Servidores de ejemplo para agentes de inteligencia artificial
Los servidores del Protocolo de Contexto de Modelo (MCP) permiten que los modelos de inteligencia artificial generativa accedan a fuentes de datos externos y herramientas a través de una interfaz estándar. Este protocolo permite que diferentes aplicaciones de inteligencia artificial se conecten de manera segura y coherente con bases de datos o herramientas de software.
Actualizaciones
- 25 de octubre de 2026: Estrellas 91,368 → 91,545, última versión v2.1.0 (25 de octubre de 2026).
- 19 de octubre de 2026: Estrellas 91,136 → 91,368, última versión v2.0.0 (19 de octubre de 2026).
- 11 de octubre de 2026: Estrellas 90,905 → 91,136, última versión v1.0.0 (11 de octubre de 2026).
- 1 de octubre de 2026: Estrellas 90,906 → 90,905, última versión 2026.8.31 (31 de agosto de 2026).
Qué aporta
- Permite que sus modelos de lenguaje grande (LLM) accedan de forma segura a archivos locales, almacenes de datos y memoria persistente.
- Puede conectar sus aplicaciones de inteligencia artificial con fuentes de datos externas revisando los ejemplos de servidores de referencia.
- Accede a plantillas listas para usar para desarrollar sus propios servidores utilizando diferentes kits de desarrollo de software (SDK).
Instalación
# With uvx
uvx mcp-server-git
# With pip
pip install mcp-server-git
python -m mcp_server_gitEjecución
npx -y @modelcontextprotocol/server-memorySi no programa
Quiero conectar mi modelo de inteligencia artificial a fuentes de datos externas utilizando los servidores de referencia del Protocolo de Contexto de Modelo (MCP). Primero, guíeme para iniciar el servidor de memoria con el comando npx -y @modelcontextprotocol/server-memory y configurar la configuración del cliente de escritorio. Explique también los pasos para habilitar el acceso a los repositorios de código usando el comando uvx mcp-server-git.
Repositorio: https://github.com/modelcontextprotocol/servers. Sigue las instrucciones oficiales del archivo README de este repositorio para la instalación y ejecución.
Antes de empezar, comprueba en qué sistema operativo estamos y si las herramientas necesarias (ej. Python, Node.js, Git, Docker) están instaladas. Instala las que falten paso a paso según este sistema.
Crea una carpeta nueva y vacía para trabajar. No toques ningún archivo fuera de esta carpeta y no borres nada. Antes de ejecutar cada comando, dime qué vas a hacer en una frase.
Dime qué debería ver en la pantalla al final de cada paso. Si ocurre un error, te pegaré el mensaje de error tal cual y lo solucionaremos juntos.
Términos relacionados del glosario
Enlaces
TreScout no desarrolló esta herramienta · la encontramos en las tendencias de GitHub y la presentamos. Esta página describe el repositorio tal como estaba el 2026-10-01: El número de estrellas y nuestro texto son de ese día, el repositorio puede haber cambiado desde entonces. Consulte el enlace del repositorio para ver el estado actual. El texto de presentación se preparó con IA a partir de la propia documentación del repositorio y esta página se tradujo automáticamente del original en turco · prevalece la versión turca.