astroflora-core by juaness38 - MCP Server

🧬 Astroflora MCP Core Server

Servidor MCP (Model Context Protocol) para análisis bioinformático autónomo. Migrado desde juaness38/app con arquitectura API-First optimizada para despliegue VPS.

🏗️ Arquitectura Migrada

Componentes Principales

🔧 Herramientas Atómicas Científicas
- blast_search: Búsqueda de homología con BLAST
- uniprot_annotations: Anotaciones funcionales de UniProt
- sequence_features: Análisis computacional de secuencias
- llm_analysis: Análisis con inteligencia artificial
🤖 Gateway Agéntico
- Gestión inteligente de herramientas
- Recomendación contextual de análisis
- Métricas y health checks comprehensivos
- Compatibilidad con MCP Protocol
⚙️ Servidor MCP Core
- API REST compatible con MCP
- Endpoints especializados para análisis científico
- Arquitectura API-First para separación frontend/backend
- Optimizado para despliegue VPS

🚀 Modos Operacionales

Static: Protocolo estático predefinido
ReAct: Framework de razonamiento y acción
Hybrid: Combinación inteligente (por defecto)

📦 Instalación

# Clonar repositorio
git clone <repository-url>
cd astroflora-core

# Instalar dependencias
pip install -r requirements.txt

# Configurar variables de entorno
cp .env.example .env
# Editar .env con tu configuración

⚡ Uso Rápido

Iniciar Servidor MCP

# Modo development
python src/main.py

# Modo production
python -m uvicorn src.main:app --host 0.0.0.0 --port 8000

Validar Migración

# Ejecutar tests de migración
python test_migration.py

# Ejecutar ejemplos de uso
python examples/mcp_usage_examples.py

🔬 API Endpoints

Herramientas Atómicas

GET /tools/list - Lista herramientas disponibles
GET /tools/{tool_name}/schema - Schema de parámetros
POST /tools/invoke - Invoca herramienta específica
POST /tools/recommend - Recomendación contextual

Análisis Científico

POST /analyze/sequence - Análisis integrado de secuencia
GET /capabilities - Capacidades del sistema
GET /metrics - Métricas operacionales

Sistema

GET /health - Health check comprehensivo
GET / - Información del servidor
GET /docs - Documentación interactiva

📊 Ejemplo de Uso

import asyncio
from src.services.agentic.agentic_gateway import AgenticToolGateway

async def analyze_protein():
    # Inicializar gateway
    gateway = AgenticToolGateway()
    
    # Analizar secuencia
    result = await gateway.invoke_atomic_tool("sequence_features", {
        "sequence": "MKWVTFISLLLLFSSAYSRGVFRRD",
        "analysis_type": "detailed"
    })
    
    if result.success:
        print(f"Análisis exitoso: {result.result}")
    
    # Obtener recomendaciones
    context = {
        "sequence": "MKWVTFISLLLLFSSAYSRGVFRRD",
        "analysis_goal": "function_discovery"
    }
    
    recommendations = await gateway.recommend_tools(context)
    print(f"Herramientas recomendadas: {recommendations}")

# Ejecutar
asyncio.run(analyze_protein())

🎯 Características Migradas

✅ Desde juaness38/app

4 Herramientas Atómicas: Implementación completa
Gateway Agéntico: Con recomendación contextual
Sistema de Métricas: Tracking de uso y rendimiento
Health Checks: Monitoreo comprehensive
Configuración Avanzada: Timeouts, cache, circuit breakers
Compatibilidad MCP: Protocolo Model Context Protocol
Arquitectura API-First: Separación frontend/backend

🆕 Mejoras Implementadas

Optimización VPS: Configuración para Virtual Private Server
FastAPI Integration: Servidor HTTP moderno
Documentación OpenAPI: Auto-generada en /docs
Logging Estructurado: Sistema de logs comprehensivo
Tests de Migración: Validación automática
Ejemplos de Uso: Casos de uso documentados

🔧 Configuración

Variables de Entorno Principales

# Modo operacional
MODE_SELECTION="hybrid"                    # static|react|hybrid

# Servidor MCP
MCP_SERVER_PORT=8000
LOG_LEVEL="INFO"

# Optimización VPS
VPS_MEMORY_LIMIT_MB=1024
VPS_CPU_CORES=2
CACHE_SIZE_MB=256

# Timeouts y límites
REACT_SESSION_TIMEOUT=1800
MAX_CONCURRENT_REQUESTS=10
TOOL_TIMEOUT_SECONDS=60

Configuración de Herramientas

# src/config/mcp_config_new.py
"blast_search": AtomicToolConfig(
    enabled=True,
    timeout_seconds=60,
    retry_attempts=3,
    cache_ttl_seconds=7200
)

📁 Estructura del Proyecto

astroflora-core/
├── src/
│   ├── config/
│   │   ├── settings.py              # Configuración principal
│   │   ├── mcp_config.py           # Configuración MCP original
│   │   └── mcp_config_new.py       # Configuración migrada
│   ├── core/
│   │   └── mcp_server.py           # Servidor MCP original
│   ├── models/
│   │   ├── analysis.py             # Modelos de datos
│   │   ├── mcp.py                 # Modelos MCP
│   │   └── tools.py               # Modelos de herramientas
│   ├── services/
│   │   ├── agentic/
│   │   │   ├── atomic_tools.py    # Herramientas atómicas
│   │   │   └── agentic_gateway.py # Gateway agéntico
│   │   └── interfaces.py          # Interfaces de servicios
│   ├── tools/
│   │   └── __init__.py            # Registry de herramientas
│   └── main.py                    # Aplicación principal
├── examples/
│   └── mcp_usage_examples.py      # Ejemplos de uso
├── tests/
├── requirements.txt               # Dependencias
├── .env.example                  # Variables de entorno ejemplo
├── test_migration.py             # Tests de migración
└── README.md                     # Esta documentación

🧪 Testing

Tests de Migración

# Ejecutar todos los tests
python test_migration.py

# Tests individuales
python -c "
import asyncio
from test_migration import test_atomic_tools
asyncio.run(test_atomic_tools())
"

Health Checks

# Health check completo
curl http://localhost:8000/health

# Capacidades del sistema
curl http://localhost:8000/capabilities

# Métricas
curl http://localhost:8000/metrics

🚀 Despliegue VPS

Docker (Recomendado)

FROM python:3.11-slim

WORKDIR /app
COPY requirements.txt .
RUN pip install -r requirements.txt

COPY src/ ./src/
COPY .env .

