Concepto

Qué es MCP y cómo conecta la IA con tus sistemas

MCP ofrece una forma común de conectar asistentes de IA con datos y herramientas. Explicamos quién ejecuta cada consulta y qué revisar antes de darle acceso.

Revisada el

MCP conecta una aplicación de inteligencia artificial con un servidor de herramientas y con los sistemas de origen, con intercambio de solicitudes y respuestas.

MCP (Model Context Protocol, protocolo de contexto para modelos) es un estándar abierto que permite conectar aplicaciones de inteligencia artificial con herramientas y fuentes de datos. Define cómo una aplicación descubre las capacidades de un servidor MCP (el programa que expone esas herramientas y datos) y le pide una operación. Así un asistente puede consultar un sistema o actuar sobre él, con los accesos que le hayan dado.

Pensemos en una distribuidora ficticia donde una vendedora le pregunta al asistente de IA si pueden despachar 20 cajas del producto A. Sin una conexión al inventario, el asistente no ve las existencias: puede reconocer que no sabe o responder con la planilla que alguien pegó en el chat la semana pasada, que quizás ya cambió. Y si la empresa diseña esa conexión para una aplicación específica, puede tener que adaptarla al cambiar de aplicación o de proveedor de modelos.

Mucha gente se encuentra con MCP desde el asistente que ya usa, con una interfaz menos técnica. En Claude aparece como conectores (connectors), en ChatGPT como apps, que se instalan dentro de plugins que también pueden agrupar instrucciones de trabajo, y en Gemini como Connected Apps (apps conectadas). En Microsoft 365 Copilot, la documentación actual presenta estas conexiones como plugins de un agente. Cuando activas una de estas opciones, por ejemplo para que el asistente revise tu calendario o busque en tu gestor de proyectos, a veces detrás hay un servidor MCP; otras veces la integración es propia del proveedor.

¿Para qué sirve MCP en una empresa?

Con MCP, una distribuidora que necesita saber si puede despachar 20 cajas del producto A puede exponer la consulta de existencias como una herramienta reutilizable, con una entrada y un resultado definidos, en lugar de pegar datos a mano.

En nuestras clases explicamos un protocolo como una convención: las partes acuerdan qué información enviarse y cómo pedirla. En el episodio de MCP de nuestro podcast lo comparamos con HTTP (Hypertext Transfer Protocol, protocolo de transferencia de hipertexto), que fija cómo un navegador pide páginas a un servidor web. Del mismo modo, MCP define cómo una aplicación de IA pide operaciones a un servidor conectado con una base de datos o con un calendario: con qué reglas, en qué formato y con qué parámetros.

Antes de MCP, cada proveedor definía sus propias reglas para estas conexiones. En ese episodio lo contamos con una conexión armada primero para un modelo, adaptada después a Gemini y luego a Mistral, con el costo de mantener cada variante. Un estándar común suele ayudar porque la conexión se construye una vez y la reutilizan las aplicaciones compatibles. Aun así, alguien tiene que implementar las operaciones y mantener el acceso al sistema de origen, y la calidad del inventario sigue dependiendo de cómo se registra.

Un servidor MCP interno puede reunir herramientas y material de consulta para varias personas. Por ejemplo, suele simplificar la incorporación de un colaborador cuando su aplicación ya es compatible, aunque igual hay que configurar su acceso y sus permisos.

¿Qué hacen el host, el cliente y el servidor MCP?

El host es la aplicación de IA que usa la vendedora, por ejemplo un asistente de escritorio o un editor de código compatible. Dentro de ella, un cliente MCP intercambia mensajes con un servidor; la aplicación crea un cliente por cada servidor al que se conecta.

El servidor MCP es el programa que ofrece capacidades concretas, en este caso consultar el inventario de la distribuidora. Aunque se llame servidor, también puede correr en tu computador.

El modelo de lenguaje, que interpreta la pregunta y redacta la respuesta, no se conecta directo al inventario. Solo propone usar una herramienta. La aplicación aplica sus controles y, si corresponde, el cliente envía la solicitud al servidor, que la ejecuta o la delega al sistema de origen. Este reparto suele ayudar porque el servidor de inventario se construye una vez para varias aplicaciones, mientras cada aplicación conserva el control de qué se ejecuta.

La aplicación de IA contiene un cliente MCP que se comunica con el servidor; el servidor consulta el sistema de origen y devuelve el resultado por la misma conexión.

