Qué es MCP (Model Context Protocol) y por qué importa

¿Qué es MCP, explicado sin jerga?

MCP es un enchufe estándar: el sistema se conecta una vez y cualquier IA compatible lo puede usar.

MCP, sigla de Model Context Protocol, es un estándar abierto que define cómo una aplicación de inteligencia artificial se conecta con sistemas externos para leer información y ejecutar acciones. La documentación oficial lo compara con un puerto USB-C: así como USB-C unificó la forma de conectar dispositivos, MCP unifica la forma de conectar una IA con tus datos y herramientas.

Anthropic lo presentó el 25 de noviembre de 2024 como un estándar de código abierto. Un año después, el 9 de diciembre de 2025, lo donó a la Agentic AI Foundation, un fondo de la Linux Foundation cofundado por Anthropic, Block y OpenAI. Ese movimiento importa para una empresa: MCP ya no depende de un solo proveedor, y lo usan clientes como Claude, ChatGPT, Gemini, Microsoft Copilot, Cursor y Visual Studio Code.

En la práctica, MCP es lo que permite que le pidas a un asistente «muéstrame los clientes que no compran hace 90 días y crea una tarea para cada vendedor», y que el asistente lo haga consultando tu CRM real, no inventando una respuesta plausible.

¿Qué problema resuelve MCP frente a las integraciones de siempre?

Sin MCP, cada combinación de IA y sistema es un proyecto; con MCP, cada sistema se conecta una sola vez.

MCP resuelve la multiplicación de integraciones. Antes, cada asistente de IA necesitaba un conector propio para cada sistema: uno para el CRM, otro para la facturación, otro para el inventario. Si cambiabas de modelo, rehacías buena parte del trabajo. Anthropic lo describió al lanzarlo así: cada nueva fuente de datos requería su propia implementación, y eso hacía difícil escalar sistemas conectados.

Con MCP, el sistema expone una sola vez sus capacidades en un formato estándar, y cualquier aplicación compatible las descubre y las usa. La API de tu CRM sigue existiendo; MCP es una capa encima que la vuelve legible y utilizable para un modelo de IA.

La tabla resume la diferencia frente a una integración clásica por API:

¿Cómo funciona MCP: cliente, servidor y herramientas?

La aplicación de IA abre un cliente por cada servidor, y cada servidor ofrece herramientas, recursos y plantillas.

MCP funciona con tres piezas. El anfitrión (host) es la aplicación de IA que usas: Claude, ChatGPT, un editor de código o un agente propio. Dentro del anfitrión vive un cliente MCP por cada conexión. Y del otro lado está el servidor MCP, el programa que expone un sistema concreto: tu base de datos, tu tienda, tu CRM.

Cada servidor ofrece tres tipos de capacidades. Las herramientas (tools) son acciones que el modelo puede ejecutar, como crear un contacto o consultar un pedido. Los recursos (resources) son datos de contexto, como el esquema de una base de datos o un documento. Y las plantillas (prompts) son instrucciones reutilizables para tareas frecuentes. El cliente primero pide la lista de herramientas disponibles, con su descripción y los parámetros que aceptan, y luego las invoca cuando el modelo lo decide.

Por debajo, los mensajes viajan en JSON-RPC 2.0 por dos vías: stdio, cuando el servidor corre en el mismo computador, y Streamable HTTP, cuando el servidor es remoto. Para servidores remotos, la especificación recomienda OAuth para autenticar. También existe un mecanismo, llamado elicitation, para que el servidor pida al usuario un dato faltante o una confirmación antes de actuar, algo clave cuando la acción tiene consecuencias.

Un detalle que conviene saber: el protocolo sigue evolucionando. La especificación vigente al cierre de este artículo es la versión 2026-07-28, que entre otros cambios marcó como obsoleta una función anterior (sampling). Un servidor MCP no es algo que se instala y se olvida; se mantiene.

¿Qué puede hacer un agente con MCP en tu CRM o ERP?

El valor no está en el protocolo: está en las preguntas y tareas de tu operación que deja de hacer una persona a mano.