EXPOSE 8000
CMD ["python", "src/main.py"]

Systemd Service

[Unit]
Description=Astroflora MCP Core Server
After=network.target

[Service]
Type=simple
User=astroflora
WorkingDirectory=/opt/astroflora-core
ExecStart=/opt/astroflora-core/venv/bin/python src/main.py
Restart=always
RestartSec=10

[Install]
WantedBy=multi-user.target

📚 Documentación Adicional

API Docs: /docs (Swagger UI)
ReDoc: /redoc (Documentación alternativa)
Health Check: /health
Capacidades: /capabilities

🤝 Contribución

Fork el repositorio
Crear branch feature (git checkout -b feature/nueva-funcionalidad)
Commit cambios (git commit -am 'Agregar nueva funcionalidad')
Push al branch (git push origin feature/nueva-funcionalidad)
Crear Pull Request

📄 Licencia

Este proyecto está bajo la licencia MIT. Ver LICENSE para más detalles.

🔗 Enlaces Relacionados

Repositorio Original: juaness38/app
MCP Frontend: ASTROFLORA/mcp-server
Documentación MCP: Model Context Protocol

📞 Soporte

Para soporte técnico y preguntas:

📧 Crear issue en GitHub
📖 Consultar documentación en /docs
🧪 Ejecutar test_migration.py para diagnóstico

🏗️ Arquitectura de la Metrópolis

El Puerto Principal: La API MCP

MCP Tools Server (/mcp/tools): Registro y ejecución de todas las herramientas científicas
MCP Data Server (/mcp/data): Gestión de contextos y recursos de datos
Standardized Communication: Comunicación estandarizada entre todos los componentes

El Centro de Control: IntelligentOrchestrator

Gerente de Proyectos: Distribuye y gestiona tareas
Protocol Execution: Ejecuta PromptProtocols generados por DriverIA
Resource Management: Gestiona la capacidad y recursos del sistema

La Ciudadela del Conocimiento: DriverIA y MCP

El Gran Sabio (DriverIA): Razonamiento científico con LLMs
La Gran Biblioteca (MCP): Herramientas, recursos y plantillas
Protocol Generation: Creación de workflows científicos adaptativos

Los Parques Industriales: AnalysisWorkers

Atomic Tools: Herramientas científicas especializadas
LLM Workers: Procesamiento con modelos de lenguaje
Hardware Namespace: Abstracción para dispositivos de laboratorio

El Gran Archivo Histórico: EventStore y ContextManager

Immutable Audit Trail: Registro completo de todas las operaciones
Context Management: Estado de análisis en curso
Auto-Fine-Tuning Ready: Preparado para aprendizaje continuo

🚀 Inicio Rápido

# Clonar y configurar
git clone <repository>
cd astroflora-core

# Configurar entorno
cp .env.example .env
# Editar .env con tus claves API

# Instalar dependencias
pip install -r requirements.txt

# Iniciar servidor MCP
python -m src.main

# El servidor estará disponible en http://localhost:8000

📚 Documentación

🧪 Testing

# Tests unitarios
python -m pytest tests/

# Tests de integración MCP
python scripts/test_mcp_integration.py

🌟 Características Principales

✅ Arquitectura MCP Completa: Servidores MCP para tools y data
✅ DriverIA Avanzado: Razonamiento científico con LLMs
✅ Herramientas Atómicas: BLAST, UniProt, Análisis de secuencias
✅ Hardware Simulation: Microscopio, PCR, dispositivos de lab
✅ Event Sourcing: Audit trail completo e inmutable
✅ Circuit Breakers: Resiliencia ante fallos
✅ Auto-Scaling: Gestión dinámica de capacidad

Astroflora Core - El Futuro de la Investigación Científica Autónoma 🧬

juaness38/astroflora-core

🧬 Astroflora MCP Core Server

🏗️ Arquitectura Migrada

Componentes Principales

🚀 Modos Operacionales

📦 Instalación

⚡ Uso Rápido

Iniciar Servidor MCP

Validar Migración

🔬 API Endpoints

Herramientas Atómicas

Análisis Científico

Sistema

📊 Ejemplo de Uso

🎯 Características Migradas

✅ Desde juaness38/app

🆕 Mejoras Implementadas

🔧 Configuración

Variables de Entorno Principales

Configuración de Herramientas

📁 Estructura del Proyecto

🧪 Testing

Tests de Migración

Health Checks

🚀 Despliegue VPS

Docker (Recomendado)

Systemd Service

📚 Documentación Adicional

🤝 Contribución

📄 Licencia

🔗 Enlaces Relacionados

📞 Soporte

🏗️ Arquitectura de la Metrópolis

El Puerto Principal: La API MCP

El Centro de Control: IntelligentOrchestrator

La Ciudadela del Conocimiento: DriverIA y MCP

Los Parques Industriales: AnalysisWorkers

El Gran Archivo Histórico: EventStore y ContextManager

🚀 Inicio Rápido

📚 Documentación

🧪 Testing

🌟 Características Principales