Construcción de un asistente de IA local con búsqueda web: configuración de MCP + Ollama

Cómo combinar modelos de lenguaje locales con capacidades de búsqueda web manteniendo la privacidad de sus datos

Configurar herramientas de IA para uso empresarial a menudo significa elegir entre comodidad y privacidad. Las soluciones basadas en la nube son fáciles de usar pero envían sus datos a otro lugar. Las soluciones locales mantienen todo en su máquina pero pueden ser difíciles de configurar y ampliar con capacidades adicionales.

En este artículo explicamos cómo crear una configuración práctica de IA que ofrece ambas cosas: un modelo de lenguaje local que puede buscar en la web cuando sea necesario, mientras mantiene sus conversaciones y el procesamiento en su propio hardware. Este enfoque encaja con nuestra filosofía de soluciones autoalojadas, como cuando mostramos cómo ejecutar su propia plataforma de automatización n8n para controlar por completo los flujos de trabajo.

Las herramientas que utilizamos

Comencemos por entender qué hace cada pieza:

Ollama: su motor de IA local

Ollama es un software que ejecuta modelos de lenguaje de gran tamaño en su propia computadora. Piénselo como una forma de tener capacidades similares a ChatGPT sin enviar nada a OpenAI u otros proveedores en la nube. Maneja la descarga de modelos, la gestión de memoria y ofrece acceso a ellos mediante una API sencilla.

La ventaja principal es que con modelos locales, todo permanece local. Sus preguntas, las respuestas de la IA y todo el procesamiento permanecen en su máquina. Esto importa para conversaciones empresariales sensibles, información de propiedad exclusiva o simplemente cuando quiere evitar tarifas mensuales de suscripción de IA.

Model Context Protocol (MCP): ampliar capacidades

Los modelos de lenguaje son excelentes para conversar y razonar, pero no pueden navegar por la web, leer archivos o interactuar con otros sistemas por sí mismos. Model Context Protocol (MCP) resuelve esto proporcionando una forma estandarizada de dar a los modelos de IA acceso a herramientas externas.

Piense en MCP como un traductor universal entre su modelo de IA y otro software. ¿Quiere que su IA busque en la web? Hay un servidor MCP para eso. ¿Necesita que lea bases de datos? Otro servidor MCP. La ventaja es que, una vez configurado el protocolo, añadir nuevas capacidades resulta mucho más sencillo.

mcphost: la conexión fiable

Aquí es donde se vuelve práctico. Aunque MCP es el estándar, hace falta software para conectar su modelo de IA local a los servidores MCP. mcphost hace exactamente esto, y lo hace bien.

Probamos otras opciones primero (como ollmcp), pero nos encontramos con fallos constantes por agotamiento del tiempo de espera y problemas de configuración. mcphost usa archivos de configuración explícitos en lugar de intentar detectarlo todo automáticamente, lo que significa que realmente funciona de forma fiable en entornos reales. A octubre de 2026, el repositorio de mcphost está archivado y sus responsables señalan a Kit como sucesor; los comandos que siguen aún corresponden a mcphost.

Servidor MCP de DuckDuckGo: búsqueda web privada

Para la búsqueda web, utilizamos un servidor MCP de DuckDuckGo. Esto permite que su IA local busque en la web a través de DuckDuckGo (el servidor consulta el endpoint de búsqueda HTML de DuckDuckGo en lugar de una API oficial). La política de privacidad de DuckDuckGo indica que no rastrea a los usuarios ni guarda historiales de búsqueda. Es el complemento perfecto para una configuración local centrada en la privacidad.

uv: gestión de entornos de Python

uv es un gestor rápido de paquetes de Python que maneja la creación de entornos aislados y la gestión de dependencias. Lo usamos para ejecutar el servidor MCP de DuckDuckGo de forma aislada sin interferir con otros proyectos de Python en su sistema.

Cómo funciona todo junto

Este es el flujo cuando le pide a su IA local que busque algo:

Escriba una solicitud como «Busque novedades recientes en la normativa de comercio electrónico»
mcphost recibe su mensaje y lo reenvía a su modelo local de Ollama
El modelo reconoce que necesita buscar y llama al servidor MCP de DuckDuckGo a través del protocolo MCP
El servidor MCP busca en DuckDuckGo y devuelve resultados
Su modelo local procesa los resultados de búsqueda y le da una respuesta completa
Todo permanece en su máquina excepto la consulta de búsqueda web real

Configuración: pasos prácticos

Preparación de la base

Primero, necesitará Ollama ejecutándose con un modelo que admita llamadas a herramientas. Recomendamos qwen3:30b-a3b para un buen equilibrio entre capacidad y velocidad:

