En esta página

• Qué es MCP
• [Instalación] T49)
• [Claude Desktop]
• [Código de Claude]
• [Cursor / Windsurf]
• [Variables del medio ambiente]
• [Herramientas disponibles]
• [Resources] T55)
• [Exemplo de flujos de trabajo]
• [Desarrollo]

• ¿ Qué es eso ?

Acceso de agentes y desarrolladores

• [Acuerdo general de acceso de los agentes]
• [Referencia de la API de la plataforma]
• [Guía de los CLI]
• [Integración del MCP]

• ¿ Qué es eso ?

También ver

• [← Todos los artículos de Wiki]
• Plataforma →

Protocolo de MCP de integración

Conecte CenterOS a Claude Code, Claude Desktop, Cursor y Windsurf. Todas las 31 acciones de la plataforma se convierten en herramientas de IA automáticamente.

Actualizado abril 2026 T0

Qué es MCP

**Mode Context Protocol (MCP) ** es un estándar abierto que permite a los asistentes de IA conectarse a fuentes y herramientas externas de datos. En lugar de copiar manualmente los datos entre su plataforma y su herramienta de IA, MCP permite al asistente llamar directamente a las acciones de la plataforma - listando conjuntos de datos, creando trabajos de capacitación, implementando modelos - todo a través del lenguaje natural.

El servidor T1 actúa como un puente: descubre todas las acciones disponibles desde el backend de CenterOS y registra cada una como una herramienta MCP. Cuando le preguntas a Claude "lista mis conjuntos de datos" o "crear un trabajo de capacitación con conjuntos de datos 1 y 2," el servidor MCP lo traduce a la llamada de API apropiada.

** Herramientas de configuración cero:** El servidor descubre dinámicamente las acciones desde el backend al iniciar. Cuando se agregan nuevas acciones a la plataforma, reiniciar el servidor MCP las recoge automáticamente - sin definiciones de herramientas codificadas.

Instalación

concha Copia

# Desde PyPI $ pip instalar centeros-mcp

\ # O ejecutar directamente con uvx (no se necesita instalación) $ uvx centeros-mcp

# De la fuente $ cd sin miedo-plataforma/centeros-mcp

• ¿ Qué ?

Pre-requisitos

Necesita un Token de Acceso Personal (PAT) de la plataforma. Crea uno con el CenterOS CLI o desde el panel de control de la plataforma:

concha Copia

$ centeros pat crear --nombre "mcp-server" --escopes "*" Se creó el PAT: frl_abc123...

El escritorio de Claude

Añadir lo siguiente a su archivo de configuración de Claude Desktop:

• ** macOS:** T2
• Windows: T3

Json Copia

¿ Qué ? "mcpServers": { "centros": "comando": "uvx", "args": ["--de", "centeros-mcp", "centeros-mcp"], "env": { "CENTEROS_TOKEN": "frl_your_pat_here" ¿ Qué ? ¿ Qué ? ¿ Qué ? ¿ Qué ?

Reinicie el escritorio de Claude. Las herramientas de CenterOS aparecerán en el menú de herramientas.

Código de Claude

Añadir a T4 en su proyecto, o T5 a nivel mundial:

Json Copia

¿ Qué ? "mcpServers": { "centros": "comando": "uvx", "args": ["--de", "centeros-mcp", "centeros-mcp"], "env": { "CENTEROS_TOKEN": "frl_your_pat_here" ¿ Qué ? ¿ Qué ? ¿ Qué ? ¿ Qué ?

Cursor / Windsurf

Ambos editores soportan servidores MCP a través de sus configuraciones. Agregue la misma configuración (comando + env) al panel de configuraciones MCP de su editor. El nombre del servidor, el comando, los args y las variables de entorno son idénticas a las configuraciones Claude anteriores.

