Eigent How-To: Configurar tu primer servidor MCP personalizado

En los proyectos de código abierto, el tiempo es oro. Quienes mantienen el proyecto hacen malabarismos con correcciones de errores, solicitudes de funciones, soporte a la comunidad y documentación, todo mientras intentan mantener el código seguro y las versiones organizadas. Una tarea repetitiva pero crucial es revisar pull requests y preparar actualizaciones de lanzamiento. Es necesaria, pero consume horas que podrían dedicarse a innovar.

¿Y si la automatización pudiera encargarse del trabajo pesado por ti? Ahí es donde entra Eigent, ofreciéndote un compañero de trabajo de código abierto de Eigent que puede respaldar y automatizar de forma fiable tus flujos de trabajo de GitHub.

Eigent es la primera aplicación de escritorio del mundo de Multi-agent Workforce, que te permite crear, gestionar y desplegar una fuerza de trabajo de IA personalizada capaz de convertir tus flujos de trabajo más complejos en tareas automatizadas. Es un sistema modular multiagente que puede descomponer tareas complejas y gestionarlas mediante agentes especializados que trabajan de forma coordinada.

La plataforma de coordinación multiagente de Eigent impulsa la productividad al convertir tus flujos de trabajo en tareas automatizadas. Basada en el marco de código abierto CAMEL, aporta ejecución en paralelo, personalización y privacidad a tu automatización con IA.

¿Qué puede hacer Eigent por ti? Para quienes lo leen por primera vez, piensa en Eigent como un asistente agente flexible. Puedes crear distintos “trabajadores” (agentes de IA) con habilidades específicas de dominio (p. ej., programación, documentación, DevOps) y hacer que colaboren en tareas. Algunos ejemplos de flujos de trabajo técnicos que Eigent puede simplificar incluyen:

• Automatización de GitHub con agentes de IA: revisión de cambios de código, resúmenes de pull requests, clasificación de incidencias.
• Generación de notas de versión: compilación automática de los aspectos más destacados de cada lanzamiento.
• Documentación y análisis de código: extracción de puntos clave de documentación o repositorios de código, sugerencia de mejoras.
• Flujos de trabajo de código abierto: seguimiento de la actividad del proyecto, generación de informes para colaboradores, etc.

En esta guía, te mostraremos cómo configurar un servidor MCP personalizado de GitHub dentro de Eigent y configurar un flujo de trabajo de agente que:

1. Obtiene los nuevos pull requests de un repositorio
2. Extrae y analiza los datos de los PR
3. Formatea los aspectos destacados en notas listas para lanzamiento
4. Genera una publicación breve para redes sociales (p. ej., para Twitter/X)

¡Vamos a sumergirnos en la guía paso a paso!

Paso 1 : Abre Eigent y ve a la configuración de MCP & Tools

Una vez que tengas Eigent en ejecución, comienza abriendo el panel de Settings. En la configuración, busca y haz clic en la sección “MCP & Tools”. Aquí es donde puedes configurar herramientas y servidores externos para tus agentes de IA. Usaremos esta área para añadir un nuevo servidor MCP personalizado para tareas de GitHub.

En la pestaña MCP & Tools, verás una lista de herramientas disponibles y cualquier servidor MCP configurado. Para añadir el tuyo, busca el botón “Add MCP Server” y haz clic en él. Esto abrirá un diálogo donde podrás introducir una configuración JSON para el nuevo servidor.

Paso 2: Añade un servidor MCP personalizado mediante configuración JSON

Eigent permite a usuarios avanzados añadir servidores de agentes personalizados proporcionando una configuración JSON. En el diálogo Add MCP Server, verás un área de texto para pegar JSON. Vamos a añadir un servidor MCP de sequential-thinking: un motor de razonamiento de IA de uso general que puede coordinar tareas (perfecto para desglosar prompts complejos).

Usa el siguiente JSON mínimo para registrar el servidor:

{
  "mcpServers": {
    "sequential-thinking": {
      "command": "npx",
      "args": ["-y", "@modelcontextprotocol/server-sequential-thinking"]
    }
  }
}

Paso 3: Configura los ajustes del servidor MCP de GitHub (incluye tu PAT)

Antes de finalizar la configuración del servidor MCP, incluye tu GitHub Personal Access Token (PAT) en la configuración. Este token permite al agente autenticarse con la API de GitHub y obtener datos del repositorio. Genera un PAT desde tu cuenta de GitHub con los scopes adecuados (para repositorios públicos, los scopes públicos predeterminados son suficientes).