# Install and start Ollama
ollama pull qwen3:30b-a3b
ollama serve

Instalación de mcphost

mcphost está escrito en Go, así que primero necesitará instalar Go:

# On macOS
brew install go

# On Ubuntu/Debian
sudo apt install golang-go

# Install mcphost
go install github.com/mark3labs/mcphost@latest

# Make sure it's in your PATH
export PATH=$PATH:$(go env GOPATH)/bin

Configuración de la búsqueda con DuckDuckGo

Clone y configure el servidor MCP de DuckDuckGo:

git clone https://github.com/nickclyde/duckduckgo-mcp-server
cd duckduckgo-mcp-server
pip install uv  # if you don't have it
uv sync

Configuración que realmente funciona

Cree un archivo de configuración en ~/.mcphost.json:

{
  "mcpServers": {
    "duckduckgo-search": {
      "command": "uv",
      "args": [
        "run",
        "--directory",
        "/path/to/your/duckduckgo-mcp-server",
        "python",
        "src/duckduckgo_mcp_server/server.py"
      ]
    }
  }
}

Reemplace /path/to/your/duckduckgo-mcp-server con la ruta real donde clonó el repositorio.

Uso de su nuevo asistente de IA

Una vez que todo esté en funcionamiento, puede interactuar con su IA de varias maneras:

Chat interactivo

# Start a conversation
mcphost -m ollama:qwen3:30b-a3b

Esto ofrece una interfaz de chat para mantener conversaciones y pedir búsquedas web cuando sea necesario.

Preguntas puntuales

# Get a quick answer
mcphost -m ollama:qwen3:30b-a3b -p "Search for information about EU data privacy laws"

Scripts automatizados

# Save results to a file
mcphost -m ollama:qwen3:30b-a3b -p "Search for competitors in the bowling equipment market" --quiet > research.txt

Lo que realmente puede hacer con esto

Investigación y verificación de hechos

Pida a su IA que busque información actualizada sobre temas relevantes para su negocio. Como usa DuckDuckGo, obtiene resultados web útiles sin seguimiento.

Investigación de contenido

«Busque tendencias recientes en embalajes sostenibles» proporciona información actualizada que el modelo puede analizar y resumir a partir de su entrenamiento.

Inteligencia competitiva

«Busque noticias sobre [nombre del competidor] y resuma sus actividades recientes» proporciona información actualizada sin compartir su análisis con un proveedor de IA en la nube; las consultas de búsqueda en sí se siguen enviando a DuckDuckGo.

Resolución de problemas técnicos

«Busque soluciones a problemas con los límites de solicitudes de una API» puede ayudarle a encontrar mejores prácticas actuales y ejemplos de código.

La conexión con n8n: automatización de flujos de trabajo e IA

Aquí es donde las cosas se ponen realmente interesantes. Así como le hemos mostrado cómo autoalojar n8n para automatización de flujos de trabajo, esta configuración de IA local puede integrarse en flujos de trabajo automatizados.

Imagine activar su IA local a través de flujos de trabajo de n8n:

Investigación automatizada: flujos diarios que buscan noticias del sector y preparan resúmenes
Generación de contenido: creación de contenido a partir de eventos del calendario o del envío de formularios
Análisis de datos: procesamiento automatizado de documentos cargados con conclusiones generadas por IA
Soporte al cliente: procesamiento local de solicitudes de soporte mediante IA antes de la revisión humana

La combinación de n8n autoalojado e IA local crea un poderoso stack de automatización donde sus datos permanecen en su infraestructura, salvo las consultas de búsqueda web que envía el asistente. Obtiene la comodidad de la automatización con mucho más control sobre sus datos.

Posibilidades de integración futura

Estamos explorando varias formas de conectar estos sistemas:

Endpoints HTTP de su IA local que n8n puede llamar
Integración basada en archivos donde n8n activa el procesamiento de IA en documentos
Flujos de trabajo con bases de datos donde los resultados de IA alimentan procesos de negocio automatizados
Automatización de correo electrónico donde su IA local ayuda a redactar y personalizar respuestas

Al igual que nuestras herramientas de automatización para WordPress simplifican la gestión de contenido, combinar IA local con flujos de trabajo de n8n puede automatizar procesos de negocio complejos manteniendo la soberanía de los datos.

Los beneficios reales

Privacidad que realmente importa

Sus conversaciones empresariales, debates internos y reflexiones estratégicas permanecen en su hardware. Solo salen las consultas de búsqueda web, que se envían a DuckDuckGo, centrado en la privacidad. No incluyen su conversación completa, pero el texto de la consulta en sí puede revelar en qué está trabajando; téngalo en cuenta para temas sensibles.

