Codex, Cursor, VS Code con GitHub Copilot, Claude Code y Claude se conectan al mismo servidor MCP de Entity Enricher. Sus agentes pueden diseñar esquemas, enriquecer entidades en varios idiomas, fusionar modelos, curar identidades semánticas, evaluar la calidad con benchmarks, sincronizar tablas relacionales con una base de datos —con los modelos de la plataforma o con el modelo propio del cliente cuando el trabajo delega sus llamadas al LLM— y preguntar al asistente de soporte del producto cuando la duda es sobre Entity Enricher.
La validación de esquema y la coincidencia entre modelos no garantizan la exactitud ni la actualidad de los datos. Inspeccione las fuentes, los fallos y los resultados parciales en la base de datos. El MCP ofrece acceso conversacional; n8n y Make ofrecen automatización de flujos de trabajo sobre el mismo servicio.
De forma predeterminada, cada herramienta de inicio ejecuta su trabajo en su propio modelo (use_platform_models=true, o indicar un modelo de plataforma, lo ejecuta en los modelos facturados de la plataforma). El trabajo no realiza ninguna llamada a los modelos de la plataforma y no consume créditos: el modelo que hay detrás de su cliente MCP —el que ya contiene su conversación, sus documentos y sus herramientas conectadas— responde a todas las llamadas al modelo del trabajo, y la plataforma conserva aquello en lo que destaca: construir los prompts, aplicar el esquema de salida, validar y normalizar cada respuesta, guardar los registros y sincronizar las bases de datos.
enable_web_search cuando la herramienta lo acepte: si se omite, devuelve web_search_undecided para que pregunte antes al usuario, ya que la búsqueda sería suya. El trabajo se pausa en cuanto su primera llamada al modelo está lista.llm_requests en el estado del trabajo: cada entrada es una llamada al modelo con la forma sampling/createMessage de MCP (prompt del sistema, mensajes, herramientas y toolChoice), con un purpose que nombra el paso y una fecha límite. Los adjuntos binarios se referencian como recursosenricher://attachments/{id}, nunca se incluyen en línea; el texto extraído ya está en los mensajes. Un cliente que subió el archivo lee su propia copia, por lo que un adjunto nunca requiere un modelo de la plataforma.answer_llm_request. La plataforma lo valida contra el esquema igual que valida la respuesta de un proveedor; una respuesta rechazada vuelve como la misma conversación con el error en un tool result fallido, para corregirla y responder de nuevo.Los detalles del protocolo y los casos límite —la exclusión, la decisión sobre la búsqueda web, las solicitudes concurrentes, las solicitudes de corrección en el enriquecimiento, los archivos adjuntos, los tiempos de espera— se encuentran en la guía Llamadas LLM delegadas que figura a continuación.
OAuth permite que un cliente se conecte sin clave de API. La pantalla de consentimiento de Entity Enricher identifica el cliente, la organización y el rol concedido a la conexión. El acceso se puede gestionar o revocar en Claves de API → Aplicaciones conectadas.
Estos ejemplos usan el inicio de sesión en el navegador (OAuth) y el mismo endpoint Streamable HTTP: https://entityenricher.ai/api/mcp/, incluida la barra final. Cada cliente tiene su propio formato de configuración.
Codex comparte la configuración MCP entre su aplicación, su CLI y su extensión para IDE a través de ~/.codex/config.toml. El primer comando registra Entity Enricher; el comando de inicio de sesión abre la autenticación en el navegador cuando es necesario.
codex mcp add entity-enricher --url https://entityenricher.ai/api/mcp/
codex mcp login entity-enricherCursor lee los servidores del proyecto desde .cursor/mcp.json, o los servidores personales desde ~/.cursor/mcp.json. La entrada del servidor remoto usa mcpServers; Cursor gestiona el flujo de inicio de sesión con OAuth.
{
"mcpServers": {
"entity-enricher": {
"url": "https://entityenricher.ai/api/mcp/"
}
}
}VS Code usa .vscode/mcp.json con un objeto servers y un transporte http explícito. Al iniciar el servidor, sus herramientas quedan disponibles para el agente de GitHub Copilot tras la autorización.
