Cómo funciona
Anthropic anunció MCP como una forma estandarizada de que los modelos de IA interactúen con herramientas externas. La idea es sencilla. Un servidor MCP es un programa pequeño que expone funciones, y cada servidor describe lo que puede hacer con un esquema simple. Si activas un servidor de archivos, el asistente recibe funciones como read_file y write_file. Si activas uno para una base de datos, puede consultarla.
No tiene nada exótico. Los mensajes son JSON-RPC, un patrón con décadas de uso, sobre una conexión local cuando el servidor corre en tu máquina. Un servidor también se puede desplegar en remoto por HTTP, y entonces debe cumplir la autorización que pide el protocolo. Los servidores se componen: una sola solicitud puede usar varios, uno tras otro. La persona o el equipo que opera el asistente decide qué servidores se activan y hasta dónde llega cada uno.
Dónde aparece en el trabajo real
Construí Airtable MCP, un servidor de código abierto que conecta bases de Airtable con asistentes como Claude. Nació de una molestia pequeña. Estaba reestructurando esquemas de una base y me la pasaba copiando información entre la documentación de la API y mi proyecto. Con el servidor funcionando, pedía en lenguaje natural las solicitudes de funciones con más votos o el número de reportes de errores abiertos. El error más difícil fue de autenticación. El servidor se conectaba a Airtable en mis pruebas y fallaba cuando Claude lo usaba, por la forma en que el token viajaba por el pipeline de MCP.
Qué no es
MCP no es una capa de seguridad. Ofrece la interfaz entre el agente y una operación, y los permisos de la base, la autorización de la aplicación y los controles operativos siguen siendo los que hacen cumplir el límite. Tampoco es una forma de darle una contraseña a un modelo: el modelo recibe la definición de la herramienta y el resultado mínimo para responder, y las credenciales se quedan en el gestor de secretos del runtime.
Cuándo lo necesitas
Usa MCP cuando un asistente o un agente deba trabajar directamente con un sistema y la gente siga copiando y pegando datos entre ese sistema y una ventana de chat. Con datos de una empresa, empieza con herramientas de lectura específicas, como una que devuelva el estado de un pedido, y define sus entradas, los campos que regresa y su comportamiento ante errores. Una herramienta de SQL general necesita un diseño mucho más fuerte de aislamiento y control de consultas. Pedirle al modelo que se comporte no basta.