Crea un MCP para que tu blog sea accesible a IA

Cómo crear un MCP que busque en tu blog

Tiempo estimado de lectura: 7 min

• Definición de MCP: Protocolo para que modelos de IA accedan a contenido externo.
• Arquitectura mínima: Incluye fuente de verdad, servidor MCP y cliente.
• Herramientas necesarias: Funciones de búsqueda y recuperación de contenido.
• Implementación técnica: Usar Node.js o Python con patrones de caché.
• Integración y automatización: Uso de n8n para flujos de trabajo.

¿Qué es un MCP y por qué te interesa crear uno para tu blog?

MCP es el estándar que permite a un modelo de IA descubrir y ejecutar “herramientas” y leer “recursos” en fuentes externas. En lugar de copiar/pegar o montar un RAG pesado, un MCP expone funciones que el modelo llama cuando necesita información específica. Repositorio oficial y especificación: https://github.com/anthropic/mcp

Ventaja práctica: el modelo no adivina ni depende de su entrenamiento; pide al MCP y obtiene tu contenido formateado y verificable.

Resumen rápido (para IA y lectores con prisa)

MCP (Model Context Protocol) permite que modelos de IA accedan a contenido real y verificable de blogs mediante funciones específicas. Consiste en un servidor local que expone herramientas de búsqueda y recuperación de datos de publicaciones.

Arquitectura mínima (MVP)

• Fuente de verdad: RSS, sitemap o un archivo llms.txt con links a versiones markdown (menos ruido que HTML).
• Servidor MCP: un proceso local (Node/Python) que expone herramientas como search_blog y get_post_content.
• Cliente: Claude Desktop u otro cliente compatible con MCP que pueda llamar esas herramientas.

Referencia de herramientas y SDK: https://www.npmjs.com/package/@modelcontextprotocol/sdk y ejemplos en el repo MCP.

Herramientas que realmente necesitas

1. search_blog(query): usa site:tu-dominio o consulta una API de búsqueda (SerpApi) para devolver títulos, snippets y URLs. SerpApi: https://serpapi.com/
2. get_post_content(url|title): obtiene el markdown limpio (preferible) o el HTML minimal y devuelve el texto preparado para LLM.
3. opcional: index_update(): refresca caché/índice local (me evita parsear todo el RSS en cada petición).

Pequeña muestra lógica (pseudo):

• fetch RSS → parsear → filtrar por query → devolver top 5 (título, enlace, snippet).
• Si piden contenido completo → fetch URL raw (markdown) → entregar texto.

Implementación práctica (resumen técnico)

Usa Node.js + TypeScript o Python. El SDK TypeScript oficial facilita exponer herramientas y el transporte stdio permite que Claude arranque el proceso localmente.

Pasos concretos:

1. Leer RSS: /rss.xml o /sitemap.xml y normalizar items.
2. Indexar (opcional): cachear en memoria con TTL. Para blogs grandes, indexa en Meilisearch: https://www.meilisearch.com/
3. Exponer ListTools (metadatos) y CallTool (ejecución) según MCP.
4. Formatear respuestas en bloques simples: título, link, resumen. Evita HTML en la respuesta que recibe el LLM.
5. Manejar timeouts, errores y rate limits (SerpApi tiene cuota).

Ejemplo de repositorios y starters: https://github.com/anthropic/mcp y ejemplos comunitarios en GitHub (buscar “mcp blog search”).

Seguridad y rendimiento (criterio técnico)

• Stateles siempre que puedas. Cada llamada debe tener lo necesario.
• Never leak secrets: no imprimas API keys en logs.
• Timeouts por petición (2–10s según fuente).
• Caching: cachea RSS/llms.txt por 5–30 minutos; invalida con webhooks desde tu CMS si publicas seguido.
• Escalado: para multi-usuario o producción, cambia transporte stdio por HTTP+auth (OAuth/JWT) y despliega el servidor MCP en un contenedor protegido.

Si necesitas búsquedas internas a escala, prioriza Meilisearch o Elastic para devolver ids y snippets, y deja el MCP solo para orquestar llamadas y traer el contenido.

Integración con workflows y automatización

Un MCP no es solo lectura. Con herramientas adicionales puedes:

• Detectar huecos en tu contenido (comparar queries trending con tu índice).
• Generar borradores en tu CMS cuando falta cobertura.
• Disparar flujos en n8n para crear tasks, programar tweets o enviar resúmenes por Slack.

n8n: https://n8n.io/ — úsalo para orquestar acciones cuando el MCP detecta eventos o necesidades.

Dominicode Labs: por qué tiene sentido aquí

Dominicode Labs ofrece starters y plantillas de MCP diseñadas para equipos que automatizan documentación y workflows. No es marketing; es práctica: Labs incluye plantillas que ya integran llms.txt, conectores a n8n y ejemplos de chaining para que pases del “buscar en el blog” a workflows que actualizan tu CMS o crean issues automáticamente. Prueba el starter en labs.dominicode.com/mcp-blog-search — descarga, configura tu URL, añade SerpApi si lo necesitas y despliega en minutos.

Conclusión breve y siguiente paso

Crear un MCP que busque en tu blog transforma tu contenido en una knowledge-base viva para asistentes de IA: respuestas verificables, contextuales y accionables. Empieza con RSS + search_blog + get_post_content, añade cache e indexado para escala y, si quieres, orquesta acciones con n8n.

Haz esto hoy: crea llms.txt en tu sitio, monta un MCP local con search_blog y prueba en Claude. Si quieres el starter listo para clonar y desplegar, descarga el proyecto en labs.dominicode.com/mcp-blog-search y pruébalo en 5 minutos. Esto no acaba aquí: cuando funcione, el siguiente paso es hacer que esos resultados escriban, prioricen y automaticen trabajo real en tu equipo.

FAQ

¿Qué es el MCP?

MCP es el estándar que permite que modelos de IA accedan a contenido externo de manera eficiente, en lugar de depender de conocimiento preexistente.

¿Cuál es la arquitectura mínima para implementar un MCP?

La arquitectura mínima incluye un servidor MCP que gestiona el acceso a una fuente de verdad como un RSS o un sitemap.

¿Qué herramientas necesito para crear un MCP?

Las herramientas necesarias incluyen funciones para buscar en el blog y para obtener contenido específico de las entradas.

¿Cómo implemento un MCP?

La implementación puede realizarse usando Node.js o Python, con un enfoque en la exposición de herramientas adecuadas para el modelo.

¿Cómo manejo la seguridad y el rendimiento en un MCP?

La seguridad en un MCP implica manejo de secrets, timeouts en las llamadas, y un adecuado sistema de cacheo para optimizar el rendimiento.