{
"servers": {
"entity-enricher": {
"type": "http",
"url": "https://entityenricher.ai/api/mcp/"
}
}
}Este comando registra un servidor HTTP remoto en Claude Code. El comando /mcp dentro de Claude Code abre sus controles de conexión y autenticación.
claude mcp add --transport http entity-enricher https://entityenricher.ai/api/mcp/En claude.ai y Claude Desktop, la configuración de Conectores ofrece la acción "Añadir conector personalizado". El conector toma la URL del servidor indicada arriba y abre la pantalla de autorización de Entity Enricher. Esta conexión alojada se configura desde Conectores; claude_desktop_config.json es para servidores locales.
Las claves de acceso de la organización se crean en Configuración → Claves de API con el rol que elija. Los clientes pueden enviar la clave en una cabecera X-API-Key en lugar de iniciar sesión con OAuth. Por ejemplo, esta configuración de Codex lee la clave desde una variable de entorno:
[mcp_servers.entity-enricher]
url = "https://entityenricher.ai/api/mcp/"
env_http_headers = { "X-API-Key" = "ENTITY_ENRICHER_API_KEY" }ENTITY_ENRICHER_API_KEY debe contener la clave en el entorno del proceso que ejecuta Codex. Cursor y VS Code admiten esta cabecera HTTP en su propio objeto de configuración headers. Las referencias de cliente anteriores describen los ajustes compatibles.
La misma petición funciona en todos los clientes: "Enumera mis esquemas de Entity Enricher, luego enriquece Sanofi con mi esquema de empresa farmacéutica y muestra el resultado guardado."El cliente descubre las herramientas y las usa para seleccionar un esquema y ejecutar el enriquecimiento. Los mensajes de confirmación, la visualización del progreso y el acceso a los recursos dependen del cliente.
62 herramientas abarcan la creación de esquemas, el enriquecimiento, los benchmarks, Database Sync, las identidades semánticas y el soporte del producto. Reutilizan los servicios del backend para la validación, la facturación y el procesamiento. Cada herramienta expone sus propios parámetros admitidos. Las tareas de larga duración (enriquecimiento por lotes, generación de muestras, ejecuciones de benchmark) son asíncronas: la herramienta de inicio devuelve un job_id, el cliente consulta get_job_statusy lee los registros resultantes o los resultados del benchmark. Revise los errores y los resultados parciales antes de informar de que la operación fue correcta.
| Categoría | Herramienta | Descripción |
|---|---|---|
| Descubrimiento | list_models | Enumere las claves de modelo disponibles, las capacidades nominales, los idiomas, las estrategias, los valores predeterminados autoseleccionados y los profile_limits de la organización. |
| Esquemas | generate_sample | Genere una muestra JSON editable a partir de una solicitud en texto libre para la creación de esquemas. |
| Esquemas | list_schemas | Enumere los esquemas guardados de su organización, con los fijados primero. |
| Esquemas | get_schema | Consulte un esquema guardado con sus propiedades, anotaciones e input_contract. |
| Esquemas | create_schema_from_sample | Genere y guarde automáticamente un esquema a partir de muestras revisadas, devolviendo schema_id, el contenido del esquema y los enlaces a los registros. |
| Esquemas | save_schema | Guarda un esquema redactado directamente y devuelve su ID y su enlace. |
| Esquemas | update_schema | Edite los metadatos de un esquema guardado o reemplace su schema_content completo sin realizar una llamada al LLM. |
| Esquemas | get_schema_part | Consulte solo el fragmento del esquema necesario para una edición. |
| Esquemas | get_enum_candidates | Enumere los valores observados fuera del vocabulario actual de cada enum abierto, con recuentos de los registros de enriquecimiento recientes. |
| Esquemas | update_schema_property | Edite o elimine una propiedad por su ruta sin reemplazar el esquema completo. |
| Esquemas | add_schema_property | Añada una propiedad bajo la raíz (parent_path='), una ruta de objeto o '$defs.X'. |
| Esquemas | move_schema_property | Mueva una propiedad a la raíz, a una ruta de objeto o a '$defs.X', conservando sus indicadores y su experiencia. |
| Esquemas | resolve_unify_proposal | Resuelva una propuesta pendiente de unificación de tipos de entidad procedente de get_schema. |
