# Squit > SQUIT MCP Server - Guía para el Equipo - Skill: `deagentic/squit` (Agent Skill) - Install (CLI): `npx skillmds@latest add deagentic/squit` - Raw SKILL.md: https://api.skillmd.com/api/skills/deagentic/squit/raw - Safety review: pending - Works with: Claude Code, Claude.ai, OpenAI Codex - Category: AI & ML - Author: deagentic (https://skillmd.com/u/deagentic) - Updated: 2026-09-17 - Page: https://skillmd.com/skills/deagentic/squit --- # SQUIT MCP Server - Guía para el Equipo ## Qué es SQUIT MCP SQUIT es un servidor MCP (Model Context Protocol) que permite a asistentes de IA (Claude, Cursor, etc.) buscar y analizar el código SQL legacy de Deacero. *En términos simples:* Es como darle a tu asistente de IA acceso a una base de datos inteligente con 5.7 millones de objetos SQL (procedures, views, functions, triggers) enriquecidos con información de 280 aplicaciones de negocio. --- ## Cómo se Creó SQUIT ### Pipeline de Procesamiento de Datos ┌─────────────────────────────────────────────────────────────────────────────┐ │ PIPELINE DE INGESTA │ ├─────────────────────────────────────────────────────────────────────────────┤ │ │ │ 1. EXTRACCIÓN 2. CHUNKING 3. EMBEDDINGS 4. INDEXADO │ │ ┌──────────────┐ ┌──────────────┐ ┌────────────┐ ┌───────────┐ │ │ │ SQL Servers │────►│ Smart │─────►│ Gemini │──►│ BigQuery │ │ │ │ (15+ servers)│ │ Chunker │ │ Embeddings │ │ Vector │ │ │ │ │ │ │ │ (768 dims) │ │ Index │ │ │ └──────────────┘ └──────────────┘ └────────────┘ └───────────┘ │ │ │ │ │ │ │ │ ▼ ▼ ▼ ▼ │ │ 5.7M objetos Chunks de Vectores Búsqueda │ │ SQL extraídos 6KB máximo semánticos < 100ms │ │ │ └─────────────────────────────────────────────────────────────────────────────┘ ### Paso 1: Extracción de Código SQL Se extrajeron objetos SQL de *15+ servidores* de producción: | Tipo de Objeto | Cantidad | Descripción | |----------------|----------|-------------| | PROCEDURE | ~3.2M | Stored procedures | | VIEW | ~1.5M | Vistas | | FUNCTION | ~600K | Funciones | | TRIGGER | ~400K | Triggers | | *Total* | *~5.7M* | Objetos únicos | *Fuentes:* - Servidores de producción (DEAPUENET01, DEAPATMTYNET01, OPEROFIDB02, etc.) - Servidores de desarrollo y QA - Bases de datos: Operacion, ARE, CMP, AG, etc. ### Paso 2: Smart Chunking El código SQL se divide en *chunks inteligentes* optimizados para embeddings: Configuración del Chunker: ├── max_chunk_size: 6,000 chars (óptimo para Gemini embeddings) ├── min_chunk_size: 800 chars (mínimo para contexto semántico) ├── overlap_size: 300 chars (continuidad entre chunks) └── mega_threshold: 1,000,000 chars (objetos gigantes = tratamiento especial) *Estrategias de chunking:* 1. *Por estructura semántica* - Respeta BEGIN/END, GO separators 2. *Preservar contexto* - Cada chunk incluye metadata del objeto padre 3. *Separar funciones* - Procedures grandes se dividen por bloques lógicos 4. *Clasificación automática* - Detecta tipo: complex_query, stored_procedure, dml, ddl ### Paso 3: Generación de Embeddings Cada chunk se convierte en un *vector de 768 dimensiones* usando Gemini: ┌─────────────────────────┐ ┌──────────────────────────────┐ │ "SELECT * FROM │ │ [0.023, -0.156, 0.892, ..., │ │ ClientesMaster │ ──────►│ 0.041, -0.234, 0.567, ..., │ │ WHERE activo = 1" │ │ 0.123, -0.089] │ └─────────────────────────┘ └──────────────────────────────┘ Chunk SQL Vector 768 dimensiones - *Modelo:* gemini-embedding-001 - *Dimensiones:* 768 - *Velocidad:* ~50,000 chunks/hora en batch ### Paso 4: Enriquecimiento con Catálogo de Aplicaciones El *catálogo de 280 aplicaciones* enriquece cada objeto con contexto de negocio: | Sistema | Descripción | Dominio | Proceso E2E | |---------|-------------|---------|-------------| | ARE | Precios mínimos | ventas | Cotización → Facturación | | CMP | Inventarios cíclicos | inventario | Conteo → Ajuste | | AG | Agroindustrial | produccion | Siembra → Cosecha | | ... | ... | ... | ... | Esto permite: - Mapear términos de negocio → código SQL específico - Clasificar automáticamente por dominio - Entender el proceso end-to-end de cada sistema ### Paso 5: Indexado Vectorial en BigQuery Todo se almacena en *BigQuery* con índice vectorial nativo: sql -- Estructura de la tabla de embeddings chunk_embeddings: ├── chunk_id STRING -- ID único del chunk ├── parent_object_id STRING -- SERVER|DB|schema|object_name ├── object_name STRING -- Nombre del objeto ├── object_type STRING -- PROCEDURE, VIEW, FUNCTION, TRIGGER ├── business_domain STRING -- ventas, inventario, finanzas, etc. ├── semantic_summary STRING -- Resumen semántico generado ├── chunk_content STRING -- Código SQL del chunk ├── embedding FLOAT64[] -- Vector de 768 dimensiones ├── complexity_score FLOAT64 -- Score de complejidad (1-10) └── semantic_tags STRING[] -- Tags: [SELECT, JOIN, INSERT, etc.] -- Índice vectorial para búsqueda <100ms VECTOR INDEX (distance_type='COSINE', index_type='IVF') ### Paso 6: Cálculo de Dependencias Se analizan las *referencias cruzadas* entre objetos: Análisis de Dependencias: ├── Busca menciones de tablas/procedures en el código ├── Clasifica tipo de uso: READ (SELECT), WRITE (INSERT/UPDATE), REFERENCE ├── Calcula criticidad: CRITICAL, MEDIUM, LOW └── Almacena para consultas de impacto rápidas --- ## Arquitectura del Servidor MCP ┌─────────────────┐ HTTPS + API Key ┌──────────────────────┐ │ Claude Code │ ◄──────────────────────► │ squit-mcp.deacero.us │ │ Cursor │ │ (nginx + SSL) │ │ Claude Desktop │ └──────────┬─────────────┘ └─────────────────┘ │ ▼ ┌──────────────────────┐ │ Docker Container │ │ (FastMCP Server) │ └──────────┬───────────┘ │ ▼ ┌──────────────────────┐ │ Google BigQuery │ │ + Vector Search │ │ (5.7M objetos SQL) │ └──────────────────────┘ ## Herramientas Disponibles El MCP expone 5 herramientas que tu asistente de IA puede usar: ### 1. squit_search - Búsqueda Semántica Busca código SQL por significado, no solo por texto exacto. Ejemplo: "cálculo de inventario kayak" Resultado: Encuentra procedures relacionados aunque no contengan esas palabras exactas *Parámetros:* - query: Búsqueda en lenguaje natural - business_domains: Filtrar por dominio (ventas, inventario, finanzas, etc.) - object_types: Filtrar por tipo (PROCEDURE, VIEW, FUNCTION, TRIGGER) - limit: Máximo resultados (1-50) ### 2. squit_get_code - Obtener Código Completo Recupera el código SQL completo de un objeto. Ejemplo: Obtener el código de "ARECalculoPreciosMinimosMx" *Parámetros:* - parent_object_id: ID del objeto (formato: SERVER|DB|schema|object_name) ### 3. squit_dependencies - Análisis de