Mi nombre es Lena — solo alguien que ha pasado mucho tiempo sentado junto a sistemas de IA, observando cómo se comportan.

Las personas que leen mis escritos generalmente no están aquí buscando respuestas. Están construyendo agentes, depurando flujos de trabajo que siguen fallando en el mismo punto, intentando hacer que los sistemas sean más confiables sin tener que supervisarlos constantemente. Son lo suficientemente inteligentes — solo quieren a alguien que piense las cosas cuidadosamente junto a ellos.

Este texto trata sobre una palabra: MCP.

Ha estado apareciendo en todas partes últimamente: foros de desarrolladores, documentación de herramientas, cualquier conversación sobre agentes de IA que se conectan al mundo exterior — MCP está en todo eso. Pero hay algo que sigo notando: mucha gente usa el término sin que realmente nadie se siente a explicar lo que hace en realidad.

Entonces. ¿Qué es? ¿Qué problema resolvió? ¿Y dónde termina?

He estado siguiendo este protocolo desde que se lanzó. Algunas partes ahora me parecen claras. Otras todavía las estoy analizando. Pero hay una cosa de la que estoy bastante segura: si estás haciendo cualquier cosa con agentes de IA, MCP no es algo que puedas simplemente ignorar.

Empecemos desde el principio.

Esto es lo que cubre este texto: qué es MCP, cómo funciona, quién lo soporta, qué hay disponible en el ecosistema y dónde están sus límites reales. No se asume ningún conocimiento técnico, pero tampoco se simplifica en exceso.

¿Qué es MCP?

MCP — Protocolo de Contexto del Modelo — introducido por Anthropic, tiene como objetivo estandarizar cómo los sistemas de IA interactúan con herramientas externas. En la práctica, los desarrolladores usan servidores MCP para exponer capacidades como acceso a archivos o APIs a agentes como Claude. Esa es la respuesta técnica. Esto es lo que realmente significa en la práctica:

Antes de que existiera MCP, cada vez que un desarrollador quería que su asistente de IA interactuara con algo — una base de datos, un calendario, un repositorio de GitHub, un motor de búsqueda web — tenía que escribir un conector personalizado. Desde cero. Cada vez, para cada herramienta, para cada plataforma de IA. Si estabas construyendo sobre Claude y también usabas GPT-4, efectivamente estabas escribiendo todo dos veces.

El problema que MCP fue creado para resolver

Piensa en esto como los cables de carga antes de que llegara el USB-C. Cada dispositivo tenía su propio conector propietario. Si tenías tres dispositivos, necesitabas tres cables diferentes. Los cables funcionaban bien individualmente, pero como sistema, era un caos.

Antes de MCP, los desarrolladores a menudo tenían que crear conectores personalizados para cada fuente de datos o herramienta, lo que resultaba en lo que Anthropic describió como un problema de integración de datos "N×M": es decir, si tenías N sistemas de IA y M herramientas, potencialmente necesitabas N por M integraciones diferentes. Eso es mucho trabajo duplicado.

MCP fue anunciado por Anthropic en noviembre de 2024 como un estándar abierto para conectar asistentes de IA a sistemas de datos como repositorios de contenido, herramientas de gestión empresarial y entornos de desarrollo. Fue de código abierto desde el primer día, lo que resultó ser enormemente importante para la rapidez con la que se difundió.

Cómo funciona MCP — arquitectura básica

En su núcleo, MCP establece un lenguaje compartido. MCP proporciona una forma estandarizada para que las aplicaciones lean archivos, ejecuten funciones y manejen indicaciones contextuales.

El protocolo se basa en JSON-RPC 2.0, un estándar bien establecido y liviano de llamadas a procedimientos remotos. MCP reutiliza las ideas de flujo de mensajes del Language Server Protocol (LSP), que es el mismo protocolo que hizo que la inteligencia de código funcionara de manera consistente en editores como VS Code, Vim y otros. Si esa arquitectura te suena familiar, es porque funciona: un estándar, muchas implementaciones.

El modelo mental clave es este: MCP no cambia lo que los modelos de IA pueden pensar, cambia lo que pueden alcanzar.

Arquitectura MCP por altexsoft

Servidores MCP y Clientes MCP

Una vez que entiendes los dos lados de MCP, todo lo demás encaja.