| Esquemas | nest_schema_region | Materializar una región de entidad a partir del x-entityMap de get_schema. |
| Esquemas | publish_schema | Publique la copia de trabajo de un esquema vinculado a una base de datos como el contrato que utilizan el enriquecimiento y las réplicas. |
| Esquemas | delete_schema | Elimine de forma lógica un esquema guardado por UUID. |
| Esquemas | analyze_sample | Analice la ambigüedad de las propiedades de la muestra y el alcance de identidad de las relaciones antes de generar el esquema. |
| Esquemas | analyze_schema | Analice la ambigüedad de las propiedades y el alcance de identidad de las relaciones de un esquema guardado, escribiendo las anotaciones en el esquema. |
| Enriquecimiento y fusión | start_batch_enrichment | Inicia el enriquecimiento asíncrono facturado de una lista de entidades con exactamente uno de schema_id o target_schema. |
| Enriquecimiento y fusión | enrich_entity | Enriquezca una entidad con exactamente uno de los dos parámetros, schema_id o target_schema, y obtenga una salida estructurada, record_id, los costes y el resultado en la base de datos, si lo hay. |
| Enriquecimiento y fusión | retry_expertises | Reintente únicamente los dominios de experiencia fallidos de un registro existente y, a continuación, actualice su salida e intente la fusión/sincronización de la ejecución. |
| Enriquecimiento y fusión | merge_records | Fusione dos o más registros de la misma entidad en un nuevo registro de arbitraje. |
| Control de trabajos | get_job_status | Consulte el estado, el progreso y el resumen final compacto de un trabajo, con los ID de los registros persistidos. |
| Control de trabajos | cancel_job | Solicite la cancelación de un trabajo LLM pendiente, en ejecución o en pausa. |
| Control de trabajos | answer_job_question | Reanude un trabajo en pausa con las respuestas a las preguntas devueltas durante la pausa. |
| Control de trabajos | answer_llm_request | Envíe el resultado de una llamada al modelo pendiente de un trabajo delegado: un trabajo que el usuario inició con el modelo propio del cliente (el valor predeterminado de todas las herramientas de inicio, salvo que use_platform_models=true o un… |
| Registros y estadísticas | list_records | Enumere los registros de su organización de forma compacta y paginada, empezando por los más recientes. |
| Registros y estadísticas | get_record | Consulte el structured_output, el entity_input_data, los errores de validación, los veredictos de experiencia y las métricas de un registro persistido. |
| Registros y estadísticas | get_stats | Consulte los totales de registros, la tasa de éxito, los tokens y el resumen de costes de toda la organización. |
| Benchmarks | list_benchmark_scenarios | Enumere resúmenes compactos de escenarios de benchmark y el total. |
| Benchmarks | get_benchmark_scenario | Consulte un escenario de benchmark con los resultados de calidad, coste y velocidad por modelo. |
| Benchmarks | get_benchmark_scenario_results | Filtre, ordene y limite los resultados de benchmark por modelo de un escenario. |
| Benchmarks | create_benchmark_scenario | Cree un benchmark reutilizable con un juez de puntuación obligatorio. |
| Benchmarks | update_benchmark_scenario | Edite la definición de prueba o la configuración de puntuación de un benchmark. |
| Benchmarks | set_benchmark_reference | Guarda la referencia de oro para un benchmark de enriquecimiento o de generación de esquemas. |
| Benchmarks | revert_benchmark_reference_updates | Deshaga las ediciones automáticas que una pasada de puntuación aplicó a la referencia de un escenario. |
| Benchmarks | delete_benchmark_scenario | Elimine un escenario de benchmark y sus resultados almacenados. |
| Benchmarks | run_benchmark | Inicia la ejecución y la puntuación asíncronas facturadas de un benchmark. |
| Adjuntos | upload_attachment | Cargue bytes de archivo en base64 como material de origen reutilizable; devuelve id y requires_capability. |
| Adjuntos | delete_attachment | Elimine de forma permanente un adjunto de su organización, incluido su archivo almacenado. |
| Database Sync | list_database_syncs | Enumere las inscripciones en bases de datos, los esquemas vinculados, las opciones y los hosts de sincronización de un esquema guardado. |
| Database Sync | list_entity_states | Explore las filas de entidades fusionadas actuales de un esquema, no los registros de cada ejecución. |