Dependencias Encuentra qué objetos SQL dependen de uno específico. Ejemplo: "¿Qué código usa la tabla ClientesMaster?" Resultado: Lista de procedures, views, etc. que leen o escriben esa tabla *Parámetros:* - object_name: Nombre del objeto a analizar - limit: Máximo dependencias (default: 20) ### 4. squit_impact - Análisis de Impacto Genera un reporte de riesgo antes de modificar un objeto. Ejemplo: "¿Qué pasa si modifico sp_CalcularInventario?" Resultado: Reporte con objetos afectados, nivel de riesgo, recomendaciones *Parámetros:* - object_name: Nombre del objeto a analizar ### 5. squit_read_chunk - Leer Fragmento Lee un fragmento específico de código (útil para objetos muy grandes). *Parámetros:* - chunk_id: ID del chunk ## Configuración ### Para Claude Code / Claude Desktop Agregar a ~/.claude.json en la sección mcpServers: json { "mcpServers": { "squit": { "type": "stdio", "command": "npx", "args": [ "-y", "mcp-remote", "https://squit-mcp.deacero.us/mcp", "--header", "X-API-Key: TU_API_KEY_AQUI" ], "env": {} } } } ### Para Cursor Agregar a la configuración de MCP en Cursor Settings > MCP: json { "squit": { "command": "npx", "args": [ "-y", "mcp-remote", "https://squit-mcp.deacero.us/mcp", "--header", "X-API-Key: TU_API_KEY_AQUI" ] } } *Importante:* Después de configurar, reinicia la aplicación. ## API Keys Cada miembro del equipo tiene asignada una API key única: | # | Nombre | Asignado a | |---|--------|------------| | 01 | squit-mcp-key-01 | [Karim] | | 02 | squit-mcp-key-02 | [Disponible] | | 03 | squit-mcp-key-03 | [Disponible] | | 04 | squit-mcp-key-04 | [Disponible] | | 05 | squit-mcp-key-05 | [Disponible] | | 06 | squit-mcp-key-06 | [Disponible] | | 07 | squit-mcp-key-07 | [Disponible] | | 08 | squit-mcp-key-08 | [Disponible] | | 09 | squit-mcp-key-09 | [Disponible] | | 10 | squit-mcp-key-10 | [Disponible] | *Solicita tu API key al administrador.* ## Ejemplos de Uso Una vez configurado, puedes preguntarle a tu asistente de IA: ### Búsqueda de código > > "Busca procedures relacionados con cálculo de precios mínimos" ### Análisis de impacto > > "¿Qué impacto tendría modificar la tabla InventarioMaster?" ### Obtener código > > "Muéstrame el código del procedure ARECalculoPreciosMinimosMx" ### Análisis de dependencias > > "¿Qué objetos dependen de la view vw_VentasDiarias?" ## Dominios de Negocio Los objetos SQL están clasificados en dominios: - ventas - Procesos de venta y facturación - inventario - Control de inventarios - finanzas - Contabilidad y finanzas - produccion - Procesos de manufactura - logistica - Embarques y distribución - compras - Adquisiciones y proveedores ## Límites y Restricciones - *Rate limit:* 120 requests/minuto por API key - *Burst:* 50 requests simultáneos - *Resultados:* Máximo 50 por búsqueda ## Troubleshooting ### Error 503 Service Unavailable - Reinicia tu cliente (Claude Code, Cursor) - Espera 1 minuto si excediste el rate limit ### Error 401 Unauthorized - Verifica que tu API key esté correcta - Asegúrate de incluir el header X-API-Key ### MCP no conecta - Verifica tu conexión a internet - Prueba: curl - Debe responder: {"status":"healthy","service":"squit-mcp"} ## Soporte - *Servidor:* node-worker-1 (158.69.247.40) - *URL:* - *Health check:* - *Contacto:* [Karim]