Conectar Cohere MCP con Microsoft Copilot

💡 ¿Sin instalación? Usa cloud.anythingmcp.com directamente. Inicia sesión, pulsa Connectors → Cohere, pega tus credenciales, genera una MCP API key y listo. Sin Docker, sin git clone, sin servidor local.

Cohere + Microsoft Copilot

Cohere con tu propia clave API: respuestas de los modelos Command con citas de tus documentos, embeddings para búsqueda semántica, reordenación de resultados de búsqueda, voz a texto, análisis de imágenes de documentos, conteo de tokens, y los modelos, datasets, batches y embed jobs de la cuenta.

Requisitos previos

Las instrucciones de configuración completas están incluidas en el conector (visibles en el store al seleccionarlo). Las variables de entorno requeridas:

COHERE_API_KEY

Paso 1 — Obtener credenciales

La configuración lleva unos 2 minutos. Necesitas una cuenta de Cohere; una clave trial es gratuita.

1. Regístrate en https://dashboard.cohere.com y abre API Keys (https://dashboard.cohere.com/api-keys).
2. Copia la clave trial, o crea una clave de producción después de añadir un método de pago en Billing.
3. Pégala en COHERE_API_KEY, sin la palabra Bearer. El conector la envía como Authorization: Bearer y solo a Cohere.
4. Instala el conector y ejecuta cohere_check_api_key o cohere_list_models para comprobar la clave.

Qué herramientas cuestan dinero: cohere_chat, cohere_embed, cohere_rerank, cohere_transcribe_audio y cohere_parse_document ejecutan un modelo. Con una clave de producción cada llamada se factura: el chat por token de entrada y salida, embed por token o imagen, rerank por búsqueda de hasta 100 documentos (los documentos largos cuentan como varios). Una clave trial es gratuita pero tiene límites por minuto y por mes y no puede usarse con fines comerciales. La IA te pregunta antes de llamadas grandes o repetidas y fija max_tokens para limitar la respuesta del chat. cohere_tokenize, cohere_detokenize, cohere_check_api_key y todas las herramientas de listado y lectura son gratuitas.

Modelos: los ids cambian, así que cohere_list_models (filtro endpoint chat, embed o rerank) tiene la lista actual y cohere_get_model muestra la longitud de contexto, funciones y endpoints de un modelo.

• Chat: command-a-03-2025 (la opción por defecto), command-a-reasoning-08-2025 (razonamiento), command-a-vision-07-2025 (imágenes), command-a-translate-08-2025 (traducción), command-r7b-12-2024 (pequeño y barato).
• Embed: embed-v4.0 (texto e imágenes), embed-v5.0-pro, embed-v5.0-fast, embed-multilingual-v3.0.
• Rerank: rerank-v5.0-fast (por defecto), rerank-v5.0-pro (más preciso), rerank-v3.5.
• Transcripción: cohere-transcribe-03-2026. Análisis: parse-v5.0.

Respuestas con citas: cohere_chat recibe model y messages y devuelve la respuesta completa de una vez. Si pasas documents (cadenas simples, u objetos con id y data que contiene title y snippet) obtienes una respuesta fundamentada: incluye message.citations que apuntan a ellos. response_format fuerza JSON, tools añade function calling, y thinking con tipo disabled desactiva el razonamiento en los modelos que razonan.

Búsqueda semántica: cohere_embed convierte hasta 96 textos (o imágenes como data URI) en vectores; input_type search_document es para lo que guardas y search_query para la consulta. Aquí el valor por defecto es embed-v4.0 con 256 dimensiones (output_dimension 256, 512, 1024 o 1536). cohere_rerank ordena hasta 1.000 documentos por relevancia para una consulta y devuelve results con index (la posición en tu lista) y relevance_score de 0 a 1; top_n se queda solo con los mejores.

Audio y documentos: cohere_transcribe_audio recibe un enlace público a un archivo de audio (flac, mp3, mpeg, mpga, ogg, wav, hasta 10 MB a través de este conector) y el obligatorio language (ISO-639-1); el conector descarga el archivo y lo sube a Cohere. cohere_parse_document convierte la imagen de una página (escaneo, foto, captura; enlace público o data URI de hasta 20 MB) en markdown con las tablas integradas, o en bloques de maquetación. Los PDF aún no son compatibles.

Tokens: cohere_tokenize cuenta los tokens de un texto para un modelo, por ejemplo antes de una llamada de chat; cohere_detokenize vuelve a convertir ids de tokens en texto.

Datos de la cuenta: cohere_list_datasets, cohere_get_dataset y cohere_get_dataset_usage (almacenamiento usado, como máximo 10 GB por organización); cohere_list_batches y cohere_get_batch para trabajos de la Batch API; cohere_list_embed_jobs y cohere_get_embed_job para embed jobs.

Formatos de datos: el chat devuelve message.content[] (elementos de tipo text con text), finish_reason (COMPLETE, MAX_TOKENS, STOP_SEQUENCE, TOOL_CALL, ERROR) y usage.billed_units con los tokens de entrada y salida facturados. Los embeddings están en embeddings.float, un vector por texto en el mismo orden. Las fechas son ISO 8601, en UTC.

Paginación: cohere_list_models y cohere_list_batches devuelven next_page_token; la IA lo pasa como page_token hasta que llega vacío. cohere_list_datasets pagina con limit y offset.

