MCP Server Tutorial: Cómo Conectar tu ChatGPT con Datos Reales (Sin Morir en el Intento)

Mira, colega. Llevo semanas viendo tutoriales de MCP Server que parecen manuales de la NASA: explicaciones de 20 minutos, configuraciones imposibles, y al final no conectas ni una API básica. Pues hoy te voy a ahorrar ese dolor de cabeza.

Te voy a contar cómo montar un MCP Server funcional en 10 minutos, con 3 prompts que realmente funcionan. Sin teoría, sin postureo. Vamos al grano.

¿Qué coño es un MCP Server y por qué te importa?

Un MCP Server es básicamente un puente entre ChatGPT y tus datos reales. Olvídate de tener que copiar-pegar información manualmente. Con esto, tu IA puede consultar bases de datos, APIs, archivos locales... como si fuera una extensión de tu cerebro digital.

Y no, no necesitas ser un genio de la programación. Solo saber copiar-pegar y tener un poco de paciencia.

Paso 1: Configuración exprés

Lo primero: instala Node.js si no lo tienes. Luego, en tu terminal, crea un proyecto nuevo:

mkdir mi-mcp-server

cd mi-mcp-server

npm init -y

npm install @modelcontextprotocol/sdk

Eso es todo. Ya tienes la base.

Paso 2: El prompt que te salva la vida (literalmente)

Aquí van 3 prompts funcionales para que copies y pegues. Sin tonterías.

Prompt 1: Conectar una API pública

Crea un MCP Server en Node.js que se conecte a la API de clima de OpenWeatherMap. El servidor debe tener una función que reciba el nombre de una ciudad y devuelva la temperatura actual en grados Celsius. Usa el SDK de MCP. El código debe estar completo y listo para ejecutar.

Prompt 2: Consultar una base de datos SQLite

Genera un MCP Server que lea datos de una base de datos SQLite local llamada 'productos.db'. Debe tener una herramienta que permita buscar productos por nombre y devolver precio, stock y categoría. Incluye el código para crear la base de datos de ejemplo.

Prompt 3: Leer archivos locales

Crea un MCP Server con una herramienta que pueda leer archivos .txt y .csv de una carpeta llamada 'datos'. El servidor debe listar los archivos disponibles y permitir buscar contenido dentro de ellos. Usa el SDK de MCP.

Paso 3: El truco que nadie te cuenta

Mira, tío. El error más común es intentar que el MCP Server haga demasiadas cosas a la vez. Empieza con UNA sola funcionalidad. Luego añades más.

Yo siempre uso esta estructura básica:

import { Server } from "@modelcontextprotocol/sdk/server/index.js";

import { StdioServerTransport } from "@modelcontextprotocol/sdk/server/stdio.js";

const server = new Server({

name: "mi-servidor",

version: "1.0.0"

}, {

capabilities: {

tools: {}

}

});

// Aquí van tus herramientas

server.setRequestHandler(ListToolsRequestSchema, async () => {

return {

tools: [/ tus herramientas aquí /]

};

});

const transport = new StdioServerTransport();

await server.connect(transport);

Eso es todo lo que necesitas para empezar. Luego solo completas las herramientas con la lógica que quieras.

¿Y cómo lo pruebas?

Ejecuta tu servidor con node index.js y en ChatGPT (o cualquier cliente MCP) lo conectas. Si todo va bien, verás las herramientas disponibles.

Pro tip: Usa siempre console.error para logs, no console.log. El protocolo MCP usa stdout para la comunicación, así que si mezclas logs, se rompe todo.

Y tú, colega, ¿qué prompt usas para conectar tus datos con IA? Cuéntamelo en los comentarios, que siempre aprendo algo nuevo.