- A medida que se expanden las herramientas de desarrollo basadas en IA, se vuelve importante contar con acceso preciso a la documentación de desarrollo más reciente
- Para resolver esto, Google anunció la vista previa pública de Developer Knowledge API y del servidor Model Context Protocol (MCP)
- La API permite buscar y consultar la documentación oficial de desarrollo de Google en formato Markdown legible por máquinas
- El servidor MCP permite que asistentes de IA o IDEs lean directamente la documentación de Google y ofrezcan resolución de problemas, análisis comparativos y guías de implementación
- Ambas herramientas son una infraestructura clave para garantizar la confiabilidad y vigencia de los entornos de desarrollo con IA
Resumen de Developer Knowledge API
- Developer Knowledge API ofrece una vía de acceso programático a la documentación oficial para desarrolladores de Google
- Permite buscar y consultar directamente la documentación más reciente sin depender de web scraping ni de datos de entrenamiento desactualizados
- Sus funciones principales son las siguientes
- Cobertura amplia de documentación: incluye firebase.google.com, developer.android.com, docs.cloud.google.com y más
- Funciones de búsqueda y consulta: permite buscar páginas de documentación y fragmentos de código relevantes, y luego obtener el contenido completo en Markdown
- Actualizaciones reflejadas con rapidez: durante la vista previa pública, los cambios en la documentación se reindexan dentro de las 24 horas
Servidor MCP e integración con herramientas de IA
- El servidor MCP (Model Context Protocol) es un servidor basado en un estándar abierto que permite que los asistentes de IA accedan de forma segura a fuentes de datos externas
- Si se conecta el servidor MCP de Developer Knowledge a un IDE o a un asistente de IA, este puede leer directamente la documentación de desarrollo de Google
- Proporcionar guías de implementación: por ejemplo, verificar cómo implementar notificaciones push con Firebase
- Ayudar a resolver problemas: buscar cómo corregir
ApiNotActivatedMapError en Maps API
- Realizar análisis comparativos: comparar Cloud Run y Cloud Functions para un caso de uso específico
- El servidor MCP es compatible con diversas herramientas de IA y sistemas de apoyo
Cómo empezar
- La versión de vista previa pública está disponible de inmediato
- En la página de Credentials del proyecto de Google Cloud, crea una clave de API para Developer Knowledge API y configura sus restricciones
- Después de instalar Google Cloud CLI, habilita el servidor MCP con el siguiente comando
gcloud beta services mcp enable developerknowledge.googleapis.com --project=PROJECT_ID
- Modifica el archivo de configuración de la herramienta (por ejemplo,
mcp_config.json, settings.json) para configurar la conexión con la API
- La configuración detallada para distintos asistentes de IA puede consultarse en la documentación oficial
Próximos planes
- La vista previa actual se centra en ofrecer contenido Markdown no estructurado
- Antes del lanzamiento oficial, planean agregar soporte para contenido estructurado, como objetos de ejemplos de código y entidades de referencia de API
- También planean ampliar la cobertura de la documentación para desarrolladores de Google y reducir el tiempo de retraso de reindexación
- Consulta la documentación oficial - https://developers.google.com/knowledge/api
2 comentarios
Si ves Toss Payments, parece que ya tenían preparada una página en Markdown para la integración... iban adelantados a su época.
Comentarios en Hacker News
No entiendo por qué lo hacen tan complicado
Piden una API key, que enciendas un servidor MCP y que configures el cliente para traer archivos Markdown en tiempo real; no le veo el sentido
¿No bastaría con un solo archivo tar con toda la documentación? Apenas serían unos pocos MB
Si quieren facilitar las actualizaciones, podrían hacerlo como un repo de git. Mi agente está configurado para hacer siempre
git fetchen cada nueva sesiónTodavía no entiendo bien el propósito de MCP. Codex ya sabe manejar jira, confluence, gitlab, prometheus y SQL, y solo necesita un archivo
.netrcTambién dudo que las herramientas MCP tengan componibilidad. No sé si se pueden encadenar en pipelines como grep o jq, o si una API CRUD simple es más potente y más fácil
HTTP/HTML ya tiene una “API” capaz de servir Markdown
Si configuras nginx para devolver
$URL.md, el LLM puede traer la documentación más reciente directamente concurl --header 'Accept: text/markdown' [https://gwern.net/archiving](https://gwern.net/archiving). Se resuelve con una sola línea de configuraciónLas apps CRUD son simples, pero tienes que explicarle todos los detalles al LLM
MCP puede meter en contexto solo lo necesario y llamarlo de inmediato. Si terminas poniéndole scripts wrapper a varias APIs, básicamente estás implementando MCP por tu cuenta
/usr/share/man/ya tiene como 52 MB de documentaciónHerramientas como
manyaproposya cumplen esa funciónLas páginas web son para humanos, mientras que la documentación que entrega MCP es para agentes
Al final, la esencia de MCP es ofrecer una API a la que el agente pueda acceder con
curlYo hice un CLI pequeño que envuelve las llamadas
curldel agente para resolver la autenticaciónMe gustaría saber si existe una forma más ligera y portable
AWS también opera su propio servidor MCP
AWS Documentation MCP Server
Es bastante útil cuando quieres encontrar configuraciones raras o funciones escondidas en la documentación
Puedes ver Microsoft Learn MCP,
el repositorio en GitHub,
y esta entrada de blog relacionada
Si es un servidor MCP público para documentación pública exclusiva de Google, ¿no existen ya varios servicios como Context7?
Sí me gustaría probarlo, pero últimamente me echa para atrás el consumo de tokens de Gemini CLI
Aunque el precio por token sea un poco más barato, no sirve de mucho si usa 3 veces más en cada prompt
Ojalá Google resuelva primero ese problema
También estoy de acuerdo. Gemini 3 no sabe absolutamente nada sobre iOS 26 o Liquid Glass
Siempre asume que quiero crear una vista personalizada y termina armando algo con ultrathinmaterial, que es una API de la generación anterior
¿No sería mejor simplemente poner enlaces a la documentación técnica relevante en un archivo AGENTS.md?
Claro, si lo ofrecieran como un único archivo de texto gigante, el agente no tendría que estar explorando enlaces una y otra vez,
pero si el sitio de documentación lo ofrece de esta forma, parecería suficiente
Tiene una especie de aire retro
Es tecnología de punta, pero los procedimientos burocráticos montados encima se sienten como si vinieran de otra época
Probablemente esto también podría hacerse como una skill descargable
Pero si lo ofrecen mediante llamadas API, pueden recopilar más datos sobre qué documentación leen los agentes de programación
Supongo que este es un ejemplo de lo que gwern llamaba “escribir para la IA”
¿No bastaría simplemente con un servidor HTTP que entregue archivos Markdown?
El LLM trae el archivo con
curly listo