La integración de grandes modelos de lenguaje (LLM) con datos externos ha requerido históricamente un enfoque fragmentado. Los desarrolladores normalmente construían conectores personalizados para cada fuente de datos o herramienta específica, creando un problema de integración “N×M” en el que cada nuevo modelo necesitaba nuevas canalizaciones para cada herramienta existente [1].
Presentado por Anthropic en noviembre de 2024, el Protocolo de Contexto de Modelo (MCP) es un estándar de código abierto diseñado para simplificar esta complejidad [S1, S5]. Funciona como una interfaz universal, similar a cómo USB‑C estandariza las conexiones de dispositivos electrónicos, permitiendo que las aplicaciones de IA se conecten a bases de datos, archivos locales y API sin código específico del proveedor [4].
Cómo funciona la arquitectura MCP
MCP traslada la integración de IA de un modelo centrado en prompts a uno centrado en protocolos [3]. En lugar de describir manualmente los esquemas de datos dentro de un prompt de texto, lo cual es frágil y consume la ventana de contexto del modelo, las herramientas se declaran una sola vez a nivel del protocolo [3].
El marco opera a través de tres componentes distintos:
- MCP Host: La aplicación principal, como un IDE o tiempo de ejecución de IA, que gestiona el entorno y coordina la comunicación [S3, S7].
- MCP Client: El puente dentro del tiempo de ejecución de IA que realiza un apretón de manos de “descubrimiento” con los servidores para aprender dinámicamente las capacidades disponibles [3].
- MCP Server: La puerta de enlace a capacidades externas. Estos servidores aplican de forma independiente los protocolos de seguridad, incluida la autorización y el registro, mientras exponen herramientas o recursos específicos [3].
La comunicación entre estos componentes utiliza mensajes JSON‑RPC 2.0 [S1, S3]. Según el entorno, el protocolo admite dos métodos de transporte: stdio para la comunicación de procesos locales y HTTP con Server‑Sent Events (SSE) para servidores remotos basados en la nube [S3, S7].
Primitivas básicas: Herramientas, Recursos y Prompts
Para estandarizar cómo un agente interactúa con un sistema, MCP define tres primitivas principales [S5, S7].
Resources proporcionan a la IA los datos, funcionando como rutas de archivo o filas de base de datos identificadas por URIs personalizadas [7]. Estos pueden ser documentos estáticos, como una FAQ, o flujos de datos dinámicos [S1, S7].
Tools permiten que la IA realice cálculos o acciones reales [5]. Cuando un LLM decide usar una herramienta, envía una carga JSON que coincide con un esquema predefinido; el servidor entonces ejecuta la lógica (como iniciar una canalización de compilación o consultar una base de datos SQL) y devuelve el resultado [7].
Prompts son plantillas reutilizables y parametrizadas proporcionadas por el servidor [S5, S7]. Estas ayudan a estructurar flujos de trabajo, como un prompt de revisión de código que recupera automáticamente un diff de Git antes de que el modelo comience su análisis [7].
Aplicaciones prácticas y adopción en el ecosistema
Debido a que MCP es neutral respecto a lo que un servidor expone, está siendo adoptado en diversos dominios técnicos [5]. En el desarrollo de software, IDEs como Visual Studio Code y plataformas como Replit utilizan MCP para proporcionar a los asistentes de IA acceso en tiempo real al contexto del proyecto [1].
Más allá de la codificación, el protocolo se está expandiendo a servicios gubernamentales y empresariales. La Administración de Servicios Generales de EE. UU. (GSA) ha explorado el uso de MCP para crear prototipos que permiten a los agentes de IA consultar conjuntos de datos gubernamentales abiertos y enviar información a servicios gubernamentales mediante entornos sandbox [2].
Los principales proveedores de IA, incluidos OpenAI y Google DeepMind, han adoptado el protocolo [1]. En diciembre de 2025, el ecosistema creció hasta incluir más de 10 000 servidores públicos MCP activos y alcanzó 97 millones de descargas mensuales del SDK [5]. Para garantizar una gobernanza neutral, Anthropic donó MCP a la Agentic AI Foundation bajo la Linux Foundation en diciembre de 2025 [S1, S5].
Compromisos de seguridad y gobernanza
Si bien MCP simplifica la conectividad, el propio protocolo no impone calidad de datos ni gobernanza [5]. Un servidor MCP puede exponer datos sin procesar, pero es responsabilidad de la implementación del servidor proporcionar un contexto gobernado, que incluya procedencia, propiedad y reglas de acceso [5].
La seguridad se gestiona a nivel del servidor, lo que permite un control granular [3]. Por ejemplo, algunas implementaciones utilizan Microsoft Entra ID para autenticar a los usuarios cuando se conectan desde clientes preautorizados, garantizando que el agente de IA solo acceda a los datos que el usuario específico tiene permiso de ver [8].
Para quienes deseen implementar estos estándares, el protocolo ofrece SDKs en Python, TypeScript, Java, Kotlin, C#, Go, PHP, Perl, Ruby, Rust y Swift [1].
Fuentes
- Protocolo de Contexto de Modelo - Wikipedia
- Qué es MCP (Protocolo de Contexto de Modelo)? Guía completa 2026
- Qué es el Protocolo de Contexto de Modelo (MCP)? - Cisco
- Protocolo de Contexto de Modelo (MCP) - GeeksforGeeks
- Servidor del Protocolo de Contexto de Modelo y Hackathon de Agentes de IA del Gobierno - GSA
- Qué es el Protocolo de Contexto de Modelo (MCP)?
- Microsoft | Herramientas de desarrollo y lenguajes | Protocolo de Contexto de Modelo
- PDF Protocolo de Contexto de Modelo (MCP): Consideraciones de diseño de seguridad para IA …
