---
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](https://huggingface.co/datasets/gusdelact/rag-esl-islp-chromadb).

> ⚠️ **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`](https://huggingface.co/datasets/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

```jsonc
{
  "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).