← Volver al listado

Qué es MCP

MCP (Model Context Protocol) es un protocolo abierto que estandariza cómo los asistentes de IA se conectan a datos y herramientas externas. En lugar de una integración distinta para cada servicio (GitHub, base de datos, CRM, sistema de archivos), se ejecuta un servidor MCP y el cliente - Cursor, Claude Desktop, Zed y otros - se conecta mediante un contrato único. A continuación: qué es MCP, cómo funciona la arquitectura y por qué el protocolo importa en producción.

Definición en términos simples

El Model Context Protocol es una especificación de intercambio entre una aplicación de IA (host) y una fuente externa de contexto (servidor). El servidor puede exponer:

  • Resources - datos legibles: archivos, filas de BD, documentos de API
  • Tools - acciones que el modelo puede invocar: peticiones API, SQL, búsqueda en índices
  • Prompts - plantillas de prompt listas para escenarios habituales

El protocolo es abierto y no está ligado a un único proveedor de LLM. El host elige el modelo; el servidor MCP elige qué datos y herramientas ofrecer. La comunicación usa JSON-RPC 2.0 con transporte por stdio, HTTP o SSE.

La idea de Anthropic (noviembre 2024): sustituir un «zoológico» de plugins personalizados por una forma única de conectar contexto a los agentes.

Arquitectura: host, client, server

Esquema típico de tres roles:

┌─────────────┐     ┌─────────────┐     ┌─────────────┐
│  MCP Host   │────▶│ MCP Client  │────▶│ MCP Server  │
│ (Cursor,    │     │ (dentro de  │     │ (GitHub,    │
│  Claude)    │     │  la app)    │     │  Postgres…) │
└─────────────┘     └─────────────┘     └─────────────┘
  • MCP Host - aplicación con LLM: IDE, cliente de chat, plataforma de agentes. Gestiona la sesión, llama al modelo y decide cuándo invocar un tool.
  • MCP Client - componente dentro del host que habla con uno o varios servidores vía MCP.
  • MCP Server - proceso o servicio que expone resources, tools y prompts. Puede ser local (archivos en disco) o remoto (API corporativa).

Un host puede tener varios clientes - uno por servidor MCP. En Cursor, por ejemplo, pueden ejecutarse a la vez servidores de sistema de archivos, navegador, GitHub y MCP personalizados del config.

Qué aporta MCP en la práctica

Un contrato en lugar de N integraciones

Antes de MCP, cada producto escribía sus conectores: su formato para «leer archivo», otro para «llamar API». MCP fija:

  • cómo se declaran las herramientas (nombre, esquema de parámetros, descripción)
  • cómo se devuelven los resultados
  • cómo se solicitan resources y suscripciones a cambios

El mismo servidor MCP de PostgreSQL puede servir a Claude Desktop y a otro host si este soporta el protocolo.

Seguridad y límites de acceso

El servidor corre en un proceso o contenedor aparte. El host no accede a todo el sistema - solo a lo que el servidor expone explícitamente. En enterprise importa: se puede dar al agente acceso de solo lectura a un datamart sin acceso completo a la BD de producción.

Escenarios locales y en la nube

  • Local - transporte stdio: el host lanza el binario del servidor como proceso hijo (típico en IDE y clientes de escritorio).
  • Remoto - HTTP/SSE: servidor MCP compartido en VPN o nube para todo el equipo.

Ambos están en la especificación; la elección depende de la política de seguridad y de dónde viven los datos.

MCP y function calling

Function calling (tool use) es el mecanismo del LLM: el modelo devuelve una petición estructurada de «invocar función X con argumentos Y». MCP es una capa inferior y más amplia: estandariza de dónde salen esas funciones y datos, cómo se registran y cómo el host se comunica con ellos.

Flujo de interacción:

  1. El host se conecta al servidor MCP y obtiene la lista de tools.
  2. La lista se pasa al modelo en el formato del proveedor (OpenAI tools, Anthropic tools, etc.).
  3. El modelo elige un tool; el host ejecuta la llamada vía MCP client → server.
  4. El resultado vuelve al contexto del modelo para el siguiente paso.

MCP no sustituye el razonamiento del modelo - unifica el «cableado» entre el agente y el mundo exterior.

Dónde ya se usa MCP

Entorno Rol de MCP
Cursor Servidores MCP integrados y personalizados: archivos, terminal, navegador, APIs de terceros
Claude Desktop Conectores oficiales y servidores de la comunidad vía claude_desktop_config.json
Zed, Continue, Cline Soporte MCP para ampliar contexto en el editor
Agentes enterprise Servidores propios sobre APIs internas, tickets, wikis

La comunidad publica servidores listos: GitHub, Google Drive, Slack, Puppeteer, SQLite, Postgres, Brave Search y cientos más en registros como modelcontextprotocol/servers en GitHub.