Herramientas, recursos y prompts: qué puede ofrecer

Una herramienta (tool) es una operación con entradas definidas que el modelo puede proponer, como consultar_stock, que recibe el código de un producto. Puede leer datos o cambiarlos: consultar existencias y registrar una salida de bodega son herramientas distintas, con consecuencias distintas.

Un recurso (resource) entrega información de solo lectura, como el catálogo de productos de la distribuidora. La aplicación decide cuándo incorporarlo al contexto, es decir, al material que el modelo recibe para responder. Por su parte, un prompt es una plantilla de instrucciones reutilizable que el usuario elige de forma explícita, como una pauta para preparar la revisión mensual de inventario.

La aplicación tiene que soportar cada capacidad, y reconocer herramientas MCP no asegura que muestre recursos o plantillas. Por eso, en general conviene probar la capacidad concreta que necesitas, por ejemplo una herramienta de lectura.

Además, MCP Apps es una extensión oficial del estándar que permite a un servidor devolver una pequeña interfaz interactiva, que se muestra dentro de la conversación. Por ejemplo, si una gerente comercial pide ver las ventas de la semana por tienda, el asistente puede abrir un mapa de calor donde hace clic en una tienda para ver el detalle por producto, sin escribir otra pregunta. Suele aportar más con datos que se exploran o con calculadoras y gráficos que el equipo usa a menudo. Como es una extensión, el soporte depende de la aplicación: hoy la ofrecen Claude, Microsoft 365 Copilot y GitHub Copilot en Visual Studio Code, entre otras, y la interfaz corre aislada del resto del asistente.

¿Cómo decide el modelo usar una herramienta?

Una vendedora de una distribuidora pregunta: “¿Podemos despachar 20 cajas del producto A?”. El asistente tiene acceso a una consulta de existencias, sin permiso para reservar cajas ni para escribirle al comprador.

Al conectarse, el cliente le pide al servidor su lista de herramientas con tools/list, el mensaje MCP usado para descubrirlas. El servidor responde con consultar_stock, su descripción y la entrada que necesita: recibe el código comercial de un producto y devuelve la cantidad disponible con su unidad. En este caso, A es el código comercial y el inventario se lleva en cajas. La aplicación le entrega esa lista al modelo junto con la pregunta, y así el modelo se entera de que la herramienta existe.

El modelo lee la pregunta, nota que le falta el dato de existencias y propone una llamada a consultar_stock con el código A. La aplicación recibe el nombre de la herramienta y sus argumentos, normalmente en un formato estructurado. Revisa sus controles y puede pedir aprobación a la vendedora; si sigue adelante, su cliente MCP envía al servidor una solicitud tools/call, el mensaje para llamar una herramienta. El servidor valida el código y consulta el inventario con una cuenta de solo lectura.

El servidor devuelve el producto A, la cantidad 24 y la unidad “cajas”. Ese resultado vuelve por el cliente MCP hasta la aplicación, que se lo pasa al modelo. Con ese dato el modelo redacta la respuesta: aparecen 24 cajas y alcanzarían para 20, aunque falta reservarlas y revisar las condiciones del despacho. Consultar no bloquea el inventario, así que otra venta podría reducirlo antes de confirmar el pedido.

Ejemplo simulado: la vendedora pide 20 cajas, la aplicación solicita consultar_stock para el producto A, el sistema devuelve 24 cajas y el asistente responde sin reservarlas.

Si el servidor devuelve “producto no encontrado”, la respuesta debería pedir el código correcto. Un resultado vacío, en cambio, no demuestra que el stock sea cero. Esas diferencias se prueban con casos de error, porque MCP transporta la respuesta sin garantizar que el modelo la interprete bien.

Por qué al modelo le cuesta elegir la herramienta

El paso difícil es reconocer que falta un dato y llamar la herramienta correcta con los datos correctos. En el episodio de MCP de nuestro podcast lo explicamos con una pregunta habitual: ¿quién es el presidente de Canadá? Quien responde suele detenerse, porque el cargo es el de primer ministro y el nombre puede haber cambiado, así que va a buscarlo. En esa conversación, la búsqueda llegó a Mark Carney.

Una herramienta MCP llega con nombre, descripción y una definición de las entradas que admite, pero la elección depende de qué tan bien esté descrita y de cuántas alternativas haya. Las herramientas propias del asistente, como la búsqueda web, las ajustó y probó su fabricante, mientras que una herramienta MCP nueva suele llegar sin ese ensayo.