Qué hace un servidor MCP

Un servidor MCP es un software que expone capacidades — herramientas, datos y recursos — de manera estandarizada. El servidor lo construye quien posee esa capacidad. GitHub construyó un servidor MCP para GitHub. Stripe construyó uno para pagos. Figma construyó uno para archivos de diseño.

El servidor decide qué se expone. Define qué herramientas puede llamar una IA, qué datos puede leer y qué acciones se le permiten realizar. Aquí es donde reside el control de acceso.

Qué hace un cliente MCP

Un cliente MCP es la aplicación de IA — la cosa con la que realmente interactúas. Claude.ai es un cliente MCP. La aplicación de escritorio ChatGPT es un cliente MCP. Cursor (el editor de código de IA) es un cliente MCP. Cuando le pides a uno de estos que "verifique mis problemas de GitHub" o "consultar qué hay en mi base de datos", está usando la capa de cliente MCP para llamar al servidor correspondiente.

La separación clara aquí es importante: el cliente no necesita saber cómo funciona internamente la API de GitHub. Solo necesita saber cómo hablar MCP, y el servidor se encarga de la traducción a los sistemas reales de GitHub.

Cómo ocurre el descubrimiento y la conexión

Esta es un área que todavía está en desarrollo. Hoy en día, si quieres saber qué puede hacer un servidor MCP, primero tienes que conectarte a él. Esto dificulta que los clientes examinen los servidores disponibles o que sistemas como un registro cataloguen automáticamente las capacidades.

El equipo de MCP está trabajando activamente en esto. Su hoja de ruta incluye permitir que los servidores se anuncien a través de URL .well-known, esencialmente dando a cada servidor una "tarjeta de presentación" pública que los clientes pueden leer sin necesidad de conectarse primero. Piensa en ello como cuando los sitios web publican metadatos que los motores de búsqueda pueden leer sin cargar toda la página.

Por ahora, el descubrimiento suele ocurrir manualmente: configuras tu cliente MCP con la URL del servidor, te autenticas, y el cliente aprende qué herramientas están disponibles en el momento de la conexión. MCP utiliza autenticación OAuth 2.1, lo que significa que autorizas explícitamente lo que la IA puede y no puede hacer. Ninguna acción puede realizarse en tu cuenta sin tu permiso.

Quiénes soportan MCP y qué está disponible

Proveedores de modelos (verificados)

La curva de adopción aquí ha sido rápida según cualquier estándar. Tras el anuncio de MCP, el protocolo fue adoptado por los principales proveedores de IA, incluidos OpenAI y Google DeepMind.

Anthropic introdujo MCP en noviembre de 2024 y lo liberó como código abierto de inmediato. Para enero de 2025, herramientas de desarrollo de IA como Cursor y Windsurf ya habían añadido soporte. En marzo de 2025, OpenAI adoptó oficialmente el protocolo. Google DeepMind lo siguió. Microsoft anunció soporte de MCP a nivel Windows e lo integró en Azure y en su framework Semantic Kernel.

En diciembre de 2025, la situación de gobernanza cambió significativamente. Anthropic donó MCP a la Agentic AI Foundation, un fondo dirigido bajo la Linux Foundation, cofundado por Anthropic, Block y OpenAI. Ese movimiento es importante — pasó de ser el protocolo de Anthropic a ser el protocolo de la industria de IA.

A principios de 2026, la especificación actual lanzada en noviembre de 2025 es la base estable sobre la que todos los principales proveedores están construyendo. Hay SDK disponibles en Python, TypeScript, C# y Java.

Ecosistema de servidores MCP de la comunidad

Aquí fue donde las cosas se pusieron interesantes rápidamente. Para marzo de 2026, MCP había alcanzado 97 millones de descargas mensuales de SDK y más de 5,800 servidores construidos por la comunidad.

Explorar el registro oficial de servidores MCP te da una idea real de su amplitud: GitHub (gestión de repositorios, incidencias, PRs), Stripe (pagos y clientes), Figma (contexto de diseño), PostgreSQL (consultas de base de datos), Slack (comunicación en equipo), servicios de AWS, gestión de Kubernetes, Elasticsearch y cientos más.

El repositorio del servidor de referencia mantenido por el grupo directivo de MCP está destinado a albergar un pequeño número de implementaciones de referencia para demostrar las características de MCP y el uso del SDK, como ejemplos educativos para desarrolladores que construyen sus propios servidores, no como soluciones listas para producción. La verdadera acción está en los servidores construidos por la comunidad e integraciones oficiales de plataformas importantes.