Variables del medio ambiente

Variable	Required	Description
CENTEROS_TOKEN	Yes	Bearer token -- JWT or PAT (starts with frl_).
CENTEROS_PAT	No	Alias for CENTEROS_TOKEN.
CENTEROS_API_URL	No	Backend URL. Default: https://fearless-backend-533466225971.us-central1.run.app

Herramientas disponibles

El servidor registra dinámicamente todas las acciones desde el backend.

Datos de los conjuntos

list_datasets, get_dataset, delete_dataset, upload_dataset, get_upload_signed_url, confirm_upload

Formación

list_training_jobs, create_training_job, get_training_status, launch_training, get_finetune_catalog, estimate_cost

Modelos

list_models, register_model, promote_model, get_model_lineage

Frota

get_fleet_summary, list_robots, get_robot_state, register_robot, deploy_model, emergency_stop

Anotadas

list_annotation_tasks, create_annotation_task, get_annotation_metrics, submit_task

Organizaciones

list_orgs, list_org_members, invite_member

Las estadísticas

get_platform_stats, get_system_health

Herramientas de utilidad

• T43 -- Ejecutar cualquier acción por nombre (retroceder si se omite un registro dinámico)
• T44 -- Retorna el catálogo completo de acciones

Consulte la [Referencia de API de la plataforma]T65) para obtener esquemas de entrada completos y descripciones de cada acción.

Recursos de las MCP

El servidor también expone recursos de lectura única que las herramientas de IA pueden usar para el contexto:

URI	Description
platform://health	Backend health check status.
platform://stats	Platform-wide statistics (datasets, training, robots).
platform://actions	Full action catalogue with schemas.

Ejemplo de flujos de trabajo

Una vez que el servidor MCP está configurado, puede interactuar con la plataforma utilizando lenguaje natural.

Verifique el estado de la plataforma

¿Cuál es el estado actual de nuestra plataforma robótica?

Déjame comprobar las estadísticas de la plataforma y el resumen de la flota... [llamadas obtener_plateforma_states, obtener_flot_resumen] Su plataforma tiene 247 conjuntos de datos (18,3 GB), 15 trabajos de capacitación (3 en ejecución), Hay dos alertas abiertas.

Flujo de trabajo de formación de extremo a extremo

Usted: Busque todos los conjuntos de datos HDF5 relacionados con la captura, luego crea un La formación de políticas de difusión con estos conjuntos de datos.

Déjame buscar los conjuntos de datos primero... [llamas lista_datasets con búsqueda="grasp", archivo_type="hdf5"] Se encontraron 3 conjuntos de datos correspondientes: grasp-ep-001 (ID 42), grasp-ep-002 (ID 43), Creando un trabajo de entrenamiento ahora... [call crean_training_job con conjunto de datos_ids=[42,43,44]] Se creó el trabajo de formación "dp-grasp-0424" (trabajo_key: abc123).

Despliegue de modelos

Tú: despliega nuestro último modelo validado en el brazo-01.

Déjame encontrar el último modelo validado... [lista de llamadas_modelos con estado="valida"] Encontré el modelo "dp-v1" (ID 5, etiqueta v-a1b2c3). [llamas a desplegar_modelo con robot_id="arm-01", modelo_versión_id=5] Se inicia la implementación: dep-key=dep-xyz789. para el brazo-01 utilizando la estrategia inmediata.

Desarrollo

Para ejecutar el servidor MCP localmente para el desarrollo o depuración:

concha Copia

Ejecutar localmente

$ cd sin miedo-plataforma/centeros-mcp

• ¿ Qué ? $ CENTEROS_TOKEN=frl_xxx centeros-mcp

# Debug con el Inspector MCP $ npx @modelcontextprotocol/inspector centeros-mcp

Los siguientes pasos

Referencia de API Full REST API con todas las 39 acciones y esquemas → Guía de CLI Utilice el CLI de CenterOS para flujos de trabajo basados en el terminal → Agencia de acceso de la plataforma Tres formas de acceder programáticamente → Plataforma abierta Gestionar todo en el navegador →