Qué es MCP (Model Context Protocol) y cómo lo usan los agentes de IA para conectarse con herramientas

MCP, el Model Context Protocol, es un estándar abierto para conectar una aplicación de IA con fuentes de datos y herramientas externas mediante una única interfaz consistente. Sin una integración personalizada para cada combinación. Anthropic lo presentó en noviembre de 2024, y a mediados de 2026 ya se había adoptado en la mayoría de las plataformas de IA principales.

Qué es y por qué importa

La analogía del USB-C, y el problema que resuelve

La documentación del Model Context Protocol describe MCP como un puerto USB-C para aplicaciones de IA: igual que el USB-C ofrece a los dispositivos electrónicos una forma estándar de conectarse, MCP ofrece a las aplicaciones de IA una forma estándar de conectarse a sistemas externos, ya sean archivos locales, una base de datos, una herramienta de búsqueda o un flujo de trabajo especializado.

Antes de MCP, los desarrolladores de productos de IA se topaban con lo que Anthropic llamó el problema de integración "N por M". Cada aplicación de IA que quería usar cada herramienta externa necesitaba su propio conector a medida, así que el número de integraciones crecía como el producto de aplicaciones por herramientas, no como la suma. Según el resumen de Wikipedia sobre el origen de MCP, el protocolo se creó en Anthropic por los ingenieros David Soria Parra y Justin Spahr-Summers, precisamente para convertir ese problema N por M en uno N más M: se construye un servidor una vez, y cualquier aplicación compatible con MCP puede usarlo.

Por qué esto importa más allá de la capa de API

El mismo cambio que hace útil a MCP para conectar agentes con herramientas internas también afecta a cómo esos agentes, y los productos de búsqueda y chat construidos sobre ellos, encuentran y usan tu contenido. Si ya estás pensando en conseguir que los motores de respuesta de IA te citen, MCP es la tubería que hay al otro lado de esa relación. Es cómo un producto de IA sale a buscar e incorpora información viva y estructurada, en lugar de depender solo de lo que aprendió durante el entrenamiento. El giro más amplio hacia la optimización para motores de respuesta y MCP apuntan a la misma tendencia: los productos de IA pasan de responder preguntas con conocimiento estático a ejecutar acciones reales sobre datos reales y actuales.

Cómo funciona en la práctica

Hosts, clientes y servidores

La visión general de la arquitectura de MCP define tres roles. El host es la propia aplicación de IA, como un asistente o una herramienta de programación, y actúa como contenedor y coordinador. El host crea un cliente por cada sistema externo al que quiere llegar, y cada cliente mantiene una relación estrictamente uno a uno con su servidor. Para hablar con tres herramientas distintas, un host gestiona tres clientes separados.

Por debajo, MCP funciona sobre JSON-RPC en dos capas: una capa de datos que gestiona el descubrimiento de capacidades, el versionado y los primitivos principales, y una capa de transporte que gestiona la conexión en sí, el formato de los mensajes y la autorización.

Los tres primitivos: herramientas, recursos y prompts

Todo servidor MCP expone alguna combinación de tres primitivos. Las herramientas (tools) son ejecutables que el modelo puede invocar para realizar una acción u obtener información, como consultar un calendario o realizar un pedido. Los recursos (resources) son datos que el modelo puede leer, identificados por una URI, y pueden ser estáticos (un archivo) o dinámicos (una consulta en vivo a una base de datos). Los prompts son plantillas reutilizables que le dan al modelo una forma estructurada de pedir algo al servidor.

El ciclo de la solicitud: cómo invoca realmente una herramienta un agente

En la práctica, un agente que usa MCP ejecuta un bucle sencillo, como describe la guía para desarrolladores de Vercel sobre MCP. Planifica una acción según las herramientas disponibles, envía una solicitud al servidor correspondiente, recibe un resultado y decide qué hacer a continuación. El servidor se sitúa entre el modelo y el sistema subyacente, exponiendo solo las capacidades que elige exponer y aplicando sus propios controles de permisos. Como dice la guía de Vercel, el agente decide qué hacer, y el servidor MCP le dice cómo hacerlo. Un agente conectado a un calendario no obtiene acceso directo a la base de datos. Recibe un pequeño conjunto de herramientas aprobadas, como "listar eventos" o "crear evento", y el servidor aplica las reglas que haya detrás de esas llamadas.

