que.nom.es

MCP (Model Context Protocol): qué es y cómo funciona

Data Science e IA avanzado También llamado: Model Context Protocol, Anthropic MCP
Model Context Protocol: la aplicación host incluye un cliente MCP que habla un protocolo estándar con varios servidores MCP, cada uno exponiendo herramientas, recursos o prompts de un sistema externo.
Model Context Protocol: la aplicación host incluye un cliente MCP que habla un protocolo estándar con varios servidores MCP, cada uno exponiendo herramientas, recursos o prompts de un sistema externo.

MCP (Model Context Protocol)

¿Qué es?

MCP (Model Context Protocol) es un protocolo abierto diseñado para estandarizar cómo los modelos de lenguaje y los agentes de IA acceden a datos, herramientas y servicios externos. Publicado por Anthropic a finales de 2024 como especificación abierta, se ha convertido durante 2025-2026 en el estándar de facto adoptado por OpenAI, Google, Microsoft, Snowflake, Databricks, Informatica y la mayoría de herramientas del ecosistema de IA.

La analogía habitual: MCP es a los agentes de IA lo que USB-C fue a los dispositivos electrónicos — un conector único que reemplaza la fragmentación de integraciones propietarias punto a punto.

Para qué sirve

Antes de MCP, conectar un LLM a un sistema externo (una base de datos, una API, un sistema de tickets) requería integraciones a medida por cada combinación modelo × herramienta. Esto generaba:

  • Duplicación de esfuerzo: misma integración escrita N veces.
  • Lock-in: cambiar de modelo implicaba reescribir todas las integraciones.
  • Inconsistencia: cada integración con su propio esquema y autenticación.

MCP separa el modelo de las herramientas mediante un protocolo común:

  • Cualquier modelo compatible puede invocar cualquier servidor MCP.
  • Cualquier servicio que exponga un servidor MCP queda disponible para todos los clientes.

Arquitectura

MCP define tres roles:

  • MCP Host: la aplicación donde corre el modelo (Claude Desktop, Cursor, un agente custom).
  • MCP Client: la pieza del host que habla MCP con los servidores.
  • MCP Server: el proceso que expone capacidades a través del protocolo. Puede ejecutarse local (stdin/stdout) o remoto (HTTP/SSE).

Cada servidor expone tres tipos de capacidades:

  • Tools: funciones invocables (consultar BD, llamar a una API, mandar un email).
  • Resources: datos legibles (ficheros, registros, listados).
  • Prompts: plantillas de prompt reutilizables.

El protocolo de transporte es JSON-RPC 2.0 sobre stdio o HTTP/SSE.

Ejemplo

Un agente de soporte interno necesita acceder a la base de datos de clientes, al CRM y al sistema de tickets. Sin MCP, requeriría tres integraciones a medida en el código del agente. Con MCP:

  1. Existen tres servidores MCP independientes: postgres-mcp, salesforce-mcp, jira-mcp.
  2. El agente (host MCP) los descubre vía configuración, listando las tools que cada uno expone (get_customer, search_opportunities, create_ticket).
  3. Cuando un usuario pregunta “¿qué tickets abiertos tenemos del cliente X?”, el modelo razona, decide invocar search_opportunities + list_tickets, y compone la respuesta.
  4. Cambiar de modelo (de Claude a GPT-4o) no requiere tocar ninguna de las integraciones MCP: el modelo nuevo habla el mismo protocolo.

Casos de uso emergentes

  • Plataformas de datos headless: Snowflake, Databricks e Informatica exponen sus capacidades (consulta, catálogo, calidad de datos) vía MCP para que agentes IA externos las invoquen.
  • IDEs con asistentes IA: Cursor, Zed o Claude Code usan MCP para que el modelo acceda a git, terminales, sistemas de tipos y APIs externas.
  • Asistentes empresariales: herramientas internas que combinan acceso a ERP, CRM, Slack y wikis para responder consultas de empleados.

MCP vs function calling vs RAG

Son complementarios, no excluyentes:

  • Function calling es la capacidad del modelo de invocar funciones — MCP define cómo se exponen y descubren esas funciones de forma estandarizada.
  • RAG recupera información desde índices vectoriales para enriquecer el prompt — MCP permite al agente invocar dinámicamente cualquier tipo de acción, no solo recuperar texto.
  • MCP + RAG: un servidor MCP de búsqueda vectorial es la forma natural de exponer un sistema RAG a un agente.

Limitaciones y consideraciones

  • Seguridad: cada servidor MCP es una superficie de ataque. Hay que controlar permisos y validar inputs.
  • Latencia: cada llamada MCP es un round trip más en la cadena de razonamiento del agente.
  • Discoverabilidad: con cientos de servidores potenciales, los agentes necesitan estrategias para elegir herramientas relevantes (registries, filtros por categoría).

Tecnologías y referencias

  • Especificación oficial: modelcontextprotocol.io.
  • SDKs oficiales: TypeScript, Python, Java, Rust.
  • Registries: docker-mcp, mcp-servers de Anthropic, repositorios comunitarios con cientos de servidores listos para usar.
  • Plataformas que exponen MCP nativamente: Snowflake, Databricks, Informatica, GitHub, Slack, Notion, Linear.

Más información

Contenido elaborado con asistencia de inteligencia artificial — Equipo Editorial Dataprix. Verifica la información antes de tomar decisiones.