Cómo crear o conectar un servidor MCP

Camino mínimo para desarrolladores:

  1. Elegir SDK: hay bibliotecas oficiales para TypeScript, Python, C#, Java y otros.
  2. Describir tools y resources en el código del servidor (nombre, inputSchema, handler).
  3. Ejecutar el servidor con transporte stdio o HTTP.
  4. Añadir config en el host (en Cursor - .cursor/mcp.json o ajustes del IDE).

Ejemplo de lógica de tool en Python (simplificado):

@server.tool()
async def get_weather(city: str) -> str:
    """Tiempo actual para una ciudad."""
    return await weather_api.fetch(city)

Al iniciar la sesión el host pide las capabilities del servidor; el modelo ve get_weather con descripción y esquema JSON del parámetro city.

Equipos sin desarrollo propio suelen bastar con un servidor del registro más config y secretos (API keys por env, no en el repositorio).

Limitaciones y qué vigilar

MCP resuelve la estandarización de conexiones, pero no:

  • la calidad del razonamiento del modelo
  • la orquestación de workflows complejos de varios pasos (territorio de frameworks de agentes)
  • la autorización entre usuarios (hace falta OAuth/RBAC aparte en el servidor)

En la práctica, conviene tener en cuenta:

  • Latencia - cada tool call es un round-trip; cadenas de 10+ llamadas necesitan presupuesto de tiempo y tokens.
  • Versionado - servidores y hosts deben alinearse en la versión de la spec (2025-03 y posteriores evolucionan activamente).
  • Fiabilidad - si cae el servidor MCP se corta el acceso a datos; en producción hacen falta health checks y fallback.

MCP frente a RAG y APIs personalizadas

Enfoque Fortaleza Debilidad
MCP Tools/resources estándar para cualquier host Requiere soporte MCP en el cliente
RAG Búsqueda en grandes corpus sin cargar todo en contexto No da acciones arbitrarias (write, mutar API)
API personalizada Control total Duplicar trabajo para cada cliente de IA

En sistemas maduros suele usarse MCP + RAG: RAG para conocimiento documental, MCP tools para consultas en vivo a BD, tickets, despliegues.

Resumen

MCP es un protocolo abierto de contexto para agentes de IA: el host se conecta a servidores, obtiene resources y tools, y el modelo los invoca mediante un contrato único. Eso reduce el coste de integración, facilita portar escenarios entre Cursor, Claude Desktop y otros clientes, y define límites claros de acceso a datos.

Orden práctico para desarrolladores: empezar con servidores de la comunidad para su stack y luego envolver APIs internas en un servidor MCP propio cuando las mismas tools hagan falta en varias apps host.

Preguntas frecuentes

¿En qué se diferencia MCP de una API REST normal?

Una API REST es la interfaz de un servicio concreto para tus peticiones HTTP. MCP es un protocolo entre el host de IA y un «adaptador» a esos servicios: describe cómo el host descubre tools, las invoca y lee resources en formato comprensible para el agente. Un servidor MCP puede envolver APIs REST de GitHub o Jira; el host no escribe una integración distinta por producto.

¿Necesito MCP si solo uso un chat (por ejemplo ChatGPT)?

Si todo el flujo vive en un producto cerrado con plugins integrados - no necesariamente. MCP compensa cuando usas varios hosts (IDE + escritorio + agente propio), quieres reutilizar las mismas tools o mantienes datos sensibles en tu servidor con control explícito de acceso.

¿Es seguro conectar servidores MCP a datos de trabajo?

Depende del servidor y la configuración. Servidores de confianza de la comunidad con código abierto, acceso de solo lectura y secretos por variables de entorno son un mínimo. En producción: proceso separado, mínimos privilegios, auditoría de tool calls, sin acceso de escritura del agente sin aprobación humana.

¿Puedo usar MCP con modelos locales (Ollama, LM Studio)?

Sí, si el host soporta MCP y tu proveedor local. MCP no está ligado a API en la nube - aporta contexto y tools; el modelo puede ser local. El límite está en el host: no todos los clientes combinan igual de bien LLM local y el conjunto completo de MCP tools.

¿Por dónde empiezo a configurar MCP en Cursor?

  1. Abre ajustes MCP en Cursor (o .cursor/mcp.json en el proyecto).
  2. Añade un servidor listo de la documentación (p. ej. filesystem, GitHub) con comando de arranque y env para tokens.
  3. Reinicia Cursor y comprueba que el servidor aparece como connected.
  4. En el chat del agente, pide explícitamente usar un tool - verifica que la llamada funciona y el resultado entra en la respuesta.

Después conviene añadir un servidor personalizado para tu API interna - así entiendes el ciclo completo sin reescribir la lógica de integración para cada herramienta.

Contacto