En ese mismo episodio mencionamos una evaluación comparativa (benchmark) publicada en 2024 por la empresa Sierra, con tareas de aerolíneas y de comercio: cambiar un pasaje, crear un pedido o cancelarlo. En ese estudio, el agente con GPT-4o, el mejor entre los evaluados, resolvía bien cerca del 61% de los casos de comercio y cerca del 35% de los de aerolíneas, con un promedio cercano al 48%. Llama 3 de 70.000 millones de parámetros, evaluado con otro método para llamar herramientas, quedaba cerca del 15%. La prueba medía tareas completas con usuarios simulados y reglas de negocio, sin evaluar MCP en particular. Desde ese estudio de 2024, los modelos han seguido mejorando.

Una demostración propia: consultar la UF y el dólar

En el episodio de MCP de nuestro podcast, con Sebastián Cisterna e Ignacio Alarcón, mostramos este recorrido en Claude Desktop, una aplicación de escritorio compatible con el protocolo. Las pantallas y los valores corresponden al día de la grabación.

En esa demostración editamos un archivo de configuración en JSON (un formato de texto estructurado) y reiniciamos Claude Desktop para que cargara los servidores. Primero conectamos un servidor de sistema de archivos publicado junto con el protocolo, con 11 herramientas para leer, buscar y crear archivos en una carpeta del computador. Después sumamos un servidor propio que, con una API key (una credencial para sistemas), consulta a la Comisión para el Mercado Financiero y expone dos herramientas: GetUF, para la UF (unidad de fomento, un indicador chileno cuyo valor en pesos cambia cada día), y GetUSD, para el dólar observado.

Al preguntar por la UF de ese día, Claude pidió permiso antes de llamar a GetUF y, una vez aprobado, la herramienta devolvió 39.036,45 pesos. Luego GetUSD devolvió 938 pesos para el dólar observado. Con los dos valores, Claude llamó a una herramienta del servidor de archivos, que creó valores_economicos.txt con la fecha y las cifras.

MCP y una API: dónde se reparte el trabajo

Una API, interfaz de programación de aplicaciones, permite que un software solicite operaciones a otro. Un servidor MCP suele llamar a una API existente y traducir las herramientas que ofrece al asistente a las operaciones que entiende el sistema de origen. En la distribuidora, la API de inventario puede exigir un identificador interno y devolver muchos campos, mientras que consultar_stock acepta el código comercial y entrega solo las existencias autorizadas. Esa adaptación hay que construirla y probarla.

Si un flujo siempre ejecuta la misma consulta y ya tiene una integración estable, una llamada directa a la API puede bastar. MCP suele aportar más cuando distintas aplicaciones necesitan descubrir y reutilizar esas operaciones, aunque suma otra pieza que mantener.

Muchos servidores MCP los publican las empresas que quieren que sus usuarios se conecten a ellas, como GitHub o Notion. También los construyen organizaciones que necesitan llegar a una herramienta que todavía no ofrece el suyo. Por ejemplo, si tu empresa ya se conecta por API a una plataforma que todavía no ofrece servidor MCP, puede desarrollar un conector propio. El equipo usaría esa plataforma conversando con su asistente, y el servidor se encargaría de traducir cada pedido a la API. Ese conector hay que construirlo y probarlo. En EvoConsulting podemos ayudarte a hacerlo.

Servidores locales y remotos

Un servidor local suele comunicarse con la aplicación mediante stdio, la entrada y salida estándar entre procesos del mismo computador, aunque también puede usar HTTP si la aplicación lo admite. Para servidores remotos, una opción habitual es Streamable HTTP, un transporte de mensajes sobre HTTP. En ese caso conviene saber quién lo administra y cómo autoriza a cada usuario.

n8n es una plataforma para automatizar procesos con nodos, bloques que hacen una operación dentro de un flujo, y puede incluir un agente de IA, un programa que elige pasos y herramientas para cumplir una tarea. Su nodo MCP Client Tool permite que ese agente use herramientas de un servidor externo. En el sentido inverso, MCP Server Trigger permite exponer herramientas y flujos de n8n a clientes MCP. Elegir uno u otro depende de quién necesita consultar a quién; sus nombres parecidos pueden llevar a configurar la dirección equivocada.

¿Qué permisos revisar antes de conectarlo?

