CloudChampion MCP Server

Servidor MCP (Model Context Protocol) para consultar el catálogo de formación de Cloud Champion (cloudchampion.es y variantes por país).

Expone herramientas que permiten a agentes de IA buscar, filtrar y obtener estadísticas sobre webinars, vídeos, learning paths, podcasts y otros recursos de Microsoft para partners.

Arquitectura

Agente IA ──► MCP Server (FastMCP) ──► API Cloud Champion
                  │                     /wp-json/feed/content
                  │
                  └── Caché en memoria (TTL configurable)

• Feed API: GET https://www.cloudchampion.es/wp-json/feed/content — catálogo global público (todos los países/idiomas)
• Caché: En memoria con TTL de 10 min (configurable) para evitar llamadas excesivas
• Búsqueda: Fuzzy matching sin tildes/diacríticos para español y otros idiomas
• Transporte: Streamable HTTP (default), SSE o stdio

Herramientas disponibles (Tools)

Desarrollo local

Requisitos

• Python 3.11+
• pip

Instalación

# Clonar el repositorio
git clone <repo-url>
cd cloudchampion-mcp

# Instalar dependencias
pip install -r requirements.txt

# (Opcional) Copiar y ajustar variables de entorno
cp .env.example .env

Modo desarrollo con inspector web

fastmcp dev src/mcp_cloudchampion/server.py

Esto abre el inspector web de FastMCP donde puedes probar las tools interactivamente.

Modo stdio (para uso local con clientes MCP)

MCP_TRANSPORT=stdio python -m mcp_cloudchampion.server

Modo HTTP (para acceso remoto)

python -m mcp_cloudchampion.server
# Servidor en http://0.0.0.0:8000

Docker

Build

docker build -t mcp-cloudchampion .

Run

docker run -p 8000:8000 mcp-cloudchampion

Con variables de entorno custom

docker run -p 8000:8000 \
  -e CACHE_TTL_SECONDS=300 \
  -e LOG_LEVEL=DEBUG \
  mcp-cloudchampion

Despliegue en Azure Container Apps

La infraestructura se define como IaC con Bicep en la carpeta infra/.

1. Crear infraestructura con Bicep

RESOURCE_GROUP="rg-cloudchampion-mcp"
LOCATION="westeurope"

# Crear Resource Group
az group create --name $RESOURCE_GROUP --location $LOCATION

# Desplegar infraestructura (ACR + Log Analytics + Container Apps Env + Container App)
az deployment group create \
  --resource-group $RESOURCE_GROUP \
  --template-file infra/main.bicep \
  --parameters infra/main.parameters.json

# Ver outputs (FQDN, MCP endpoint, ACR login server)
az deployment group show \
  --resource-group $RESOURCE_GROUP \
  --name main \
  --query 'properties.outputs' -o json

Recursos creados:

• Azure Container Registry (Basic SKU, admin habilitado)
• Log Analytics Workspace (retención 30 días)
• Container Apps Environment (con logging a Log Analytics)
• Container App (scale to zero, 0.25 vCPU, 0.5 GiB RAM, ingress HTTP externo)

2. Build & Deploy de la imagen

ACR_NAME="acrcloudchampionmcp"
ACA_APP="mcp-cloudchampion"

# Build imagen en ACR
az acr build --registry $ACR_NAME --image mcp-cloudchampion:latest .

# Actualizar Container App con la nueva imagen
az containerapp update \
  --name $ACA_APP \
  --resource-group $RESOURCE_GROUP \
  --image "$ACR_NAME.azurecr.io/mcp-cloudchampion:latest"

3. Obtener URL

az containerapp show --name $ACA_APP --resource-group $RESOURCE_GROUP \
  --query "properties.configuration.ingress.fqdn" -o tsv

Personalizar parámetros

Edita infra/main.parameters.json para cambiar el nombre del ACR, CPU, memoria, réplicas, etc. Parámetros disponibles:

CI/CD

El workflow de GitHub Actions (.github/workflows/deploy.yml) tiene dos jobs:

1. infra — Despliega Bicep (solo si cambian ficheros en infra/ o se lanza manualmente con deploy_infra: true)
2. build-and-deploy — Build de imagen en ACR + deploy a Container App (en cada push a main)

Requiere el secret AZURE_CREDENTIALS configurado en el repo.

Consumir el MCP

Desde VS Code / Claude Desktop

{
  "mcpServers": {
    "cloudchampion": {
      "url": "https://<tu-aca-url>.azurecontainerapps.io/mcp"
    }
  }
}

Desde un agente Python

from agents import Agent
from agents.mcp import MCPServerStreamableHttp

mcp = MCPServerStreamableHttp(url="https://<tu-aca-url>.azurecontainerapps.io/mcp")

agent = Agent(
    name="CloudChampionAssistant",
    instructions="Eres un asistente experto en formación de Cloud Champion...",
    mcp_servers=[mcp],
)

Variables de entorno

Estructura del proyecto

├── src/
│   └── mcp_cloudchampion/
│       ├── __init__.py        # Versión del paquete
│       ├── __main__.py        # python -m entry point
│       ├── config.py          # Settings + logging setup
│       ├── text_utils.py      # Normalización de texto / fuzzy match
│       ├── feed_client.py     # Cliente HTTP + caché con TTL
│       ├── filters.py         # Motor de filtrado
│       └── server.py          # FastMCP server + 5 tools
├── Dockerfile                 # Multi-stage build
├── .dockerignore
├── .env.example
├── pyproject.toml
├── requirements.txt
├── README.md
└── .github/workflows/
    └── deploy.yml             # CI/CD → Azure Container Apps

Licencia

MIT