MCP HUB V12
A centralized MCP server providing over 40 tools for contextual intelligence, code analysis, vision, and memory management via MemPalace, enabling efficient project development and agent orchestration.
README
🌀 MCP HUB V12 — Unified Context Vortex & Memory Gateway
El servidor MCP centralizado definitivo. Un solo punto de entrada (
mcp_stdio.py) que proporciona más de 40 herramientas para Inteligencia Contextual, Code Guardian, Vision, y Memory Gateway respaldado por MemPalace.
🏗️ Arquitectura Unificada (Agnóstica)
El HUB V12 consolida todas las características en un único servidor MCP agnóstico compatible con cualquier cliente (OpenCode, Claude Code, Gemini CLI, Cursor, etc.). Utiliza transporte estándar stdio garantizando una comunicación JSON-RPC estable sin interferencias visuales.
📊 Diagrama de Arquitectura

🔄 Flujo de Datos y Ciclo de Vida de la Información
El ciclo de vida de los datos está diseñado para maximizar el rendimiento del LLM minimizando el consumo de tokens mediante compresión y recuperación contextual:
- Ingesta (Input):
- El agente ejecuta herramientas como
gateway_add_taskogateway_add_adr. - Code Guardian indexa código automáticamente (
index_code).
- El agente ejecuta herramientas como
- Persistencia (Storage):
- Los datos se almacenan en las "Rooms" de MemPalace.
- Las relaciones complejas y fragmentos de texto son administrados directamente por el motor unificado de MemPalace, eliminando la necesidad de bases de datos externas fragmentadas o dependencias pesadas como
torch.
- Compresión (Lifecycle Management):
- El historial temporal (
/context) y las sesiones se comprimen incrementalmente mediantegateway_compress_sessionhacia la room/summaries.
- El historial temporal (
- Recuperación (Output):
- En cada iteración de desarrollo, el agente llama a
gateway_build_context. - Esta herramienta recupera tareas activas, el stack del proyecto (
/knowledge), las decisiones de arquitectura (/decisions) y los resúmenes recientes. - Resultado: En lugar de inyectar 20,000 tokens de historial de chat, el LLM recibe un super-prompt compilado de apenas ~200 tokens con el contexto exacto.
- En cada iteración de desarrollo, el agente llama a
🛠️ Herramientas Disponibles (43 Tools Unificadas)
El HUB expone un arsenal completo de herramientas agrupadas por capacidad para brindar autonomía total a los agentes:
🌐 V12 Memory Gateway (MemPalace)
Gestiona la persistencia a largo plazo y el conocimiento del proyecto:
gateway_status: Obtiene el estado actual de la memoria y la feature activa.gateway_set_active_feature: Cambia el foco del agente hacia una rama/feature específica.gateway_add_adr: Añade un Architectural Decision Record (ADR) para documentar decisiones clave.gateway_add_knowledge: Añade reglas, convenciones o conocimiento estable del stack del proyecto.gateway_add_task: Registra una nueva tarea en el backlog (estados: todo, in_progress, done).gateway_compress_session: Analiza y comprime el historial reciente para reducir consumo de tokens.gateway_build_context: Herramienta Estrella. Compila un super-prompt ultracompacto (ADRs, conocimiento, y tareas activas) para inyectar al LLM al iniciar un agente.
🛡️ Code Guardian
Prevención de errores y análisis de calidad antes de escribir código:
check_code_creation: Realiza validaciones estáticas y previene malas prácticas antes de la modificación.analyze_project_redundancy: Escanea el repositorio para evitar reescribir utilidades que ya existen.get_code_suggestions: Revisa fragmentos y sugiere mejoras de optimización.learn_from_context: Analiza el estilo del proyecto para adaptar futuras generaciones de código.
🌀 Context Vortex & Indexing (Code Intel)
Herramientas de recuperación y entendimiento semántico del código:
index_code: Fuerza la indexación AST de un directorio o archivo específico al motor unificado.search_entity: Busca clases, funciones o variables exactas dentro de la base de código.extended_index/extended_search: Búsqueda profunda en documentaciones, constantes y patrones.get_knowledge_summary: Extrae un mapa mental de la estructura actual del proyecto.
🧠 Smart Sessions & Orchestration
Herramientas para mantener el enfoque de agentes múltiples:
create_session/delete_session/list_sessions: Gestión del ciclo de vida de conversaciones.get_session_summary: Recupera un resumen narrativo de qué se hizo en sesiones anteriores.smart_session_init/smart_query: Motor iterativo de preguntas/respuestas respaldado por MemPalace.get_smart_status/get_system_status: Verificación de salud del HUB y sus subsistemas.