Si instalas un servidor local de un tercero, ejecutas su código en tu computador. Si te conectas a uno remoto, conviene revisar qué datos recibirá y con qué permisos podrá actuar. En el episodio de MCP de nuestro podcast, Sebastián Cisterna lo resume así: “Cuando tú vas a listar estos riesgos, son todos los mismos riesgos que tiene instalar una aplicación de terceros en cualquier cosa.” En el celular, una tienda de aplicaciones revisa lo que se publica, sobre todo en Apple. Las etiquetas de un directorio MCP pueden seguir otros criterios, así que antes de confiar en un “verificado” conviene saber quién lo concede y qué revisa. En esa conversación mostramos un servidor de Azure presentado como “oficial” y “verificado” en una plataforma, aunque no lo mantiene Microsoft.

  • Una herramienta mal descrita. Si la descripción de consultar_stock no aclara que pide el código comercial, el modelo puede enviar otro dato y recibir otro producto.
  • Datos desactualizados. Si el inventario se sincroniza una vez al día, la herramienta entrega el stock de la mañana aunque responda sin errores.
  • Un servidor con más permisos de los necesarios. Si la cuenta conectada puede borrar registros, una herramienta mal diseñada también podría hacerlo. Uno malicioso podría pedir una contraseña o un documento que la consulta no necesita.
  • Un servidor que cambia. El que hoy se ve confiable puede ser hackeado mañana, igual que una librería que se importa por costumbre.
  • Instrucciones escondidas. Un documento recuperado puede traer órdenes que intentan desviar al modelo, un riesgo llamado inyección de instrucciones.

La especificación recomienda que la aplicación mantenga a una persona en el circuito y que, sobre todo en operaciones sensibles, muestre lo que se va a enviar y pida confirmación. No todas lo hacen en cada llamado, y algunas permiten recordar el permiso. Por eso suele convenir mantener esa aprobación antes de acciones con efectos externos, como registrar un pedido.

Por ejemplo, para consultar inventario interno suele convenir un servidor cuyo mantenimiento puedas verificar y cuyos permisos puedas limitar. Que su código sea abierto o propio facilita revisarlo, aunque no garantiza que sea seguro. El permiso se limita en el servidor o en el sistema de origen, ya que una instrucción escrita al asistente no impide que la cuenta haga más de lo debido.

Para probar una conexión acotada, por ejemplo consultar_stock con datos ficticios:

  1. Define la operación permitida y qué resultado esperas.
  2. Usa una cuenta con el mínimo acceso necesario y comprueba que otra persona no pueda consultar datos ajenos.
  3. Prueba un código inexistente y una solicitud fuera del permiso, además de la consulta correcta.
  4. Revisa el registro de lo ejecutado y cómo revocar el acceso antes de ampliar la prueba.

Si aparece un error de conexión, revisa transporte y autorización antes de cambiar el modelo. Si recibes otro producto, compara el código enviado con el solicitado y revisa cómo el servidor lo traduce al identificador del inventario; una descripción ambigua de la herramienta también puede causarlo.

Qué ocurre cuando hay demasiadas herramientas

El modelo también suele confundirse cuando recibe un catálogo grande de herramientas de una vez, sobre todo si los nombres se parecen. Si dos servidores exponen una herramienta llamada GetUF, hay que decidir cuál llamar, y una puede tener costo mientras la otra no. Cada intento consume además tokens (las unidades con que se mide el texto que procesa el modelo) y tiempo, y hoy la especificación no ofrece una forma de limitar ese gasto.

En el episodio de MCP de nuestro podcast lo comparamos con un restaurante: una carta de miles de páginas te demora el pedido, mientras que una de una hoja suele bastar. Por eso suele convenir que la aplicación le muestre al modelo solo las herramientas de la tarea. A la vendedora de la distribuidora, por ejemplo, le bastan las de inventario.

MCP y la comunicación entre agentes (A2A)

A2A (agent to agent, de agente a agente) es un protocolo para que agentes distintos se comuniquen entre sí. Complementa a MCP porque resuelve otra capa del mismo trabajo.

En el episodio de MCP de nuestro podcast lo explicamos con el personal de un restaurante. A2A es cómo se coordinan el chef, el mesero y el cajero para que el servicio funcione. MCP es cómo cada uno usa sus propias herramientas: el chef, sus cuchillos e ingredientes; el mesero, su libreta y su bandeja.

