MCP + Python: Los prompts que necesitas para que ChatGPT te genere plugins funcionales

Mira colega, llevo semanas trasteando con los MCP plugins y Python, y te voy a contar la clave: el prompt correcto te ahorra horas de depuración. No es magia, es saber qué pedirle a la IA. Aquí van 4 prompts que uso a diario y que funcionan de verdad.

Prompt 1: El esqueleto de un MCP plugin básico

Este prompt te genera la estructura mínima para que funcione tu plugin. Cópialo y pégalo tal cual:

Genera un plugin MCP (Model Context Protocol) en Python que:

• Use la librería mcp como dependencia principal
• Tenga un endpoint que devuelva el estado del sistema (CPU, RAM, disco)
• Siga la estructura de proyecto: carpeta src/ con __init__.py y main.py
• Incluya un requirements.txt con las dependencias exactas
• Use logging básico para depuración
• No use frameworks externos más allá de mcp y psutil

Prompt 2: Validación de parámetros y errores

Esto es lo que diferencia un plugin amateur de uno profesional. Pruébalo:

Crea un plugin MCP en Python que:

• Tenga un endpoint para procesar archivos CSV
• Valide que el parámetro 'file_path' exista y sea legible
• Maneje excepciones con try/except específicos (FileNotFoundError, PermissionError, ValueError)
• Devuelva errores en formato JSON con código HTTP adecuado
• Incluya type hints en todas las funciones
• Use pathlib en lugar de os.path

Prompt 3: Plugin con autenticación

Si necesitas que tu plugin sea seguro (y deberías), este prompt te salva:

Desarrolla un plugin MCP en Python con autenticación:

• Implementa middleware que verifique un token JWT en el header Authorization
• El token debe contener: user_id, role (admin/user), exp (timestamp)
• Si el token falta o es inválido, devuelve 401 con mensaje claro
• Si el rol no coincide con el requerido, devuelve 403
• Usa la librería PyJWT para manejar tokens
• Incluye un endpoint público /health sin autenticación
• Documenta en el README cómo generar tokens de prueba

Prompt 4: Plugin con caché y rate limiting

Para producción, esto es obligatorio. Escúchame bien:

Crea un plugin MCP en Python con:

• Caché en memoria usando functools.lru_cache con timeout de 300 segundos
• Rate limiting por IP usando una implementación con defaultdict y time.time
• Límite: 100 peticiones por minuto por IP
• Respuesta personalizada cuando se supera el límite: {"error": "rate_limit", "retry_after": 60}
• Registro de métricas básicas (número de peticiones, caché hits/misses)
• Todo configurable mediante variables de entorno

Cómo usar estos prompts

Tío, no los lances así sin más. Primero, pégalos en ChatGPT o Claude, pero luego añade: "Explícame línea por línea el código generado". Así aprendes de verdad y detectas si la IA te ha metido una dependencia que no necesitas.

Y recuerda: siempre prueba con python -m pytest tests/ antes de subir a producción. Los MCP plugins son cojonudos, pero si fallan en producción, te van a llamar a las 3 de la mañana.

Y tú, ¿qué prompt usas para generar tus plugins MCP en Python?