¡Las empresas construyen RAG sobre cientos de fuentes de datos, no solo una! - Microsoft lo incluye en los productos de M365. - Google lo incluye en su búsqueda de Vertex AI. - AWS lo incluye en su Amazon Q Business. Construyamos un RAG potenciado por MCP sobre más de 200 fuentes (100% local):

Los datos empresariales están dispersos en muchas fuentes. Hoy, construiremos un servidor MCP unificado que pueda consultar más de 200 fuentes desde una sola interfaz. Tecnología utilizada: - @mcpuse para construir un cliente MCP local - @MindsDB para conectar a las fuentes de datos - @ollama para servir GPT-oss localmente ¡Comencemos!

Aquí está el flujo de trabajo: - El usuario envía una consulta. - El agente se conecta al servidor MindsDB MCP para encontrar herramientas. - Selecciona la herramienta adecuada según la consulta del usuario y la invoca. - Finalmente, devuelve una respuesta contextualmente relevante. ¡Ahora, profundicemos en el código!

1️⃣ Configuración de Docker MindsDB proporciona imágenes de Docker que se pueden ejecutar en contenedores de Docker. Instala MindsDB localmente utilizando la imagen de Docker ejecutando el comando en tu terminal. Mira esto 👇

2️⃣ Iniciar la GUI de MindsDB Después de instalar la imagen de Docker, ve a localhost puerto 47334 en tu navegador para acceder al editor de MindsDB. A través de esta interfaz, puedes conectarte a más de 200 fuentes de datos y ejecutar consultas SQL contra ellas. Mira esto 👇

3️⃣ Integra fuentes de datos Comencemos a construir nuestro motor de consultas federadas conectando nuestras fuentes de datos a MindsDB. Usamos Slack, Gmail, GitHub y Hacker News como nuestras fuentes de datos federadas. Mira esto 👇

4️⃣ Configuración del servidor MCP Después de construir el motor de consultas federadas, unifiquemos nuestras fuentes de datos conectándolas al servidor MCP de MindsDB. Agrega la configuración del servidor MCP a un archivo JSON como se muestra a continuación. Mira esto 👇

5️⃣ Conectar cliente al servidor Configuramos nuestro cliente local a través de mcp-use y lo conectamos al servidor MCP con solo 4 líneas de código. 1. Inicializar el cliente MCP desde un archivo de configuración. 2. Conectar LLM local a través de Ollama. 3. Crear Agente utilizando LLM y Cliente. 4. Ejecutar la consulta. Revisa esto 👇

¡Hecho! ¡Nuestro servidor MindsDB MCP ahora está conectado a un cliente local a través de mcp-use! Ofrece dos herramientas: - list_databases: Lista todas las fuentes de datos conectadas a MindsDB. - query: Responde a las consultas de los usuarios sobre los datos federados. Revisa esto 👇

Por último, envolvemos nuestra configuración en una interfaz de Streamlit, donde podemos cambiar dinámicamente la configuración de MCP y chatear directamente con el agente. Mira esta demostración👇

¡Eso es todo! Si te pareció interesante, compártelo con tu red. Encuéntrame → @_avichawla Cada día, comparto tutoriales y conocimientos sobre DS, ML, LLMs y RAGs.