| Database Sync | create_database_sync | Registre un esquema guardado para la sincronización relacional con PostgreSQL, MySQL o SQLite. |
| Database Sync | assign_sync_host | Asigne o borre el host que aprovisiona una sincronización de base de datos. |
| Database Sync | classify_database_model | Inicia un análisis facturado que propone claves de base de datos, tipos SQL, índices y propiedad de las relaciones en un esquema vinculado. |
| Database Sync | delete_database_sync | Elimine el registro de una base de datos y sus deltas en cola, deteniendo su flujo. |
| Database Sync | get_database_setup_instructions | Devuelve instrucciones no secretas de instalación, emparejamiento confirmado en el navegador y ejecución para un cliente ee-database sync. |
| Database Sync | fetch_database_deltas | Lea la siguiente ventana ordenada de deltas SQL y cargas canónicas de una sincronización de base de datos. |
| Database Sync | ack_database_deltas | Confirme cada delta mediante up_to_id tras aplicarlo correctamente, liberando así su reserva. |
| Database Sync | sync_records_to_database | Valide e inyecte resultados de enriquecimiento almacenados o proporcionados en la capa de entidades y en las sincronizaciones vinculadas. |
| IDs semánticos | list_semantic_concepts | Explore los conceptos de la organización con sus alias, recuentos de uso y facetas de tipo/modelo. |
| IDs semánticos | get_semantic_concept | Consulte los alias, las claves de origen de identidad, los registros vinculados y los vecinos más cercanos de un concepto dentro de su propio segmento de tipo/modelo. |
| IDs semánticos | probe_semantic_concept | Previsualice la resolución de identidad sin añadir un concepto ni aumentar su uso. |
| IDs semánticos | add_semantic_concept | Añada un concepto de identidad con uso cero, o añada texto como alias mediante alias_of. |
| IDs semánticos | update_concept_alias | Elimine o promueva un alias de concepto usando los ID de alias de get_semantic_concept. |
| IDs semánticos | import_semantic_concepts | Resuelva de 1 a 1000 textos frente a un único tipo de concepto. |
| IDs semánticos | merge_semantic_concepts | Fusione un concepto perdedor en uno ganador. |
| IDs semánticos | delete_semantic_concepts | Elimine los conceptos seleccionados por ids, concept_types o unused_only. |
| IDs semánticos | migrate_semantic_embeddings | Inspeccione o migre el espacio de embeddings de conceptos de la organización. |
| Soporte de producto | ask_support | Haga una pregunta a Rupert, el asistente de soporte de producto de Entity Enricher, sobre la propia aplicación: cómo funciona una función, una herramienta o un ajuste, qué significa un error_code, un límite, un estado… |
| Soporte de producto | get_support_conversation | Lea uno de sus hilos de soporte con todos los turnos: sus preguntas (rol user), las respuestas de Rupert (assistant) y las respuestas de seguimiento del equipo de soporte (admin, con author_name). |
| Soporte de producto | list_support_conversations | Sus hilos de soporte, con la actividad más reciente primero, con message_count y unread_for_user (una respuesta de seguimiento del equipo de soporte que no ha leído). |
Las instrucciones del servidor explican los flujos de trabajo disponibles; las descripciones de las herramientas explican cada llamada. Para decisiones de modelado o de recuperación, su cliente puede leer el índice de guías en enricher://docs y seleccionar una guía mediante los recursos MCP. Leer una guía no ejecuta ningún modelo. Los enlaces siguientes abren esas mismas guías en inglés en el repositorio público.
De forma predeterminada, cada trabajo que inicia se ejecuta en su propio modelo: responda a cada una de sus llamadas al modelo con `answer_llm_request` y deje que la plataforma valide cada respuesta con el esquema. En cambio, `use_platform_models=true` ejecuta el trabajo en la plataforma, con el modelo mejor clasificado en el benchmark de la organización para esa tarea.
Diseñe un esquema reutilizable a partir de ejemplos revisados, incluidos la identidad, las relaciones y los campos multilingües.
Consulte, cree y edite documentos de esquema de Entity Enricher sin confundir el JSON Schema serializado, los datos de ejemplo y las rutas de las herramientas de propiedades.
