Trabajo que hemos entregado

Problema

A finales de 2025, cada brief de ingeniería de IA que llegaba a nuestra bandeja pedía alguna forma de generación aumentada por recuperación. Los puntos de partida de código abierto disponibles eran o demos de juguete o frameworks tentaculares (LangChain) que aportan más carga cognitiva que el propio trabajo de RAG. Necesitábamos una implementación de referencia hecha para producción — autenticación, gestión de errores, observabilidad, costes reales — pero lo bastante pequeña para que un ingeniero pudiera leerla de principio a fin en veinte minutos.

Enfoque

Asignamos las cinco primitivas de RAG — troceado, embeddings, almacenamiento vectorial, almacenamiento del texto fuente, generación — a un servicio de Cloudflare cada una. El troceado es TypeScript normal dentro del Worker. Los embeddings van por Workers AI (`@cf/baai/bge-base-en-v1.5`, 768 dimensiones, gratis a bajo volumen). El almacén vectorial es Vectorize. El texto fuente está en D1. La generación es Anthropic Claude Sonnet 4.6, transmitida en streaming al cliente. Sin pegamento, sin framework, sin capas de abstracción que no hayamos escrito nosotros.

Resultado

Publicado como cf-rag-template bajo licencia MIT. Se despliega en menos de cinco minutos en cualquier cuenta de Cloudflare. Tiene un ensayo extenso complementario que explica cada línea y el modelo de costes. Desde entonces lo usamos internamente como punto de partida de cada encargo de clientes con forma de RAG.

Problema

Model Context Protocol fue la primitiva de Anthropic más preguntada de 2025. Los repos de inicio de MCP que circulaban a finales de 2025 tenían forma de demo — mostraban el handshake JSON-RPC, pero omitían la autenticación con token bearer, el logging estructurado, los códigos de error JSON-RPC, la validación de peticiones, una página de inicio para los humanos que visitan la URL y un endpoint de salud para el operador de guardia a las 2 de la madrugada. Necesitábamos una referencia que incluyera la higiene de producción desde la primera línea.

Enfoque

Construimos un servidor MCP nativo de Cloudflare Workers que habla JSON-RPC 2.0 sobre HTTP POST (el transporte MCP moderno), se autentica con un token bearer guardado como secreto del Worker y expone una herramienta de ejemplo (`getCompanyFacts`) que los forks sustituyen por la suya. Cada ruta de error devuelve un código de error JSON-RPC correcto; cada petición se registra de forma estructurada; la raíz sirve una página de inicio humana para que los visitantes directos vean algo con sentido.

Resultado

Publicado como cf-mcp-template bajo licencia MIT. Compatible sin cambios con Claude Desktop, Cursor y cualquier cliente MCP. El ensayo complementario cubre el modelo de operación (rotación del token bearer, límites de peticiones, qué registrar sin filtrar datos). Lo usamos internamente como punto de partida de cada encargo con forma de MCP.