Model Context Protocol (MCP): el estándar que conecta la IA con tus herramientas
El Model Context Protocol superó los 97 millones de instalaciones y hoy conecta ChatGPT, Claude y Copilot con tus herramientas: así funciona el estándar que la industria llama el "USB-C de la IA". Si usas asistentes a diario, este protocolo decide qué pueden tocar.
Qué es el Model Context Protocol
El Model Context Protocol (MCP) es un estándar abierto que define cómo los modelos de lenguaje se comunican con herramientas y fuentes de datos externas. En lugar de que cada aplicación de IA invente su propia forma de hablar con cada servicio, MCP establece una interfaz común: cualquier asistente compatible puede conectarse a cualquier servidor MCP sin adaptadores específicos.
El problema: una integración distinta por cada IA y cada herramienta
Antes de MCP, conectar un modelo a una base de datos, a Slack o a GitHub significaba escribir integraciones a medida. Cada proveedor de IA y cada herramienta tenían sus propios formatos, sus propias autenticaciones y su propia lógica, y el resultado era un mantenimiento constante: cuando cambiaba una API, había que actualizar cada conector. Para una empresa con varios asistentes, el coste se multiplicaba por cada combinación de modelo y servicio.
La solución: un protocolo común tipo USB-C
Anthropic diseñó MCP con la misma filosofía que el USB-C: un solo conector sirve para muchos dispositivos. El protocolo separa a los hosts (las aplicaciones de IA que usas), los clientes (la capa que habla con los servidores dentro del host) y los servidores (los programas que exponen datos y acciones). Un servidor MCP escrito una vez funciona con Claude, con Cursor o con cualquier otro cliente compatible.
Lee también
Cómo funciona: hosts, clientes y servidores MCP
La arquitectura se divide en tres piezas. El host es la aplicación donde trabajas, como Claude Desktop, Cursor o un agente personalizado. Dentro del host, los clientes MCP gestionan la conexión con los servidores. Y los servidores son procesos que exponen capacidades concretas: leer un repositorio, consultar una base de datos o enviar un mensaje.
Servidores: tools, resources y prompts
Cada servidor MCP puede ofrecer tres tipos de capacidades. Las tools son acciones que el modelo puede invocar, definidas con JSON Schema para validar entradas y salidas: por ejemplo, una tool "buscar_articulo" que recibe un título y devuelve resultados. Los resources son datos que el modelo puede leer, como documentos o registros. Los prompts son plantillas reutilizables que guían al modelo en tareas repetidas.
El flujo de una llamada: del modelo al servidor y vuelta
Cuando el modelo decide que necesita ejecutar una acción, el host envía una petición al cliente, este la transmite al servidor correspondiente y el servidor ejecuta la operación y devuelve el resultado. El modelo recibe la respuesta estructurada y la integra en su razonamiento. Todo el intercambio usa JSON-RPC, lo que mantiene el protocolo ligero y fácil de implementar en cualquier lenguaje.
El ecosistema MCP en 2026
Lo que empezó como una propuesta de Anthropic se convirtió en un estándar de facto. La adopción pasó de ser un experimento a superar los 97 millones de instalaciones, y las grandes empresas ya cuentan con informes propios sobre su uso interno.
97 millones de instalaciones y el registro oficial
El MCP Registry permite descubrir servidores publicados y verificar su compatibilidad, mientras que las implementaciones de referencia se mantienen en el repositorio oficial de la comunidad. Este registro es clave para que un desarrollador encuentre el conector que necesita sin reinventarlo.
Miles de servidores: bases de datos, Slack, GitHub, navegadores
El catálogo supera los diez mil servidores que conectan asistentes con Notion, Slack, GitHub, Stripe o navegadores web. Es el área del ecosistema que más crece: cada semana aparecen conectores nuevos, y muchos proyectos open source publican su servidor MCP junto a su API tradicional.
Un ejemplo real: este blog publica contenido vía MCP
No hace falta irse muy lejos para ver MCP en producción. Blender Deluxe expone un servidor MCP en /mcp/content con herramientas para buscar artículos, listar categorías y listar tags. Los agentes de la oficina de contenido consultan ese servidor antes de publicar para comprobar que un artículo no exista ya, y así se evita duplicar trabajo. Es un caso práctico de cómo un blog pequeño puede ofrecer su contenido a los agentes sin construir una API específica para cada uno.
Tu primer servidor MCP con FastMCP en Python
FastMCP es el framework que simplifica la creación de servidores MCP en Python. Su API de decoradores es la misma que Anthropic adoptó en su SDK oficial, así que lo que aprendes con FastMCP te sirve para el resto del ecosistema.
Instalar FastMCP y crear un servidor con una tool
La instalación es directa con pip o con uv:
pip install fastmcp
# o con uv
uv add fastmcpCon el paquete instalado, un servidor mínimo con una tool queda así:
from fastmcp import FastMCP
mcp = FastMCP("mi-servidor")
@mcp.tool()
def sumar(a: int, b: int) -> int:
"""Suma dos números enteros."""
return a + b
if __name__ == "__main__":
mcp.run()El decorador @mcp.tool() registra la función como una tool: el nombre, la descripción y los tipos de los parámetros se convierten automáticamente en el esquema que el modelo necesita para invocarla.
Conectarlo a Claude, Cursor o un cliente MCP
Para probar el servidor, lo arrancas con python servidor.py y lo registras en tu cliente. Claude Desktop y Cursor aceptan servidores locales en su configuración:
{
"mcpServers": {
"mi-servidor": {
"command": "python",
"args": ["servidor.py"]
}
}
}Después de reiniciar el cliente, el asistente puede invocar la tool directamente. Si quieres exponer el servidor a través de red, FastMCP también soporta transporte HTTP para conectar clientes remotos.
Seguridad al conectar herramientas
Conectar tu asistente a tus datos es potente, pero amplía la superficie de ataque. Un servidor MCP mal configurado puede exponer información sensible o ejecutar acciones destructivas.
Autorización de tools y privilegios mínimos
Cada tool debe pedir permiso explícito antes de ejecutarse, especialmente las que escriben o borran datos. Aplica el principio de privilegios mínimos: el servidor solo debe tener acceso a lo que necesita, y las credenciales deben estar separadas de las del usuario principal.
Inyección de prompts a través del contenido
El contenido que el modelo lee desde un resource puede contener instrucciones maliciosas que intenten redirigir al agente. Hay que tratar los datos de las herramientas como no confiables, validar las entradas y no permitir que el contenido externo modifique el comportamiento del sistema sin supervisión.
Conclusión
El Model Context Protocol resolvió un problema real: ahora los agentes de IA se conectan a tus herramientas con una interfaz común, y en 2026 el ecosistema ya supera los 97 millones de instalaciones. Si trabajas con asistentes a diario, aprender a montar un servidor MCP con FastMCP te permite poner tus propios datos y acciones al alcance de Claude, Cursor o ChatGPT. Y si quieres ver el protocolo en acción, la IA local con Ollama y los editores de código con IA te dan más contexto. Sigue leyendo el blog para más tutoriales prácticos.