Elija entre extracción, enriquecimiento de conocimiento o una combinación en dos pasadas, y conserve la procedencia de los adjuntos entre llamadas.
Enriquezca una entidad, interprete su resultado real y recupere los fallos parciales de los modelos sin repetir el trabajo ya completado.
Enriquezca una lista de entidades de forma asíncrona y distinga los resultados omitidos, fallidos, fusionados y admitidos en la base de datos.
Compare modelos en enriquecimiento, generación de muestras o generación de esquemas, usando la referencia y la interpretación de puntuación correctas.
Convierta los esquemas de enriquecimiento en tablas relacionales de su propia base de datos y verifique por separado la admisión, la migración y la entrega a las réplicas.
Reconozca entidades recurrentes en sus distintas formas superficiales, revise las coincidencias inciertas y comprenda cómo afectan los cambios de vocabulario a las réplicas.
Haga a Rupert, el asistente de soporte de producto, cualquier pregunta sobre Entity Enricher, continúe el hilo que abrió y lea las respuestas de seguimiento del equipo de soporte.
Los recursos exponen datos de esquemas y registros, además de guías de flujo de trabajo, en Markdown. Los clientes deciden cómo descubrirlos y cargarlos; aun así, el contenido de los recursos puede consumir contexto del modelo.
| Plantilla de URI | Descripción |
|---|---|
| enricher://docs | Índice de las guías de flujo de trabajo, cada una disponible en su URI de recurso indicado. |
| enricher://schemas/{schema_id} | Copia de trabajo de un esquema guardado en Markdown; use get_schema con version="published" para obtener el contrato vinculado activo. |
| enricher://records/{record_id} | Un registro de enriquecimiento anterior representado como Markdown: metadatos + salida estructurada + errores de validación. |
| enricher://attachments/{attachment_id} | Los bytes de un adjunto subido, servidos con su tipo de medio real: así es como un trabajo que delega sus llamadas al LLM entrega a su cliente un PDF, una imagen o un archivo de audio que este no subió. |
Cuando una pregunta trata sobre Entity Enricher —cómo funciona una función o una herramienta, qué significa un código de error, un límite o una advertencia, por qué un resultado es como es— y las guías no la responden, las instrucciones del servidor indican al agente que pregunte a Rupert, el asistente de soporte del producto, mediante ask_support en lugar de suponer. La llamada devuelve la respuesta completa y el id del hilo que abrió; pasar eseconversation_id a la siguiente pregunta mantiene el contexto del intercambio.
Cada pregunta se descuenta de la cuota diaria de soporte de la organización, indicada comoquestions_remaining. El equipo de soporte puede responder en el hilo: la siguiente llamada a ask_support sobre ese hilo devuelve esas respuestas comonew_admin_messages, yget_support_conversation lee el hilo completo. Esos mismos hilos aparecen en el chat de soporte de la aplicación web y, para los propietarios, en la pestaña Discusiones de la página Usuarios, con una marca que indica que los abrió un agente de IA.
Cuando solicita a enrich_entity que utilice un modelo de clasificación y la entidad no coincide con el tipo de esquema, la herramienta devuelve una respuesta sin error con detalles estructurados. El cliente la interpreta, le muestra el razonamiento y (previa confirmación suya) reintenta con force_after_classification_warning=true, lo que descarta el clasificador en el reintento.
{
"success": false,
"error_code": "classification_warning",
"message": "Pre-flight classification rejected the entity. ...",
"classification": {
"status": "mismatch",
"reasoning": "Titan is a moon of Saturn, not a planet.",
"confidence": 0.97
},
"job_id": "..."
}La respuesta del MCP conserva los detalles de la clasificación para que su cliente pueda explicar la decisión antes de iniciar una nueva llamada.
La misma interactividad impulsa un segundo flujo: cuando generate_sample se ejecuta con documentos de origen, su planificador puede detenerse con preguntas de aclaración estructural. El cliente se las transmite y reanuda el trabajo con answer_job_question, ronda tras ronda, hasta generar la muestra.
