ollamaUsingMcpServer

santimulet12/ollamaUsingMcpServer

3.2

If you are the rightful owner of ollamaUsingMcpServer and would like to certify it and/or have it hosted online, please leave a comment on the right or send an email to dayong@mcphub.com.

This document provides a comprehensive guide to setting up and using a conversational assistant system that integrates Ollama with MCP (Model Context Protocol) tools for real-time information retrieval, such as weather updates.

Tools
1
Resources
0
Prompts
0

Sistema de Chat con Herramientas MCP

Sistema de asistente conversacional que integra Ollama con herramientas MCP (Model Context Protocol) para obtener información en tiempo real, como el clima de ciudades.

📋 Requisitos Previos

  • Python 3.11 o superior
  • uv instalado
  • Ollama instalado y ejecutándose
  • Modelo Qwen 2.5:3b descargado en Ollama
  • Conexión a internet

🔧 Instalación

1. Instalar uv

Linux/macOS:

curl -LsSf https://astral.sh/uv/install.sh | sh
source $HOME/.local/bin/env

Windows:

powershell -c "irm https://astral.sh/uv/install.ps1 | iex"

2. Clonar o descargar el proyecto

git clone https://github.com/santimulet12/ollamaUsingMcpServer.git
cd ollamaUsingMcpServer

3. Instalar dependencias con uv

# uv automáticamente crea el entorno virtual e instala todo
uv sync

Eso es todo. No necesitas ejecutar pip install manualmente.

4. Configurar Ollama

Asegúrate de que Ollama esté instalado y ejecutándose. Si no lo tienes, instálalo desde ollama.ai.

Descarga el modelo requerido:

ollama pull qwen2.5:3b

Verifica que Ollama esté corriendo:

ollama list

5. Configurar la API

En el archivo API.py, modifica la línea 9 con la dirección IP correcta de tu servidor Ollama:

OLLAMA_API_URL = "http://IP_AQUI:11434/api/chat"

Si Ollama está en la misma máquina, usa:

OLLAMA_API_URL = "http://localhost:11434/api/chat"

🚀 Ejecución

Paso 1: Iniciar el Servidor MCP

uv run python MCPServer.py

Deberías ver:

🚀 Servidor MCP iniciado en http://localhost:8000/mcp
📡 Herramientas disponibles: obtener_clima

Paso 2: Iniciar la API Flask

En otra terminal (dejando el servidor MCP corriendo):

uv run python API.py

La API Flask se iniciará en http://localhost:5000

📡 Uso de la API

Endpoint de Chat

URL: POST http://localhost:5000/ask-ia

Body (JSON):

{
  "prompt": "¿Cómo está el clima en Buenos Aires?",
  "historial": []
}

Ejemplo con historial:

{
  "prompt": "¿Y en Madrid?",
  "historial": [
    {"role": "user", "content": "¿Cómo está el clima en Buenos Aires?"},
    {"role": "assistant", "content": "En Buenos Aires hace 22°C..."}
  ]
}

Respuesta:

{
  "response": "En Buenos Aires actualmente hay 22°C con cielo despejado. La sensación térmica es de 21°C y hay un 65% de humedad."
}

Endpoint para verificar el estado de la API

URL: GET http://localhost:5000/health

Respuesta:

{
  "status": "ok"
}

🛠️ Herramientas Disponibles

obtener_clima

Obtiene información meteorológica actual de cualquier ciudad del mundo.

Parámetros:

  • ciudad (string): Nombre de la ciudad (ej: "Buenos Aires", "Madrid", "New York")

Información retornada:

  • Temperatura actual y sensación térmica
  • Descripción del clima
  • Humedad
  • Velocidad del viento
  • Presión atmosférica
  • Visibilidad
  • Índice UV

🧪 Ejemplos de Uso

Usando cURL:

curl -X POST http://localhost:5000/ask-ia \
  -H "Content-Type: application/json" \
  -d '{"prompt": "¿Qué tiempo hace en Mendoza?"}'

Usando Python:

import requests

response = requests.post(
    "http://localhost:5000/ask-ia",
    json={
        "prompt": "¿Cómo está el clima en Londres?",
        "historial": []
    }
)

print(response.json()["response"])

🔧 Comandos útiles con uv

# Agregar una nueva dependencia
uv add nombre-paquete

# Agregar dependencia de desarrollo
uv add --dev nombre-paquete

# Ejecutar scripts
uv run python MCPServer.py
uv run python API.py

# Actualizar dependencias
uv lock --upgrade

# Ver dependencias instaladas
uv pip list

# Ver árbol de dependencias
uv pip tree

🐛 Solución de Problemas

El servidor MCP no inicia

  • Verifica que el puerto 8000 no esté en uso
  • Asegúrate de que todas las dependencias estén instaladas: uv sync

La API Flask no se conecta a Ollama

  • Verifica que Ollama esté corriendo: ollama list
  • Confirma que la URL en API.py sea correcta
  • Asegúrate de que el modelo qwen2.5:3b esté descargado

Error de conexión al servidor MCP

  • Verifica que MCPServer.py esté corriendo con uv run python MCPServer.py
  • Confirma que esté accesible en http://localhost:8000/mcp

El modelo no usa las herramientas correctamente

  • El modelo debe responder en el formato exacto: USE_TOOL: y ARGS:
  • Si no funciona, considera ajustar el SYS_PROMPT en API.py

Problemas con el entorno virtual

# Eliminar el entorno y reinstalar
rm -rf .venv uv.lock
uv sync

📦 Estructura del Proyecto

mcp-chat-system/
├── .venv/                  # Entorno virtual (creado por uv)
├── API.py                  # API Flask principal
├── MCPServer.py            # Servidor MCP con herramientas
├── Documentacion.md        # Documentación técnica
├── README.md               # Este archivo
├── pyproject.toml          # Configuración del proyecto y dependencias
├── uv.lock                 # Lock file para reproducibilidad
└── .python-version         # Versión de Python fijada

📝 Notas

  • El servidor MCP debe estar corriendo antes de iniciar la API Flask
  • El servicio de clima usa wttr.in, que es gratuito pero puede tener límites de uso
  • Las respuestas están configuradas para ser concisas (3-4 oraciones máximo)
  • Todo el sistema está configurado para responder en español
  • uv gestiona automáticamente las dependencias y el entorno virtual
  • No necesitas activar manualmente el entorno virtual, usa uv run

🚀 Ventajas de usar uv

  • ⚡ 10-100x más rápido que pip
  • 🔒 Lock file automático para reproducibilidad
  • 📦 Gestión unificada de dependencias y Python
  • 🎯 Un solo archivo de configuración (pyproject.toml)
  • 🔄 Sincronización perfecta entre entornos