Qué es MCP y cuándo conectar tus sistemas a un agente de IA

MCP, el Model Context Protocol, es un estándar abierto para conectar aplicaciones de IA con los sistemas donde viven tus datos y tu trabajo. En esta guía vas a encontrar qué es MCP en términos simples, en qué estado está el estándar en 2026, sus límites reales y cómo decidir entre un servidor MCP y una integración directa por API.

Dream Makers es un equipo senior de ingeniería en LatAm que diseña y despliega sistemas de software y automatización con IA. Las integraciones son la base de nuestro trabajo: contratos de datos, autenticación y manejo de errores entre CRMs, pagos, herramientas de trabajo y plataformas internas (cómo trabajamos).

¿Qué es MCP?

MCP es un estándar de código abierto para conectar aplicaciones de IA con sistemas externos. La documentación oficial lo compara con un puerto USB-C: en vez de construir una integración a medida para cada herramienta de IA, exponés un sistema una vez a través de un servidor MCP, y cualquier aplicación de IA compatible puede descubrir lo que ofrece y usarlo.

Las tres piezas

• Host. La aplicación de IA que usa una persona: ChatGPT, Claude, un editor como Cursor o VS Code, o tu propio agente.
• Cliente. El conector dentro del host que habla con un servidor MCP.
• Servidor. Un programa que expone un sistema, como tu CRM, una base de datos o un repositorio de documentos, en formato MCP.

Qué puede ofrecer un servidor

Un servidor describe sus capacidades para que la aplicación de IA decida cuándo usarlas. Los bloques principales son herramientas (acciones que el modelo puede ejecutar, como "crear factura" o "buscar tickets"), recursos (datos que la aplicación puede leer, como archivos o registros) y prompts (plantillas reutilizables para tareas comunes).

Qué cambia para una empresa

Sin un estándar, cada herramienta de IA necesita su propia integración con cada sistema. Con MCP construís un servidor por sistema y funciona con todos los clientes. Eso importa sobre todo cuando varios equipos o productos necesitan el mismo sistema, o cuando tus clientes quieren conectar tu producto con las herramientas de IA que ya usan.

¿En qué estado está MCP en 2026?

MCP se convirtió en la forma más soportada de conectar aplicaciones de IA con herramientas y datos. Desde diciembre de 2025 lo gobierna una fundación neutral dentro de la Linux Foundation, los principales clientes de IA lo soportan y la especificación de julio de 2026 hizo que los servidores sean más fáciles de escalar.

Gobierno neutral

En diciembre de 2025, Anthropic donó MCP a la Agentic AI Foundation (AAIF), un fondo de la Linux Foundation cofundado por Anthropic, Block y OpenAI, con el apoyo de Google, Microsoft, AWS, Cloudflare y Bloomberg. En ese momento, Anthropic informó más de 10.000 servidores MCP públicos activos y más de 97 millones de descargas mensuales de sus SDKs. Para una empresa, un gobierno neutral baja el riesgo de apostar por el protocolo de un solo proveedor.

La especificación 2026-07-28

La última versión eliminó las sesiones a nivel de protocolo, así que los servidores ya no necesitan guardar estado entre pedidos y pueden escalar horizontalmente como cualquier servicio web. También agregó una llamada para descubrir las capacidades de un servidor, convirtió las tareas de larga duración (Tasks) en una extensión oficial y reforzó la autorización.

La hoja de ruta

La hoja de ruta que publicaron los mantenedores en agosto de 2026 se enfoca en cinco áreas: mensajería para ciclos largos de agentes, un único transporte basado en HTTP, identidad de agentes y seguridad lista para empresas, mejores primitivas (incluido el descubrimiento progresivo para que los catálogos grandes de herramientas no sobrecarguen al modelo) y mejores SDKs.

Las plataformas ya lo usan

Los proveedores ya exponen sus propios datos por MCP. Work IQ de Microsoft, en vista previa desde septiembre de 2026, comparte habilidades de negocio con agentes a través de un servidor MCP de Work IQ, y Atlassian conecta ChatGPT y Codex con el contexto de Jira y Confluence mediante integraciones MCP. Lo desarrollamos en por qué los agentes de IA necesitan el contexto de tu negocio.

¿Cuáles son los límites reales de MCP?

Los límites principales de MCP son el costo de contexto y la autenticación. Cada definición de herramienta que carga un cliente ocupa lugar en la ventana de contexto del modelo, así que conectar muchos servidores con muchas herramientas hace a los agentes más lentos y caros. La autenticación entre muchos servidores también suma fricción. Los dos son problemas conocidos y hoy hay formas de mitigarlos.

Costo de contexto

Anthropic describió el problema en noviembre de 2025: cuando un agente carga todas las definiciones de herramientas de entrada y pasa cada resultado intermedio por el modelo, las llamadas directas consumen contexto por cada definición y cada resultado. En un ejemplo, reescribir un flujo para que el agente escribiera código contra las herramientas MCP, en lugar de llamarlas una por una, bajó el consumo de unos 150.000 tokens a unos 2.000.

