Model Context Protocol (MCP) es un estándar abierto que define cómo las aplicaciones de IA, en particular los modelos de lenguaje de gran tamaño, descubren e intercambian información contextual con herramientas, fuentes de datos y servicios externos. Proporciona una interfaz universal para que los modelos puedan obtener datos en vivo, realizar acciones y fundamentar sus respuestas en información más allá de su conjunto de entrenamiento. Presentado originalmente por Anthropic a finales de 2024, MCP ha sido adoptado en todo el ecosistema de IA como una forma compartida de conectar los modelos con los sistemas sobre los que necesitan actuar.
Cómo funciona el Model Context Protocol
MCP sigue una arquitectura cliente-servidor. Una aplicación de IA, como un asistente de chat, un complemento de IDE o un agente autónomo, ejecuta un cliente MCP que se conecta a uno o varios servidores MCP. Cada servidor envuelve una capacidad específica, como consultar una base de datos, leer archivos de un repositorio, llamar a una API interna o controlar un navegador, y anuncia esa capacidad en un formato legible por máquina. Cuando el modelo necesita información o quiere realizar una acción, el cliente envía una solicitud estructurada al servidor correspondiente, el servidor la ejecuta y el resultado se devuelve al modelo como contexto sobre el que puede razonar.
La comunicación suele utilizar JSON-RPC sobre transportes como la entrada/salida estándar para integraciones locales o HTTP con eventos enviados por el servidor (SSE) para integraciones remotas. Dado que cada servidor habla el mismo protocolo, el mismo modelo puede conectarse a muchas herramientas sin conectores a medida, de forma similar a como el USB estandarizó los periféricos de los ordenadores.
Por qué es importante
Antes de MCP, cada integración de herramientas de IA requería código personalizado: funciones separadas, esquemas de autenticación y formatos de mensaje para cada fuente de datos. MCP reemplaza esa fragmentación con un único contrato documentado. Esto facilita enormemente la creación de agentes que pueden buscar en bases de conocimiento empresariales, actualizar sistemas de tickets, ejecutar consultas analíticas o manejar herramientas de desarrollo, porque el mismo cliente funciona con cualquier servidor compatible.
Para los desarrolladores, MCP significa escribir un adaptador por fuente de datos en lugar de uno por modelo. Para los usuarios, significa que los asistentes de IA pueden reunir las herramientas adecuadas sobre la marcha con menos código de pegamento y un comportamiento más predecible. El protocolo también estandariza cómo se describen las capacidades, lo que mejora la revisión de seguridad y facilita la auditoría de lo que un agente tiene permiso para hacer.
Componentes clave
- Hosts: aplicaciones de IA como Claude Desktop, asistentes de programación o frameworks de agentes que necesitan acceso a contexto externo.
- Clientes: endpoints de protocolo integrados en los hosts que mantienen conexiones uno a uno con los servidores.
- Servidores: programas ligeros que exponen recursos, herramientas o prompts específicos a través de MCP.
- Transportes: los canales subyacentes (stdio, HTTP/SSE y más tarde HTTP streameable) que transportan los mensajes JSON-RPC entre cliente y servidor.
MCP se entiende mejor como la capa de conexión del stack moderno de IA: no entrena ni ejecuta el modelo en sí, pero define cómo ese modelo llega al resto del mundo. Al estandarizar esa conexión, MCP permite a los desarrolladores centrarse en crear capacidades útiles y a los modelos centrarse en utilizarlas bien.