Desactivadas al instalar: ninguna. Las 17 herramientas están activas y ninguna borra nada.

Límites: como máximo 96 textos por llamada de embed y 1.000 documentos por rerank; audio de hasta 10 MB e imágenes de documentos de hasta 20 MB. Las claves trial tienen límites bajos por minuto y por mes.

Errores comunes: 400 indica una petición incorrecta (por ejemplo un parámetro que el modelo no acepta, o más de 96 textos); 401 una clave errónea; 402 que falta un método de pago (añádelo en Billing); 404 un modelo, dataset, batch o job desconocido; 422 una petición que no se pudo procesar; 429 el límite de frecuencia (la IA espera en lugar de reintentar en bucle); 499 una petición cancelada; 500 y 503 son problemas de Cohere, reintenta una vez más tarde.

El conector no transmite respuestas en streaming y no crea, cancela ni borra datasets, batches ni embed jobs. Classify, Summarize, Generate, los connectors y el fine-tuning están obsoletos en Cohere y no se incluyen.

Paso 2 — Instalar el adapter

curl -fsSL https://raw.githubusercontent.com/HelpCode-ai/anythingmcp/main/docker-compose.quickstart.yml -o docker-compose.yml
printf 'JWT_SECRET=%s\nENCRYPTION_KEY=%s\n' "$(openssl rand -hex 32)" "$(openssl rand -hex 32)" > .env
docker compose up -d

Paso 3 — Añadir el conector en Microsoft Copilot

La URL de tu servidor: en AnythingMCP abre MCP Servers → el servidor donde está este conector y copia su URL (https://cloud.anythingmcp.com/mcp/…). Úsala donde esta guía muestra YOUR_SERVER_ID.

Microsoft Copilot usa servidores MCP a través de agentes creados en Copilot Studio: añades AnythingMCP a un agente como herramienta y luego publicas el agente en Microsoft 365 Copilot y Teams. Copilot Studio se conecta desde la nube de Microsoft por Streamable HTTP, que AnythingMCP admite.

1. En Copilot Studio, abre tu agente (o crea uno), ve a Tools y elige Add a tool → New tool → Model Context Protocol.
2. Escribe un Server name (por ejemplo AnythingMCP), una Server description que diga qué hace el conector y la Server URL https://cloud.anythingmcp.com/mcp/YOUR_SERVER_ID. Copilot Studio usa la descripción para decidir cuándo llamar al servidor.
3. En la autenticación, elige API key, pon Type en Header y X-API-Key como nombre de la cabecera, y selecciona Create.
4. En Add tool, elige Create a new connection, pega una clave de API MCP de AnythingMCP (MCP Servers → tu servidor → API keys) y selecciona Add to agent.
5. Pruébalo en el panel Test del agente: pide algo que necesite las herramientas de Cohere.
6. Selecciona Publish y luego Channels → Microsoft 365 and Microsoft Teams, deja marcada Make agent available in Microsoft Copilot y elige Add channel. See agent in Teams lo instala para ti; en Microsoft 365 Copilot, escribe @ y elige el agente.

¿Prefieres que cada persona inicie sesión? En lugar de la clave de API elige OAuth 2.0 → Dynamic discovery: cada usuario inicia sesión en AnythingMCP la primera vez que el agente lo llama.

¿Lo alojas tú mismo? Usa la dirección HTTPS pública de tu instancia en lugar de https://cloud.anythingmcp.com. Copilot Studio se conecta desde la nube de Microsoft, así que localhost no funciona.

Herramientas disponibles

Ejemplos de prompts

• "Responde a la pregunta sobre nuestro plazo de devolución usando solo estos tres extractos de la política, e indica de qué extracto sale cada frase."
• "¿Cuáles de estas 20 descripciones de producto encajan mejor con botas de montaña impermeables para invierno? Reordénalas con rerank y muéstrame las 5 primeras con su puntuación."
• "¿Cuántos tokens tiene este texto de contrato para command-a-03-2025?"
• "Convierte la factura escaneada de https://example.com/scans/invoice-0425.png en markdown, incluida la tabla de líneas."
• "¿Cuáles de mis embed jobs y batches de Cohere siguen en marcha, y ha fallado alguno?"

FAQ

¿Para qué Copilot es? Para Microsoft 365 Copilot en el trabajo, mediante agentes de Copilot Studio. La app de Microsoft Copilot para cuentas personales no permite añadir tu propio servidor MCP.

¿Qué necesito? Una cuenta de trabajo con acceso a Copilot Studio (licencia o prueba) para crear el agente. Quien lo use en Microsoft 365 Copilot o Teams necesita acceso al agente: compártelo o pide a un administrador que lo publique para la organización. Si tu organización aplica directivas de datos a los conectores de Power Platform, también cubren los servidores MCP.

El agente no llama a las herramientas. Comprueba que el nombre de la cabecera sea exactamente X-API-Key y que la clave pertenezca al mismo servidor MCP que la URL, y escribe una Server description concreta: Copilot Studio la usa para decidir cuándo llamar al servidor. Vuelve a publicar el agente después de cada cambio; en un chat abierto, escribe "start over" para usar la nueva versión.

Siguientes pasos

• Página del conector
• Conectar a Claude
• Conectar a ChatGPT
• Conectar a Cursor
• Conectar a Gemini
• Conectar a Meta Muse