Una nota práctica sobre seguridad: la especificación de MCP requiere la aprobación del usuario antes de que las herramientas se ejecuten, pero no todos los hosts implementaban correctamente ese paso de aprobación en las primeras implementaciones. La inyección de instrucciones mediante respuestas maliciosas del servidor es un riesgo real: un servidor MCP comprometido podría intentar manipular el comportamiento de la IA a través de su salida. Siempre verifica qué permisos estás otorgando al conectarte a un nuevo servidor MCP, especialmente los construidos por la comunidad.

Lo que MCP resuelve y no resuelve

Esta es la parte que a menudo se pasa por alto, y honestamente es donde residen las preguntas más interesantes.

Conexión vs. persistencia de capacidades

MCP resuelve la conexión. De manera elegante, a gran escala, con amplia aceptación en la industria. Eso es realmente significativo.

Lo que MCP no resuelve es lo que sucede después de una conexión exitosa. Piensa en lo que ocurre realmente durante un flujo de trabajo típico de un agente: una IA se conecta a una herramienta, la llama, obtiene un resultado y usa ese resultado para producir una salida. Luego la conversación termina —o se llena la ventana de contexto— y la sesión finaliza.

La llamada a la herramienta ocurrió. El resultado se utilizó. Pero nada sobre cómo fue esa interacción se retuvo de forma persistente y reutilizable.

La próxima vez que inicies una sesión, el mismo agente no tendrá memoria de lo que funcionó, lo que falló o qué secuencia de llamadas a herramientas produjo el mejor resultado la última vez. Comienza desde cero. Potencialmente repetirá los mismos errores. Volverá a explorar los mismos patrones de búsqueda. Esto no es un fallo específico de MCP — simplemente está fuera del alcance de MCP.

Por qué una llamada a herramienta exitosa no se convierte en conocimiento reutilizable

Aquí hay un ejemplo concreto. Supongamos que utilizas un agente de IA para depurar un problema recurrente en tu base de código. El agente se conecta a tu servidor GitHub MCP, lee varios archivos, realiza algunas búsquedas y —después de algunos intentos— encuentra la causa raíz y propone una solución. Eso funciona.

Dos semanas después, aparece una versión ligeramente diferente del mismo problema. El agente se conecta nuevamente a GitHub a través de MCP —mismo protocolo, mismos estándares, misma conexión confiable. Pero no tiene memoria de lo que descubrió la última vez. La ruta de depuración exitosa no se almacena en ningún lugar estructurado. No puede ser heredada por otro agente que trabaje en un problema relacionado. La resolución vive en una conversación cerrada.

Esto no es una crítica a MCP. Hace exactamente lo que está diseñado para hacer: proporcionar una interfaz estandarizada y confiable entre los sistemas de IA y las herramientas externas. MCP ha superado con creces sus orígenes como una forma de conectar herramientas locales; ahora funciona en producción en empresas grandes y pequeñas y potencia flujos de trabajo de agentes. Eso es un progreso real.

Pero la infraestructura de conexión y la persistencia de capacidades son problemas genuinamente diferentes. MCP resuelve el primero. El segundo es donde se centra la próxima generación de trabajo en infraestructura de agentes.

Límites y Compromisos

Algunas observaciones honestas después de ver madurar este protocolo:

Escalar servidores con estado sigue siendo complicado. Las implementaciones actuales a menudo necesitan recordar cosas entre solicitudes, lo que hace que la escalabilidad horizontal a través de múltiples instancias de servidor sea un desafío. Aunque el transporte HTTP Streamable proporciona algo de soporte sin estado, persisten los puntos problemáticos relacionados con el inicio del servidor y la gestión de sesiones. La hoja de ruta para 2026 aborda esto directamente, pero vale la pena saberlo si planeas despliegues de producción a gran escala.

La autenticación empresarial todavía está poniéndose al día. La especificación admite la autorización basada en OAuth, y las integraciones empresariales de OAuth 2.1 están en la hoja de ruta de 2026. Para las industrias reguladas con estrictos requisitos de proveedores de identidad, aún existen algunas brechas. Las empresas están desplegando MCP y enfrentándose a un conjunto predecible de problemas: registros de auditoría, autenticación integrada con SSO, comportamiento del gateway y portabilidad de la configuración.

