MCP (Model Context Protocol)

MCP, siglas de Model Context Protocol, es un estándar abierto para conectar modelos de IA con herramientas y datos. Anthropic lo publicó en noviembre de 2024 y en pocos meses lo adoptaron otros proveedores de modelos, editores de código y plataformas de automatización. Se suele comparar con un puerto USB-C: un único conector para enchufar el asistente a cualquier sistema que tenga un servidor MCP.

¿Qué problema resuelve MCP?

Un modelo de lenguaje solo sabe lo que aprendió en su entrenamiento. Para que sea útil en una empresa necesita leer tus datos y actuar en tus herramientas: consultar un pedido, buscar un contrato o crear una tarea.

Antes de MCP, cada conexión se programaba a mano y para cada asistente. Conectar tres asistentes con cinco herramientas suponía hasta quince integraciones distintas. Con MCP, cada herramienta publica un servidor una vez y cualquier asistente compatible puede usarlo.

¿Cómo funciona MCP?

MCP tiene dos lados:

• Cliente MCP: la aplicación donde vive el asistente. Por ejemplo, Claude Desktop, un editor de código o un agente que has construido tú.
• Servidor MCP: un pequeño programa que da acceso a un sistema concreto (tu CRM, una base de datos, el correo, un repositorio de documentos).

El servidor declara qué ofrece, con tres tipos de elementos:

• Herramientas (tools): acciones que el modelo puede ejecutar, como “crear contacto” o “buscar factura”.
• Recursos (resources): datos que el modelo puede leer, como un documento o un registro.
• Prompts: plantillas de instrucciones preparadas para tareas frecuentes.

Cuando le pides algo al asistente, el modelo ve la lista de herramientas disponibles, elige la adecuada y el cliente la ejecuta a través del servidor. El resultado vuelve al modelo, que decide si necesita otro paso.

¿Para qué lo usa una empresa?

MCP interesa sobre todo en dos situaciones.

Dar a tu equipo un asistente conectado. Con los servidores MCP adecuados, una persona puede preguntar al asistente “¿qué clientes de Valencia no han comprado este trimestre?” y el asistente consulta el CRM en lugar de inventarse la respuesta.

Construir agentes que se puedan mantener. Si un agente de IA usa MCP para acceder a tus sistemas, cambiar de modelo (de GPT a Claude o a Gemini) no obliga a rehacer las integraciones. Y cuando añades una herramienta nueva, basta con conectar su servidor.

Muchas aplicaciones conocidas ya publican servidores MCP oficiales o mantenidos por la comunidad: gestores de proyectos, bases de datos, herramientas de diseño, repositorios de código o suites de ofimática. Para programas internos o poco comunes, como un ERP sectorial, hay que desarrollar el servidor a medida.

Ejemplo: una asesoría con un asistente conectado

Imagina una asesoría de 15 personas. Los gestores pierden tiempo buscando en qué estado está el expediente de cada cliente, repartido entre el programa de gestión, el correo y una carpeta compartida.

La asesoría monta un servidor MCP que da acceso de solo lectura a su programa de gestión y otro para la carpeta de documentos. Los conecta al asistente de IA que ya usa el equipo. A partir de ahí, un gestor puede preguntar “¿qué le falta a este cliente para presentar el trimestre?” y el asistente cruza los datos del programa con los documentos recibidos y devuelve la lista de lo pendiente.

Como los permisos son de solo lectura, el asistente no puede modificar nada. Si más adelante quieren que redacte y envíe el correo de reclamación, se añade esa herramienta con confirmación humana antes de cada envío.

Riesgos y buenas prácticas

Un servidor MCP da al modelo acceso real a tus sistemas, así que conviene tratarlo como a un empleado nuevo:

• Instala solo servidores de fuentes fiables y revisa qué permisos piden.
• Da el acceso mínimo: solo lectura cuando sea suficiente.
• Exige confirmación antes de acciones que borran, pagan o envían algo a clientes.
• Registra qué herramientas usa el agente y con qué datos.

Si quieres conectar tus herramientas a un asistente o construir agentes sobre MCP, lo hacemos dentro de nuestro servicio de agentes de IA para empresas. Cuando el sistema no tiene servidor disponible, lo desarrollamos como parte de un proyecto de software a medida.