README.md

metadata

title: RAG Books MCP v2 (ESL+ISLP+FES+PDSH+R4DS)
emoji: 📖
colorFrom: indigo
colorTo: purple
sdk: gradio
sdk_version: 5.50.0
app_file: app.py
pinned: false
license: apache-2.0
short_description: MCP v2 RAG sobre 5 libros (uso académico).
tags:
  - mcp-server-track
  - rag
  - statistical-learning
  - chromadb
  - educational

📖 RAG Books MCP v2 — ESL + ISLP + FES + PDSH + R4DS

Servidor MCP que expone búsqueda semántica sobre cinco libros de referencia de Statistical Learning, Data Science y Data Wrangling, accesible por UI web y por clientes MCP (Kiro, Claude Desktop, Cursor, etc.).

Libro	Autores	Rol
ESL — The Elements of Statistical Learning	Hastie, Tibshirani, Friedman	Teoría rigurosa
ISLP — An Introduction to Statistical Learning with Python	James, Witten, Hastie, Tibshirani	Teoría intuitiva con Python
FES — Feature Engineering and Selection	Kuhn, Johnson	Heurísticas de FE
PDSH — Python Data Science Handbook	VanderPlas	Implementación Python
R4DS — R for Data Science, 2nd Ed.	Wickham, Çetinkaya-Rundel, Grolemund	EDA iterativo y data wrangling

ℹ️ R4DS y la cláusula NoDerivatives — R for Data Science está bajo licencia CC BY-NC-ND 3.0 US. Está incluido en este dataset únicamente para uso académico no comercial, con atribución explícita a sus autores. Si los autores o el editor (O'Reilly) consideran que excede su política, abre un issue y se retirará en menos de 24 h. Procedimiento y trazabilidad en el DATA_CARD del dataset.

⚠️ R4DS está escrito en R/tidyverse, no en Python. El valor de su indexación son los principios de EDA (ciclo iterativo, qué mirar primero, heurísticas de variación/covariación) que se traducen 1-a-1 a pandas/seaborn. El cliente MCP debe presentar el código resultante en el lenguaje del usuario, no copiar R como solución.

v1 vs v2

• v1: la base ChromaDB se empaqueta dentro del Space.
• v2 (este Space): la base ChromaDB se carga del dataset HF gusdelact/rag-esl-islp-chromadb vía snapshot_download. La primera tool call descarga ~95 MB; las siguientes son cache hit.

Endpoint MCP

https://<usuario>-<space-name>.hf.space/gradio_api/mcp/

Conexión desde un cliente MCP

{
  "mcpServers": {
    "rag-books-mcp-v2": {
      "command": "npx",
      "args": [
        "-y",
        "mcp-remote",
        "https://<usuario>-<space-name>.hf.space/gradio_api/mcp/"
      ]
    }
  }
}

Variables de entorno reconocidas

Variable	Default	Descripción
RAG_CHROMA_DATASET	gusdelact/rag-esl-islp-chromadb	Repo del dataset con la base ChromaDB.
RAG_CHROMA_REVISION	main	Revision (branch/tag/commit) a descargar. Recomendado pinear a v2.2.0. Usa v2.1.0 si quieres la versión sin R4DS.
RAG_CHROMA_CACHE_DIR	/data/chroma_db (si existe /data) o ~/.cache/...	Cache local de la descarga.
RAG_CHROMA_DIR	—	Si está set y la carpeta existe, omite el download.
HF_TOKEN	—	Solo si el dataset es privado.

Tools

Tool	Descripción
search_theory(query, book, top_k)	Búsqueda semántica en los 5 libros. book ∈ {esl, islp, fes, pdsh, r4ds, both, all}.
get_section(book, chapter, section, max_chunks)	Sección específica por referencia.
cite_foundation(topic, detail_level)	Fundamentación teórica multi-libro.
list_available_topics()	Lista capítulos y secciones indexados.

Stack

• Embeddings: sentence-transformers/all-MiniLM-L6-v2 (local, sin API key).
• Vector store: ChromaDB descargado de HF Hub.
• UI / MCP: Gradio con mcp_server=True.
• Chunks publicados: 3689 (1093 ESL + 884 ISLP + 465 FES + 563 PDSH + 684 R4DS).