El debate de Perplexity

En marzo de 2026, el CTO de Perplexity dijo que la empresa había dejado de usar MCP internamente y lo había reemplazado por APIs directas y herramientas de línea de comandos, por el consumo de contexto y la fricción de autenticación, según la cobertura de prensa de su conferencia Ask 2026. La crítica es válida para un equipo que controla tanto al agente como a todos los sistemas que llama. Pesa menos cuando necesitás que muchos clientes de IA distintos lleguen al mismo sistema.

Cómo bajar el costo

• Exponé menos herramientas y mejores. Un servidor con ocho herramientas bien descritas le gana a uno con ochenta envoltorios finos de endpoints.
• Conectá solo lo que la tarea necesita. No cargues todos los servidores en todos los agentes.
• Devolvé resultados compactos. Filtrá y resumí en el servidor en lugar de mandarle registros enteros al modelo.
• Que el código haga la plomería. En pasos con muchos datos, hacé que el agente escriba código que llame a las herramientas, así los datos intermedios no pasan por el modelo.

¿Conviene MCP o una integración directa por API?

Usá MCP cuando el mismo sistema tiene que estar disponible para varios clientes de IA o agentes, o cuando tus clientes tienen que poder conectar tu producto con sus propias herramientas de IA. Usá una integración directa por API cuando tenés un flujo fijo, controlás los dos extremos y querés el menor costo y el comportamiento más predecible.

Los sistemas maduros suelen usar los dos. Los flujos deterministas llaman a las APIs directamente, y un servidor MCP abre las mismas capacidades a agentes y asistentes donde la flexibilidad vale la pena.

¿Cómo asegurás un servidor MCP?

Tratá un servidor MCP como una puerta a tus sistemas. Aceptá solo tokens emitidos para ese servidor, pedí los permisos más acotados posibles, empezá con herramientas de solo lectura, exigí aprobación humana para acciones destructivas y registrá cada llamada. Los servidores locales corren con los privilegios del usuario, así que instalá solo los que sean de confianza.

Reglas de las buenas prácticas de seguridad de MCP

• Nada de reenviar tokens. La especificación prohíbe que un servidor acepte tokens que no fueron emitidos para él y los reenvíe a otros servicios. Rompe la auditoría y permite reutilizar un token robado en varios servicios.
• Permisos mínimos. Empezá con un conjunto chico de permisos de bajo riesgo y pedí más solo cuando se intenta por primera vez una operación privilegiada. Evitá permisos comodín como admin:*.
• Consentimiento para servidores locales. Los clientes tienen que mostrar el comando exacto que va a correr un servidor local y pedir aprobación explícita, y conviene que lo ejecuten aislado y con privilegios mínimos.
• Verificá los identificadores de estado. Como MCP no guarda sesiones, los servidores que siguen un carrito o un flujo se pasan un identificador de ida y vuelta. Tener ese identificador nunca puede contar como autenticación.

Nuestra base para un primer servidor MCP

1. Un sistema, solo lectura. Exponé primero herramientas de búsqueda y lectura, medí cómo se usan y después sumá escrituras.
2. Escrituras con aprobación. Todo lo que envía, paga, borra o cambia permisos espera a una persona.
3. Identidad por usuario. El servidor actúa con los permisos de la persona o el agente que lo llama, nunca con una clave de administrador compartida.
4. Registros y límites. Registrá cada llamada con la identidad de quien la hizo y limitá el uso por usuario.

Los mismos principios aplican a cualquier agente que use tu servidor; mirá cómo asegurar agentes de IA en producción.

Cómo encaramos MCP

Empezamos por la capa de integración, no por el protocolo. Si la API, los contratos de datos y la autenticación de un sistema están sólidos, sumar un servidor MCP encima es un paso chico y seguro. Si no lo están, MCP va a exponer esos problemas a todos los clientes de IA a la vez. Conocé más sobre nuestro trabajo con agentes y nuestra base de seguridad.

¿Querés que tu producto o tus sistemas internos funcionen con asistentes de IA? Contanos qué sistema, quién lo va a usar y desde qué herramientas de IA, y te decimos si necesitás un servidor MCP, una integración directa o las dos. Contactá a Dream Makers.

Fuentes

• Model Context Protocol, "What is the Model Context Protocol (MCP)?": modelcontextprotocol.io
• Anthropic, "Donating the Model Context Protocol and establishing the Agentic AI Foundation" (9 de diciembre de 2025): anthropic.com
• MCP Blog, "The New MCP Roadmap" (22 de agosto de 2026): blog.modelcontextprotocol.io
• Model Context Protocol, "Security Best Practices" (2026-07-28): modelcontextprotocol.io
• Anthropic Engineering, "Code execution with MCP: Building more efficient agents" (4 de noviembre de 2025): anthropic.com/engineering/code-execution-with-mcp
• Noqta, "Perplexity Drops MCP Internally, Shifts to APIs and CLIs for AI Agents" (2026): noqta.tn
• Microsoft Dynamics 365 Blog, "Work IQ: Business and workplace intelligence in the flow of work" (25 de septiembre de 2026): microsoft.com