Sin tarifas de suscripción de IA

Después de la configuración inicial, no hay costos recurrentes de suscripción a servicios de IA ni tarifas por token, aunque el hardware, la electricidad y cualquier alojamiento siguen teniendo un costo. Está usando su propio hardware para ejecutar todo, del mismo modo que autoalojar n8n evita pagar herramientas SaaS de flujos de trabajo costosas.

Rendimiento fiable

Con la configuración adecuada, esta instalación es notablemente estable. Se evitan problemas como «el servicio de IA no está disponible» o «hemos alcanzado el límite mensual».

Personalizable y extensible

¿Quiere añadir consultas a bases de datos, lectura de archivos o lógica de negocio personalizada? El ecosistema MCP hace que agregar nuevas capacidades sea sencillo, y la eventual integración con sus flujos de trabajo de n8n abre posibilidades de automatización infinitas.

Problemas comunes y soluciones

Errores «Command Not Found»

Asegúrese de que el directorio de binarios de Go esté en su PATH:

echo 'export PATH=$PATH:$(go env GOPATH)/bin' >> ~/.zshrc
source ~/.zshrc

Agotamiento del tiempo de espera de conexión

Generalmente significa que el servidor MCP no se está iniciando correctamente. Pruébelo manualmente:

cd /path/to/duckduckgo-mcp-server
uv run python src/duckduckgo_mcp_server/server.py

El modelo no responde a llamadas de herramientas

Asegúrese de estar usando un modelo que admita llamadas a funciones. No todos los modelos de Ollama tienen esta capacidad integrada.

Rendimiento lento

Considere usar un modelo más pequeño (como qwen3:8b) si su hardware es limitado. Reducir la temperatura hace que las respuestas sean más enfocadas, pero controla la aleatoriedad, no la velocidad:

mcphost -m ollama:qwen3:8b --temperature 0.3 -p "your question"

Consideraciones de infraestructura

Si ya está ejecutando servicios autoalojados como n8n, podría considerar alojar esto en la misma infraestructura. La configuración que describimos para n8n en Hetzner Cloud también puede alojar Ollama fácilmente; solo necesitará más RAM y CPU para los modelos de lenguaje.

Una configuración típica podría incluir:

Hetzner CCX42 o similar para los recursos que requieren los modelos más grandes (solo qwen3:30b-a3b supone una descarga de 19 GB; sin una GPU, las respuestas serán más lentas)
Uso de contenedores Docker para facilitar la gestión junto a n8n
Proxy inverso Traefik para acceso seguro (si desea acceso remoto)
Almacenamiento compartido para modelos y datos de flujos de trabajo

¿Vale la pena el tiempo de configuración?

Si utiliza IA habitualmente en tareas empresariales y le importa la privacidad, sí. La configuración inicial toma unas pocas horas, pero termina con un asistente de IA capaz que:

Funciona sin conexión (excepto para búsquedas web)
No envía sus conversaciones a terceros (solo las consultas de búsqueda se envían a DuckDuckGo)
No tiene tarifas de suscripción de IA ni por token después de la configuración (el hardware, la electricidad y el alojamiento siguen teniendo un costo)
Puede ampliarse con capacidades adicionales según sea necesario
Se integra con su infraestructura autoalojada existente

Para equipos que manejan información sensible u operan en sectores regulados, esta configuración mantiene las conversaciones fuera de los proveedores de IA en la nube, lo que puede simplificar el cumplimiento normativo; aun así, debe evaluar su propio entorno, incluidas las consultas de búsqueda que se envían al exterior.

La combinación de procesamiento local con acceso web selectivo logra un equilibrio práctico entre capacidad y privacidad que resulta difícil de conseguir con soluciones puramente en la nube o puramente locales. Y al incorporar la automatización de flujos de trabajo, está construyendo una base para una automatización empresarial sofisticada que permanece bajo su control.

Próximos pasos

Estamos trabajando activamente en integraciones más profundas entre configuraciones de IA local y plataformas de automatización de flujos de trabajo. Esté atento a futuras publicaciones que cubran:

Configuraciones de Docker para entornos combinados de n8n + Ollama
Servidores MCP personalizados para fuentes de datos específicas del negocio
Plantillas de flujos de trabajo que aprovechan la IA local para procesos de negocio comunes
Refuerzo de la seguridad para despliegues de producción

El futuro de la automatización empresarial no consiste solo en conectar servicios existentes, sino en disponer de sistemas inteligentes que puedan razonar, investigar y actuar en su nombre mientras mantienen todo bajo su control.

Si encuentra problemas durante la configuración o desea ampliar esta configuración para su caso de uso específico, estaremos encantados de ayudarle a resolverlos a través de nuestros canales de soporte estándar.