AI-Native Interactive Resume (MCP Server)
Servidor Model Context Protocol (MCP) que permite a Inteligencias Artificiales interactuar con mi experiencia profesional.
El Problema
Los currículums web tradicionales están diseñados para ser leídos por humanos, pero hoy en día los asistentes de IA son quienes procesan esta información inicialmente, limitados por la necesidad de scraping y la falta de estructuración de los datos.
La Solución
Un servicio nativo para Inteligencias Artificiales, construido con el Model Context Protocol oficial, que expone 9 tools especializadas para consultar experiencia, evaluar perfiles matemáticos con vacantes y buscar en el stack tecnológico, diseñada específicamente para el razonamiento de LLMs mediante schemas estrictos en Pydantic y transporte Streamable-HTTP.
Aprendizajes Clave
- Integración exitosa del protocolo emergente MCP, adaptando la arquitectura para soportar comunicación bidireccional asíncrona mediante Streamable-HTTP compatible con Claude, Cursor y Gemini Connected Apps.
- Motor de Emparejamiento Dinámico en Memoria: Implementación de un algoritmo determinista en cv_service.py para evaluar compatibilidad con vacantes y stack técnico en memoria con latencia inferior a 2ms.
- Despliegue serverless optimizado en Google Cloud Run utilizando contenedores Docker ligeros, aprovechando la funcionalidad 'Scale to Zero' para reducir costos operativos a cero durante la inactividad.
El proyecto de AI-Native Interactive Resume es un rediseño completo del concepto de currículum o portafolio. En lugar de ofrecer únicamente una interfaz visual (GUI) para reclutadores humanos, expone un servidor oficial bajo el Model Context Protocol (MCP), estandarizado por Anthropic y compatible con los principales ecosistemas de IA.
Esto permite que cualquier cliente LLM que soporte MCP (como Claude.ai, Google Gemini en Connected Apps o editores IDE como Cursor y Windsurf) pueda conectarse al servidor y ejecutar herramientas (tools) predefinidas para consultar mi stack tecnológico, proyectos destacados y experiencia profesional, procesando los datos de forma estructurada e interactiva en lugar de leer texto plano o realizar web scraping.
⚡ Conexión Rápida (Claude, Gemini & Cursor)
Google Gemini (Connected Apps) y Claude.ai (Custom Connectors) admiten conexión directa vía Streamable HTTP agregando el siguiente endpoint en su panel de configuración:
https://mcp.ana-catalina.com/mcpCursor & Windsurf soportan servidores remotos en mcp.json:
{
"mcpServers": {
"anacatalina-cv": {
"url": "https://mcp.ana-catalina.com/mcp"
}
}
}Herramientas clave expuestas para el razonamiento de la IA:
obtener_experiencia: Consulta de trayectoria profesional, roles y logros detallados.evaluar_fit_puesto: Evaluación algorítmica dinámica de compatibilidad técnica con descripciones de vacantes.obtener_stack_tecnologico: Búsqueda granular y nivel de dominio en tecnologías específicas.
Arquitectura Técnica & Motor en Memoria
El servidor está desarrollado en Python 3.12 utilizando FastMCP y el transporte unificado Streamable-HTTP (/mcp), permitiendo streaming bidireccional y respuestas JSON instantáneas. Toda la validación de tipos e inputs de las tools está estrictamente garantizada por Pydantic v2, cargando los conjuntos de datos en memoria durante el arranque del contenedor para garantizar tiempos de respuesta menores a 2 milisegundos.
Despliegue en Cloud Run
La aplicación se empaqueta en una imagen Docker altamente optimizada y se despliega en Google Cloud Run (GCP). La naturaleza del tráfico (peticiones a demanda desde asistentes) hace que la arquitectura Serverless sea ideal, ya que gracias al modelo Scale to Zero, el costo de infraestructura se mantiene nulo mientras el servidor no recibe peticiones, reiniciándose y escalando en milisegundos cuando es invocado.