Library/Application Support/Claude/claude_desktop_config.json
Dentro de mcpServers:
{
"mini-mcp": {
"command": "/Users/sebastianzapata/.local/bin/uv",
"args": [
"run",
"--frozen",
"--with",
"mcp[cli]",
"--with-editable",
"/Users/sebastianzapata/mcp",
"mcp",
"run",
"/Users/sebastianzapata/mcp/basico/mini_mcp.py"
]
}
}
También puedes instalarlo con:
uv run mcp install /Users/sebastianzapata/mcp/basico/mini_mcp.py --name mini-mcp --with-editable /Users/sebastianzapata/mcp
Para ensayarlo en Claude, abre un chat nuevo y pide:
Usa la herramienta saludar del MCP mini-mcp con {"nombre":"Juan Camilo"}
Antigravity
Archivo:
~/Library/Application Support/Antigravity/User/settings.json
Dentro de mcpServers:
{
"mini-mcp": {
"command": "/Users/sebastianzapata/.local/bin/uv",
"args": [
"run",
"--project",
"/Users/sebastianzapata/mcp",
"mini-mcp"
]
}
}
Ejemplo de clima
El archivo basico/main.py es un ejemplo más completo.
Expone la tool get_weather, recibe:
{
"latitude": 4.711,
"longitude": -74.0721,
"elevation": 2640
}
Consulta la API de Open-Meteo y devuelve el clima actual.
Ejecutarlo:
uv run python basico/main.py
o:
uv run weather-mcp
Modo desarrollo:
uv run mcp dev basico/main.py
Notas:
- usa Open-Meteo: https://open-meteo.com/en/docs
elevationes opcional
Registrado en Claude Code
claude mcp add weather-mcp -- /Users/sebastianzapata/.local/bin/uv run --project /Users/sebastianzapata/mcp weather-mcp
Registrado en Codex
En ~/.codex/config.toml:
[mcp_servers.weather-mcp]
command = "/Users/sebastianzapata/.local/bin/uv"
args = ["run", "--project", "/Users/sebastianzapata/mcp", "weather-mcp"]
Login de usuario con GitHub (Scalekit)
seguro/secure_mcp.py valida tokens, pero hasta ahora solo los generaban
scripts (client credentials / M2M): ningún humano iniciaba sesión de verdad.
github_login/app.py añade ese flujo: una persona se autentica con su cuenta
de GitHub a través de Scalekit, queda registrada, y el token que recibe
sirve exactamente igual para llamar al MCP seguro.
Requisitos previos en el Dashboard de Scalekit:
- Tener habilitada una conexión social de GitHub.
- Colocar en Allow Callback la URL
http://localhost:8787/callback(o el valor que uses enSCALEKIT_REDIRECT_URI) para que la autenticación funcione y te redireccione donde lo debe hacer.
Ejecutarlo:
cp .env.template .env # si no lo has hecho ya; agrega tus credenciales de Scalekit
uv run github-login
Luego:
- Abre
http://localhost:8787en el navegador. - Haz clic en "Iniciar sesión con GitHub".
- Tras autorizar en GitHub, Scalekit te redirige de vuelta con un token de
usuario y lo registra en
github_login/usuarios_registrados.json(solo local, no se sube a git — ver.gitignore). - Usa ese token como cualquier otro Bearer token contra
secure-mcp:
claude mcp add --transport http secure-mcp \
https://tu-dominio.com/sse \
--header "Authorization: Bearer <token_del_usuario>"
Los dos flujos conviven: weather_client.py e inspector_cloud.py siguen
usando client credentials (un Agente autenticándose a sí mismo), mientras que
github_login/app.py autentica a una persona real. secure_mcp.py no
distingue entre ambos: solo valida que el token sea un JWT vigente firmado
por tu entorno de Scalekit.
Seguridad
basico/main.py ya sigue estas prácticas:
- Sin API key: Open-Meteo es pública, no hay secretos que proteger o filtrar.
- Validación de entrada:
latitude/longitudese validan contra rangos físicos antes de armar la URL. - TLS verificado: usa un
SSLContextcon el bundle decertifi, no desactiva la verificación de certificados. - Timeout explícito: 15s, para que una API externa lenta no cuelgue el servidor.
- Alcance mínimo: una sola tool de solo lectura, sin acceso a filesystem ni shell.
Reglas generales para servidores MCP propios o de terceros:
- Secretos siempre en variables de entorno, nunca hardcodeados en el código.
- Si agregas un
.envcon claves, súmalo a.gitignore(ya cubre.venvy caches). - Cada tool debe hacer una sola cosa bien definida; evita tools genéricas tipo "ejecutar comando" o "leer cualquier archivo".
- Revisa el código de cualquier servidor MCP de terceros antes de instalarlo — corre con tus permisos locales.
- Fija versiones de dependencias (considera generar un
uv.lock).
Publicarlo para que otros lo descarguen
GitHub: el repo ya existe en github.com/sebastianzapatar/mcp2026 (rama main). Para subir el resto de archivos:
git add basico/ seguro/ github_login/ pyproject.toml .python-version index.html README.md .gitignore .env.template
git commit -m "Add weather MCP server and presentation"
git push
PyPI (instalable con pip install weather-mcp o uvx weather-mcp, requiere cuenta en pypi.org y un token de API):
uv build
uv publish
Directorios de MCP: con el repo público en GitHub, puedes enviarlo al registro comunitario de MCP o a directorios como Smithery/Glama.
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.
Neon Database
MCP server for interacting with Neon Management API and databases
E2B
Using MCP to run code via e2b.
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.