Ventajas, límites y casos particulares

Adopción entre proveedores, en orden cronológico

La adopción de MCP avanzó rápido en cuanto se lanzó. Anthropic lo lanzó en noviembre de 2024. OpenAI lo adoptó en sus productos, incluida la aplicación de escritorio de ChatGPT, en marzo de 2025. Google DeepMind adoptó el estándar al mes siguiente, en abril de 2025, y Salesforce empezó a enrutar tráfico de producción a través de MCP mediante su plataforma Headless 360 en abril de 2026, procesando presuntamente 4.5 millones de llamadas a finales de mayo de ese año. Hacia mediados de 2026, según el seguimiento de Wikipedia sobre la adopción de MCP, había más de 10,000 servidores MCP funcionando presuntamente en producción, y los SDK oficiales se descargaban más de 97 millones de veces al mes.

Por parte de OpenAI en concreto, la guía de MCP de la Responses API admite dos formas de despliegue: servidores MCP remotos, accesibles públicamente por internet, y un Secure MCP Tunnel para servidores privados o locales que nunca deberían exponerse públicamente. OpenAI está retirando sus antiguos conectores integrados propietarios (para servicios como Dropbox y Gmail) a favor del enfoque MCP, neutral respecto al proveedor. Es una señal razonable de hacia dónde va la industria.

Dónde MCP todavía tiene aristas afiladas

MCP no es un problema resuelto. Los investigadores de seguridad han documentado riesgos reales en servidores MCP desplegados, incluida la inyección de instrucciones (prompt injection) y herramientas "envenenadas" que pueden usarse para exfiltrar datos a través de una conexión que el usuario creía segura. La revisión de herramientas propia del servidor, los permisos acotados y las puertas de aprobación importan tanto como el propio protocolo. MCP estandariza la interfaz, no el modelo de confianza que hay detrás.

Para la mayoría de los equipos de producto, la pregunta práctica no es si adoptar MCP en bloque. Es si conviene envolver una API existente como servidor MCP. Si ya tienes una API limpia y bien documentada, ese envoltorio suele ser trabajo incremental, no una reconstrucción. Ese es el tipo de pregunta de alcance que trabajamos como parte de nuestro trabajo en agentes de IA y automatización, ajustando el protocolo a lo que un producto realmente necesita, en lugar de adoptarlo por defecto.

Preguntas frecuentes

Qué es MCP en términos sencillos

MCP, el Model Context Protocol, es un estándar abierto que permite a una aplicación de IA conectarse con datos y herramientas externas mediante una única interfaz consistente, en lugar de una integración a medida para cada una. Anthropic lo presentó en noviembre de 2024, y hoy funciona en Claude, ChatGPT y los modelos de Google DeepMind.

En qué se diferencia MCP de una API normal

Una API normal es un contrato puntual entre una aplicación y un servicio. MCP estandariza ese contrato para que cualquier host compatible con MCP, como un asistente de IA o un agente de programación, pueda comunicarse con cualquier servidor compatible con MCP sin una integración a medida para cada combinación. Eso es lo que resuelve el problema de integración N por M.

Necesito construir un servidor MCP para mi propio producto

Solo si quieres que los agentes de IA, los tuyos o los de un cliente, lean tus datos o ejecuten las acciones de tu producto directamente. Si ya tienes una API limpia, envolverla como servidor MCP suele ser cuestión de pocos días de trabajo, no una reconstrucción.

Es seguro MCP

MCP en sí mismo define la autorización en la capa de transporte, y un servidor bien construido expone solo las herramientas aprobadas y aplica sus propios controles de permisos. Los investigadores de seguridad también han documentado riesgos reales, incluida la inyección de instrucciones y herramientas envenenadas que pueden exfiltrar datos, así que los controles de acceso y la revisión de herramientas del propio servidor importan tanto como el protocolo.

Qué plataformas de IA son compatibles con MCP

Claude, de Anthropic, fue compatible con MCP desde su lanzamiento en noviembre de 2024. OpenAI añadió compatibilidad en sus productos, incluida la aplicación de escritorio de ChatGPT, en marzo de 2025, y Google DeepMind adoptó el estándar en abril de 2025. Herramientas de desarrollo como Visual Studio Code y Cursor también lo admiten.