Amplía la configuración para incluir el servidor de GitHub y tu token:

{
  "mcpServers": {
    "sequential-thinking": {
      "command": "npx",
      "args": [
        "-y", "@modelcontextprotocol/server-sequential-thinking",
        "ghcr.io/github/github-mcp-server"
      ],
      "env": {
        "GITHUB_PERSONAL_ACCESS_TOKEN": "ghp_yourGitHubTokenHere"
      }
    }
  }
}

Una vez que el JSON esté listo, haz clic en Install o Add para guardar el servidor MCP. Eigent descargará e inicializará el servidor en segundo plano. Después de un momento, deberías ver el nuevo servidor listado en tus herramientas MCP.

Paso 4: Añade un trabajador centrado en GitHub (agente) usando el nuevo servidor MCP

Ahora que el servidor MCP está configurado, crea un Worker que use este servidor. En Eigent, un “Worker” es una persona de agente de IA que puede llevar a cabo tareas usando un conjunto de herramientas o un servidor MCP específico. Ve a la pantalla Workforce/Agents y elige Add Worker.

Ponle un nombre como “GitHub MCP” y descríbelo como “Ayuda con tareas de GitHub”. Asigna la Agent Tool al servidor MCP que acabamos de añadir (p. ej., “sequential-thinking”). Guarda el worker para crear tu asistente de automatización de GitHub.

Paso 5: Pide al agente que resuma pull requests

Abre un chat con tu nuevo worker y proporciona un prompt de tarea pidiendo al agente que revise pull requests de un repositorio y los resuma.

Prueba con un prompt detallado como este:

Revisa los últimos 30 pull requests del repositorio https://github.com/camel-ai/camel. Selecciona los 5 más importantes según su impacto (líneas modificadas, archivos tocados o profundidad de la discusión). Para cada PR seleccionado, genera una actualización lista para lanzamiento en este formato: ✨ Feature: <resumen llamativo en una sola línea> \n💡 Por qué importa: <explicación breve en viñetas> \n🙏 Gracias @<GitHubAuthor>.

Esto le indica al agente que automatice un flujo de trabajo común de código abierto: analizar pull requests recientes y preparar un resumen de cambios importantes. Puedes personalizar la URL del repositorio o los criterios según necesites.

Paso 6: Observa cómo Eigent desglosa automáticamente la tarea y obtiene datos

Una vez que envías el prompt, el motor multiagente de Eigent entra en acción. La solicitud es bastante compleja, pero Eigent la gestiona dividiendo el trabajo en subtareas manejables. Tras bastidores, el servidor MCP de Sequential Thinking interpreta la instrucción y forma un plan. Puede:

1. Obtener la lista de los últimos 30 PR del repositorio especificado (usando la herramienta MCP de GitHub).
2. Analizar los metadatos de cada PR (líneas modificadas, archivos, comentarios) para determinar el “impacto”.
3. Elegir los 5 PR principales según los criterios.
4. Para cada uno de esos PR, redactar un resumen en el formato solicitado (✨ Feature, 💡 Por qué importa, 🙏 Gracias...).
5. Opcionalmente, preparar una versión condensada para X (Twitter) si se solicita.

Finalmente, el agente produce la salida: un conjunto bien formateado de actualizaciones listas para lanzamiento de los PR principales, a menudo presentadas en Markdown.

Impulsar los flujos de trabajo de OSS con automatización agente

En este tutorial, configuramos Eigent para automatizar una tarea de mantenimiento de código abierto—resumir pull requests de GitHub—usando un agente de IA. Introdujimos un servidor MCP de GitHub personalizado en Eigent, creamos un trabajador dedicado y generamos fragmentos de notas de versión a partir de datos en vivo del repositorio.

Al aprovechar la integración MCP y la coordinación multiagente de Eigent, flujos de trabajo complejos (como clasificar docenas de PR) pueden ser gestionados eficientemente por IA, liberándote para centrarte en decisiones de mayor nivel. Eigent puede adaptarse a muchos escenarios, desde escribir resúmenes y gestionar incidencias hasta probar código o actualizar documentación.

Prueba Eigent en tus propios proyectos y disfruta del impulso de productividad de tener un equipo impulsado por IA de tu lado. ¡El futuro de la colaboración en código abierto podría ser una mezcla de pasión humana y asistentes de IA incansables trabajando juntos! 🚀