🌍 World Model & Quality (JEPA)
Validación factual anti-alucinaciones:
sync_world_model: Sincroniza el estado actual de los archivos clave con la memoria interna.audit_jepa: Evalúa una propuesta de código del LLM cruzándola contra el modelo del mundo del proyecto para detectar alucinaciones.check_quality/get_quality_principles: Verificación de QA y reglas estables.
⚙️ Herramientas Base (V5 Core)
ping: Verificación de latencia y conectividad del MCP.get_context: Búsqueda de vectores en crudo sobre MemPalace.validate_response: Herramienta interna de auto-evaluación.index_status: Comprueba cuántos archivos/tokens están indexados actualmente.
🌐 Herramientas Específicas de Framework (Django/FE)
escanear_urls_django: Encuentra e indexa rutas de un proyecto Django automáticamente.analizar_tokens_css: Extrae variables y clases utilitarias de CSS/Tailwind.
👁️ Vision Specialist
- Toma asíncrona de screenshots a través de Playwright y análisis de interfaz usando FastVLM (Lazy-loaded para velocidad extrema de inicio del MCP).
🚀 Inicio Rápido y Configuración
No es necesario arrancar el servidor manualmente. El cliente MCP (ej. OpenCode) lo inicializa automáticamente cuando es requerido a través de stdio.
Requisitos
pip install -r requirements.txt
playwright install chromium
Configuración en Clientes
El HUB debe registrarse en tu cliente apuntando a mcp_stdio.py.
Ejemplo para opencode.json:
"memory-gateway": {
"command": [
"python",
"\\HUB\\core\\mcp_stdio.py"
],
"type": "local",
"enabled": true
}
🧹 Estructura del Proyecto
Se ha eliminado el código redundante y mantenido una arquitectura ultra-limpia:
HUB/
├── core/
│ ├── mcp_stdio.py # 🌟 PUNTO DE ENTRADA ÚNICO (Transporte Stdio)
│ ├── mcp_http_server.py # Engine Principal (FastMCP) y lógica de herramientas
│ ├── mempalace_backend.py # Conector unificado de MemPalace
│ ├── visual_monitor.py # Monitor Visual (Apagado preventivamente en stdio)
│ ├── pretty_logger.py # Logging seguro para consolas (evita corrupción JSON-RPC)
│ ├── advanced_features/ # Componentes de Code Guardian y Vortex
│ ├── vision/ # Módulo de procesamiento visual
│ ├── memory/ # Gestión de estados y contexto
│ └── storage/ # Wrappers de persistencia
├── data/ # Almacenamiento local de la memoria (ignorado en git)
├── logs/ # Registros de ejecución
└── tests/ # Suite de 17 tests unitarios y de integración (100% passing)
Versión: V12.0.0 (Unified Architecture)
Estado: Estable, Unit Tests 100% Passed.
推荐服务器
Baidu Map
百度地图核心API现已全面兼容MCP协议,是国内首家兼容MCP协议的地图服务商。
Playwright MCP Server
一个模型上下文协议服务器,它使大型语言模型能够通过结构化的可访问性快照与网页进行交互,而无需视觉模型或屏幕截图。
Magic Component Platform (MCP)
一个由人工智能驱动的工具,可以从自然语言描述生成现代化的用户界面组件,并与流行的集成开发环境(IDE)集成,从而简化用户界面开发流程。
Audiense Insights MCP Server
通过模型上下文协议启用与 Audiense Insights 账户的交互,从而促进营销洞察和受众数据的提取和分析,包括人口统计信息、行为和影响者互动。
VeyraX
一个单一的 MCP 工具,连接你所有喜爱的工具:Gmail、日历以及其他 40 多个工具。
graphlit-mcp-server
模型上下文协议 (MCP) 服务器实现了 MCP 客户端与 Graphlit 服务之间的集成。 除了网络爬取之外,还可以将任何内容(从 Slack 到 Gmail 再到播客订阅源)导入到 Graphlit 项目中,然后从 MCP 客户端检索相关内容。
Kagi MCP Server
一个 MCP 服务器,集成了 Kagi 搜索功能和 Claude AI,使 Claude 能够在回答需要最新信息的问题时执行实时网络搜索。
e2b-mcp-server
使用 MCP 通过 e2b 运行代码。
Neon MCP Server
用于与 Neon 管理 API 和数据库交互的 MCP 服务器
Exa MCP Server
模型上下文协议(MCP)服务器允许像 Claude 这样的 AI 助手使用 Exa AI 搜索 API 进行网络搜索。这种设置允许 AI 模型以安全和受控的方式获取实时的网络信息。