La carga de seguridad recae en los implementadores. El propio MCP no puede imponer principios de seguridad a nivel de protocolo: los implementadores deben construir flujos robustos de consentimiento y autorización, proporcionar documentación clara de las implicaciones de seguridad e implementar controles de acceso adecuados. Esta es una elección de diseño razonable (el protocolo sigue siendo ligero), pero significa que la calidad de la seguridad varía significativamente a lo largo del ecosistema.

El descubrimiento sigue siendo mayormente manual. Como se mencionó antes, generalmente tienes que saber qué servidores quieres conectar antes de conectarlos. La vista previa del registro y el trabajo de URL .well-known ayudarán, pero ahora mismo este es un punto de fricción para los nuevos usuarios que exploran el ecosistema.

La calidad del servidor comunitario varía. Con 5.800+ servidores, el rango es enorme. Algunos son mantenidos por las propias empresas (el servidor de GitHub, el servidor de Stripe) con la seguridad activamente priorizada. Otros son experimentos comunitarios. Trata los servidores desconocidos igual que tratarías cualquier código de terceros: revisa qué acceso estás concediendo.

! [imagen] (https://cdn.z-image.ai/1775123539471-6.png)

Preguntas frecuentes

¿MCP** es solo para desarrolladores?**

No exactamente, pero hoy en día la encontrarás principalmente a través de herramientas para desarrolladores: editores de código como Cursor o Windsurf, IDEs de IA y frameworks de agentes. A medida que más aplicaciones integran [soporte MCP] (https://www.philschmid.de/mcp-introduction) internamente, los usuarios finales interactuarán con ellos sin saber que están ahí.

¿Usar MCP** significa que la IA puede hacer algo en mi ordenador o en mis cuentas?**

No. Cada servidor MCP expone solo lo que su desarrollador eligió exponer, y tú autorizas el acceso explícitamente. La conexión no otorga permisos amplios — otorga las capacidades específicas definidas por ese servidor. Dicho esto, revisar lo que estás autorizando antes de conectarte a cualquier servidor nuevo siempre es recomendable.

¿Cuál es la diferencia entre las llamadas MCP** y las llamadas API normales?**

Una llamada normal a la API requiere que el sistema de IA haya sido programado específicamente para comunicarse con esa API — código personalizado, endpoints codificados, gestión de autenticación personalizada. MCP estandariza todo eso para que cualquier cliente de IA compatible pueda comunicarse con cualquier servidor compatible sin código personalizado en ninguno de los dos extremos. Es la diferencia entre escribir un nuevo controlador para cada dispositivo USB y tener un protocolo USB estándar.

¿Funciona MCP** entre diferentes modelos de IA?**

Sí. Esta es una de sus propiedades más significativas. MCP proporciona una interfaz universal: una empresa construye un servidor MCP y cualquier asistente de IA que hable MCP, ya sea Claude, ChatGPT u otro, puede conectarse a él.

¿En qué se diferencia MCP** de la llamada de función?**

La llamada a funciones (a veces llamada uso de herramientas) es el mecanismo por el cual un modelo de IA específico invoca una herramienta. MCP es la capa de protocolo estandarizado arriba — define cómo se descubren, describen y comunican las herramientas a través de diferentes sistemas. Piensa en la llamada de funciones como el mecanismo dentro de una IA, y en MCP como el lenguaje compartido en todo el ecosistema.

¿Está MCP** oficialmente estable?**

La versión actual de la especificación de MCP salió en noviembre de 2025. La especificación oficial se considera estable para construir contra ella. La hoja de ruta de 2026 se centra en la preparación empresarial, mejor escalado y mayor descubrimiento, no en cambios fundamentales de protocolo. Para la mayoría de los casos de uso, lo que está disponible hoy está listo para producción.

¿Dónde puedo encontrar servidores MCP** disponibles?**

El MCP Registry es el catálogo oficial. La lista de awesome-mcp-servers mantenida por la comunidad también es completa. Para implementaciones de referencia, Anthropic mantiene el repositorio modelcontextprotocol/servers en GitHub.

Sigo observando cómo evoluciona esto. El problema de conexión parece genuinamente resuelto — lo que ocurre después, en la capa de capacidades, es la pregunta interesante.