MCP (Model Context Protocol)
El Model Context Protocol (MCP) es un estándar abierto, creado por Anthropic, que define una forma única y universal de conectar modelos de IA con herramientas, datos y aplicaciones externas mediante un protocolo cliente-servidor.
MCP (Model Context Protocol)
MCP (Model Context Protocol) es un estándar abierto creado por Anthropic en noviembre de 2024 que conecta modelos de IA con datos, herramientas y aplicaciones externas mediante un protocolo cliente-servidor universal. Funciona como un "USB-C para la IA": una sola integración por herramienta, reutilizable por cualquier modelo o agente compatible.
Si has oído hablar de "servidores MCP" para conectar Claude, ChatGPT o tu IDE a Notion, GitHub, bases de datos o tu sistema de archivos, estás hablando de este protocolo. MCP es la capa de fontanería que hace que los agentes de IA dejen de estar aislados del mundo real.
Qué problema resuelve MCP
Antes de MCP, cada conexión entre un modelo de IA y una herramienta externa requería una integración a medida. Con M modelos y N herramientas, el ecosistema necesitaba potencialmente M×N integraciones distintas, frágiles y difíciles de mantenida. MCP convierte ese problema en M+N: cada herramienta publica un servidor MCP y cada modelo implementa un cliente MCP. Cualquier combinación funciona sin código adicional.
Esto es directamente análogo a lo que hizo el Language Server Protocol (LSP) para los editores de código: estandarizar la comunicación para que cualquier editor hablara con cualquier lenguaje. MCP hace lo mismo para la IA y sus fuentes de contexto y acciones.
Cómo funciona: arquitectura cliente-servidor
MCP define tres roles principales:
- Host: la aplicación de IA con la que interactúa el usuario (Claude Desktop, un IDE como Cursor o VS Code, un agente personalizado).
- Cliente MCP: vive dentro del host y mantiene una conexión uno a uno con cada servidor.
- Servidor MCP: programa ligero que expone capacidades concretas (leer un repositorio, consultar una base de datos, llamar a una API).
Los servidores MCP exponen tres primitivas estandarizadas:
| Primitiva | Qué hace | Ejemplo |
|---|---|---|
| Tools (herramientas) | Acciones que el modelo puede ejecutar | Crear un issue en GitHub, ejecutar una consulta SQL |
| Resources (recursos) | Datos de solo lectura que el modelo puede leer | Un archivo, una fila de base de datos, una página web |
| Prompts | Plantillas reutilizables que guían la interacción | Un flujo de "revisar este pull request" |
La comunicación usa JSON-RPC 2.0 sobre transportes como STDIO (local) o HTTP con eventos en streaming (remoto), lo que permite tanto servidores que corren en tu máquina como servicios remotos.
Tabla comparativa: MCP frente a alternativas (datos de 2026)
| Enfoque | Estándar abierto | Reutilizable entre modelos | Acciones (no solo lectura) | Mantenimiento |
|---|---|---|---|---|
| MCP (2024–2026) | Sí | Sí | Sí (tools) | Bajo: 1 servidor por herramienta |
| Function calling propietario | No (por proveedor) | No | Sí | Alto: reescribir por proveedor |
| Plugins cerrados (estilo 2023) | No | No | Sí | Alto y dependiente del vendor |
| RAG clásico (solo recuperación) | Parcial | Parcial | No | Medio |
A diferencia del function calling propietario de cada proveedor, una integración MCP escrita una vez sirve para Claude, ChatGPT y cualquier otro cliente compatible. Y a diferencia del RAG clásico —que se centra en recuperar texto para inyectarlo en el contexto— MCP también permite ejecutar acciones, no solo leer información.
Adopción y madurez del estándar
MCP pasó de ser una propuesta de un solo proveedor a un estándar de facto de la industria en poco más de un año:
- Nov 2024LanzamientoAnthropic, anuncio oficial 'Introducing the Model Context Protocol'
- Marzo 2025Adopción cruzadaOpenAI, anuncio de soporte de MCP (Sam Altman, 2025)
- 2025EcosistemaRepositorio oficial modelcontextprotocol/servers en GitHub
A lo largo de 2025 y 2026, MCP fue adoptado además por Google DeepMind, Microsoft (Copilot Studio y Windows), y la mayoría de IDEs con IA (Cursor, VS Code, Zed), confirmándose como la capa estándar de conectividad para agentes.
Ejemplos prácticos de uso
- Asistente de desarrollo: un servidor MCP de GitHub permite que Claude Code lea tu repositorio, abra pull requests y comente issues sin que programes la integración.
- Analítica conversacional: un servidor MCP de PostgreSQL deja que el modelo consulte tu base de datos en lenguaje natural, respetando permisos de solo lectura.
- Productividad: servidores de Notion, Google Drive o Slack convierten al modelo en un agente que busca, resume y actúa sobre tus documentos y mensajes.
- Automatización local: un servidor de sistema de archivos permite leer y escribir archivos en tu equipo de forma controlada.
Seguridad: un servidor MCP puede ejecutar acciones reales (borrar archivos, enviar mensajes, gastar dinero). Instala solo servidores de fuentes de confianza, revisa los permisos que concedes y prefiere transportes y autenticación seguros en servidores remotos.
MCP, RAG y agentes: cómo encajan
MCP no sustituye a RAG ni a los LLM: los complementa. Un agente típico de 2026 usa un LLM para razonar, RAG para recuperar conocimiento relevante y MCP para conectarse a herramientas y ejecutar acciones en el mundo real. Juntos forman la base de los agentes de IA modernos.
Aprende más
- ¿Qué es Claude Code? — el asistente de Anthropic que usa MCP de forma nativa.
- Agentes de IA en 2026 — cómo MCP habilita agentes que actúan, no solo conversan.
- RAG vs. Fine-tuning — dónde encaja la conexión de datos frente al entrenamiento.
Actualizado: 31 de mayo de 2026 — revisado para reflejar la adopción de MCP por OpenAI, Google y Microsoft, y el estado del ecosistema de servidores.