Con un servidor MCP conectado a tu CRM o ERP, un agente de IA puede consultar datos reales y ejecutar acciones acotadas en respuesta a una petición en lenguaje natural. No es un tablero nuevo: es la posibilidad de preguntarle a tus sistemas como le preguntarías a un analista. Estos son usos concretos que vemos viables hoy:

• Ventas: «¿qué oportunidades de más de 20 millones llevan dos semanas sin actividad?» y crear el recordatorio para cada responsable.
• Inventario: consultar existencias por bodega y avisar qué referencias están por debajo del mínimo antes de una campaña.
• Servicio al cliente: buscar el estado de un pedido, sus notas y su historial antes de responder un reclamo.
• Tienda online: WooCommerce ya ofrece, en versión preliminar para desarrolladores, operaciones MCP para consultar y actualizar productos y pedidos.
• Automatización: n8n puede exponer flujos completos como herramientas MCP, de modo que el agente dispare un proceso ya probado en vez de improvisar pasos.
• Reportes: armar un resumen semanal cruzando CRM y facturación, sin exportar hojas de cálculo.

¿Qué riesgos de seguridad tiene MCP y cómo se controlan?

Un servidor MCP hereda los permisos que le das: el control está en el alcance, no en la buena voluntad del modelo.

El riesgo central de MCP es que conecta un sistema que toma decisiones probabilísticas con datos y acciones reales. Si el agente tiene permiso para borrar registros, tarde o temprano una instrucción ambigua o maliciosa puede llevarlo a hacerlo. La guía oficial de buenas prácticas de seguridad de MCP documenta ataques concretos, y vale la pena traducirlos a decisiones de negocio.

Primero, los servidores locales corren con los mismos privilegios del cliente: un servidor descargado de una fuente dudosa puede ejecutar comandos en el equipo. Por eso la guía exige mostrar el comando exacto y pedir aprobación antes de instalarlo, y recomienda aislarlo. Segundo, el principio de mínimo privilegio: la especificación desaconseja los permisos comodín y propone empezar con un alcance mínimo, de solo lectura, y elevarlo solo cuando una operación lo necesite. Tercero, los tokens: un servidor MCP no debe aceptar credenciales emitidas para otro servicio ni reenviarlas, una práctica que la especificación prohíbe de forma explícita.

En nuestra implementación eso se traduce en reglas simples. Usuario dedicado para el agente, nunca la cuenta del administrador. Lectura por defecto, y escritura solo en las herramientas que el caso de uso exige. Confirmación humana para todo lo que mueva dinero, borre datos o salga hacia un cliente. Y registro de cada llamada, para saber qué hizo el agente y por qué. Si un proveedor no puede explicarte qué permisos tendrá su servidor MCP, todavía no está listo para tu operación.

¿Cuándo vale la pena MCP para una pyme?

MCP paga cuando la gente hace preguntas variables sobre varios sistemas; para un flujo fijo, una automatización clásica sigue ganando.

MCP vale la pena cuando tu equipo necesita consultar u operar varios sistemas con peticiones que cambian todo el tiempo, y cuando esos sistemas ya tienen API o un servidor MCP disponible. Si alguien pasa la mañana saltando entre el CRM, la facturación y el inventario para responder preguntas que nadie podría haber previsto en un menú, ahí hay caso.

No vale la pena si el proceso es siempre igual. Sincronizar pedidos de la tienda con la facturación cada hora no necesita un modelo de IA decidiendo nada: un flujo en n8n lo hace más barato, más rápido y con menos superficie de riesgo. Tampoco tiene sentido si tus datos viven en hojas de cálculo desordenadas; un agente con acceso a datos malos solo responde mal más rápido.

El costo tiene tres partes: construir o configurar el servidor MCP y sus permisos, alojarlo y mantenerlo al día con la especificación, y el consumo del modelo de IA, que se cobra por uso. El protocolo en sí es abierto y no tiene licencia que pagar. Nuestra recomendación es empezar con un solo sistema, en modo de solo lectura, durante unas semanas, y medir cuántas consultas resuelve antes de darle permisos de escritura.