En una ampliación hipotética de la distribuidora, un agente de ventas le pediría a uno de despacho que agende el envío de las 20 cajas, lo que exige permisos de escritura que la consulta inicial no tenía. Esa conversación entre agentes puede usar A2A, mientras cada uno llega a su sistema mediante MCP.

Si quieres cotizar

En el curso de Automatización y Agentes de IA con n8n enseñamos a construir flujos con agentes que consultan APIs externas como herramientas. Es una base para entender esas conexiones; la ficha actual no incluye un taller específico de MCP, por lo que acordamos ese alcance al preparar una propuesta.

En EvoConsulting desarrollamos soluciones de IA conectadas con los sistemas de tu empresa, partiendo por una prueba acotada al proceso y sus permisos.

Anexo: referencias

Preguntas frecuentes

¿Qué significa MCP en inteligencia artificial?

MCP significa Model Context Protocol. Si un proveedor ofrece una “integración MCP”, pregunta qué operaciones expone y con qué permisos, porque el nombre del estándar no describe el alcance del acceso.

¿Qué es un servidor MCP?

Es el programa que ofrece capacidades a una aplicación compatible. Para evaluarlo, pide la lista exacta de herramientas y quién mantiene su código: dos servidores para el mismo sistema pueden permitir operaciones muy distintas.

¿Necesito un servidor en la nube para usar MCP?

No. Puedes ejecutar un servidor en tu computador o conectarte a uno remoto. La elección depende de dónde estén los datos y de qué transportes soporte tu aplicación.

¿MCP reemplaza las APIs?

No. Muchas conexiones MCP se apoyan en APIs que ya existen. Si la API deja de funcionar o cambia sus permisos, el servidor que depende de ella también necesitará atención.

¿MCP es lo mismo que un agente de IA?

No. Un agente puede decidir pasos y usar herramientas para cumplir una tarea; MCP aporta una forma común de conectar esas herramientas. MCP también sirve en aplicaciones que exigen aprobación humana en cada operación, sin un agente que actúe solo.

¿Qué diferencia hay entre MCP y RAG?

RAG (generación aumentada por recuperación) recupera material de consulta para que el modelo responda con él; MCP define cómo una aplicación intercambia información con un servidor. Pueden combinarse cuando una herramienta MCP permite buscar en un sistema de documentos.

¿MCP sirve para enviar correos o modificar registros?

Sí. Si el servidor ofrece esas herramientas y la cuenta conectada tiene permiso. En muchos casos conviene separar la preparación del contenido de su ejecución, por ejemplo al redactar un correo que alguien debe aprobar antes de enviarlo.

¿MCP funciona sin internet?

Sí. Una conexión local puede funcionar sin internet si el modelo y el sistema consultado también están disponibles localmente. Que el servidor sea local no basta cuando la operación depende de una API remota.

¿Es seguro instalar cualquier servidor MCP?

No. Antes de probarlo, comprueba qué código vas a ejecutar o a quién le enviarás los datos. Por ejemplo, para una consulta de existencias puedes usar datos ficticios y una cuenta de solo lectura, y verificar que el servidor rechace una operación de escritura.

¿Necesito programar para usar MCP en n8n?

No siempre. Puedes conectar herramientas existentes mediante los nodos disponibles, pero crear una operación que tu sistema todavía no ofrece puede requerir desarrollo y pruebas de acceso.

¿Qué son las MCP Apps?

Son una extensión oficial de MCP que permite a un servidor mostrar una interfaz interactiva dentro de la conversación, como un gráfico, un formulario o un mapa de calor. Solo se ven así si la aplicación declara soporte para esa extensión; si no, el usuario puede recibir solo texto. Por ejemplo, suele valer la pena comprobarlo en la aplicación que usa tu equipo antes de construir una.

¿Conectar MCP permite entrenar al modelo con mis datos?

No por sí mismo. MCP permite intercambiar información; la retención y el uso posterior de los datos dependen de los servicios participantes y de sus condiciones. Revisa esas condiciones antes de conectar información restringida.

Escúchalo en el podcast

En nuestro podcast semanal sobre IA aplicada a los negocios explicamos MCP con una demostración de consulta de datos.

Ver todos los episodios

Cursos relacionados

Cotiza tu curso

Cuéntanos qué necesita tu equipo y te enviamos una propuesta para un curso a la medida de tu empresa.