La mayoría de los errores de herramienta devuelven un objeto estructurado con un campo error_code para que el cliente pueda distinguir entre fallos de cuota, clasificación, tiempo de espera y proveedor. Algunas respuestas antiguas solo incluyen un campo error o message; inspeccione tanto el resultado en sí como el estado del transporte.
| error_code | Cuándo |
|---|---|
| invalid_request | UUID con formato incorrecto, argumentos mutuamente excluyentes (schema_id + target_schema) o la validación del cuerpo de la solicitud falló. |
| prompt_limit_reached | Cuota de prompts diaria / semanal / mensual agotada (HTTP 402). El cuerpo incluye período, límite, usado y necesario. |
| insufficient_credits | La organización tiene la facturación habilitada, pero el saldo de créditos es demasiado bajo para iniciar el trabajo (HTTP 402). El cuerpo incluye el saldo y una URL de compra. |
| model_limit_exceeded | Se solicitaron más modelos de los que permite el plan (HTTP 402). Devuelve el límite y lo solicitado. |
| language_limit_exceeded | Se solicitaron más idiomas de los que permite el plan (HTTP 402). |
| concurrent_job_limit_reached | Demasiados trabajos de enriquecimiento activos para esta organización. Espere o mejore el plan. |
| classification_warning | ⚡ No es un error: el clasificador previo rechazó la entidad. La respuesta incluye el contexto de clasificación para que el cliente pueda pedir confirmación al usuario y reintentar con force_after_classification_warning=true. |
| benchmarks_not_in_plan | El plan de la organización no incluye Model Benchmarks (HTTP 403). Las herramientas de benchmark que modifican datos también comprueban el rol de propietario. |
| support_question_limit_reached | La cuota diaria de preguntas de soporte de la organización está agotada (HTTP 402). El cuerpo incluye limit y used; todos los resultados de ask_support indican questions_remaining. |
| support_requires_user | Se llamó a ask_support con una clave de acceso de organización (HTTP 403). Un hilo de soporte pertenece a una persona: inicie sesión con OAuth o con una clave API personal. |
| support_unavailable | El asistente de soporte no pudo responder (fallo de transmisión). La pregunta se descuenta igualmente y el hilo existe: léalo más tarde con get_support_conversation en lugar de volver a preguntar de inmediato. |
| web_search_undecided | Se llamó a una herramienta de inicio sin enable_web_search para un trabajo ejecutado en su modelo. Pregunte al usuario si su modelo puede usar la búsqueda web y vuelva a llamar con enable_web_search=true o false. |
| delegation_requires_auto | Un trabajo ejecutado en su modelo encontró un modelo de plataforma explícito inyectado después del lanzamiento, como un valor predeterminado de la organización (HTTP 400). Inicie el trabajo con use_platform_models=true o elimine ese valor predeterminado. |
| request_not_pending | answer_llm_request indicó una solicitud que ya fue respondida, expiró o pertenece a un trabajo que ya avanzó. Consulte get_job_status(job_id).llm_requests para ver qué está pendiente ahora. |
| llm_request_pending | Se llamó a answer_job_question en un trabajo pausado por solicitudes LLM delegadas, no por una pregunta. Respóndalas con answer_llm_request. |
| llm_request_timeout | Un trabajo que delega sus llamadas LLM no recibió respuesta a una solicitud pendiente en 15 minutos; el trabajo falló. Los trabajos delegados no tienen respuesta predeterminada. |
| ambiguity_check_disabled | Se llamó a analyze_schema en un esquema cuya comprobación de ambigüedad está desactivada (HTTP 400). Vuelva a activarla primero mediante update_schema con ambiguity_check_enabled=true. |
| enrichment_timeout | El trabajo superó timeout_seconds. Se sugiere usar menos modelos o dividir la entidad. |
| schema_generation_timeout | La generación de esquemas superó timeout_seconds. |
| schema_generation_failed | Error del LLM upstream durante la generación del schema (HTTP 502). |
| model_output_invalid | El modelo devolvió una salida que no coincide con el esquema (HTTP 502). El cuerpo indica el modelo, la ruta de la propiedad conflictiva y retryable: true — vuelva a llamar a la herramienta o elija un modelo más potente. |
| cancelled | El trabajo se canceló durante su ejecución (HTTP 499). |
| not_found | El ID de esquema o registro no existe en su organización. |
| http_error | Comodín para errores HTTP sin un cuerpo de detalle estructurado. |
get_stats cubre los resúmenes del lado del chat; los paneles completos permanecen en la aplicación.