Ollama Using MCP Server

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