El Model Context Protocol (MCP) es un estándar abierto, introducido por Anthropic a finales de 2024, que permite a los asistentes de IA conectarse a herramientas externas y fuentes de datos a través de una interfaz común. En las campañas de marketing, el MCP permite a un asistente leer analíticas, buscar en cuentas publicitarias, consultar un CRM o redactar documentos en unidades compartidas, de modo que los analistas dediquen menos tiempo a copiar datos entre sistemas.
¿Qué problema resuelve el MCP?
Antes del MCP, cada conexión entre un modelo de IA y una herramienta debía construirse por separado. Un equipo que quisiera que su asistente leyera Google Analytics, un CRM y una hoja de cálculo necesitaba tres integraciones personalizadas, cada una con su propio formato. El MCP define una forma para que una aplicación de IA (el cliente) hable con un conector (el servidor) que expone herramientas, datos y prompts.
Desde su lanzamiento, el MCP ha sido adoptado por varias empresas de IA y herramientas de desarrollo, y muchos proveedores de software publican ahora servidores MCP para sus productos. El soporte y las funciones difieren entre clientes, por lo que vale la pena comprobar qué admite el asistente elegido en el momento de configurarlo.
¿Cómo funciona el MCP en términos sencillos?
Un servidor MCP se sitúa delante de un sistema, como una base de datos o un producto SaaS, y describe lo que un asistente puede hacer: “buscar contactos”, “obtener informe de campaña”, “crear borrador de documento”. El cliente de IA descubre estas herramientas y puede llamarlas cuando un usuario hace una pregunta que las necesita. El usuario ve qué herramienta se está llamando y, en la mayoría de los clientes, puede aprobar o denegar las acciones.
- Herramientas: acciones que el asistente puede realizar, como ejecutar una consulta o crear un registro.
- Recursos: datos que el asistente puede leer, como archivos o informes.
- Prompts: plantillas reutilizables que el servidor ofrece para tareas comunes.
- Transporte: los servidores pueden ejecutarse localmente en un ordenador o de forma remota a través de la web con autenticación.
¿Dónde ayuda el MCP en el trabajo de marketing?
El valor aparece en tareas que implican extraer información de varios lugares y convertirla en una decisión o un documento.
- Revisiones de rendimiento: el asistente lee informes de plataformas publicitarias, analíticas y datos de CRM y redacta un resumen semanal.
- Análisis de términos de búsqueda y consultas: combinar términos de búsqueda pagados con consultas de Search Console para encontrar solapamientos y lagunas.
- Auditorías de contenido: leer las páginas de un sitio a través de un conector CMS y listar artículos escasos o desactualizados.
- Comprobaciones de calidad de leads: hacer coincidir las fuentes de las campañas con los resultados de los acuerdos en el CRM.
- Borradores de informes: escribir una primera versión de un informe de cliente en un documento compartido, listo para que un analista lo edite.
¿Cuáles son los riesgos de seguridad?
Conectar un asistente de IA a sistemas en vivo plantea riesgos reales, y deben abordarse antes de disfrutar de cualquier comodidad.
Permisos
Un servidor MCP solo puede hacer lo que sus credenciales permiten. Si utiliza una cuenta de administrador, el asistente tiene efectivamente derechos de administrador. Utilice el acceso de solo lectura siempre que sea posible y separe las cuentas con alcances limitados.
Inyección de prompts
Un asistente que lee páginas web, correos electrónicos o documentos puede encontrar instrucciones ocultas escritas por otra persona, por ejemplo, texto que le indique enviar datos a otro lugar. Los clientes que solicitan confirmación antes de las llamadas a herramientas, además de los servidores que limitan las acciones, reducen este riesgo. Trate cualquier contenido que lea el asistente como datos, no como comandos.
Fuente de los servidores
Instale servidores MCP solo de proveedores en los que confíe o de código que su equipo haya revisado. Un conector es un software con acceso a sus datos; merece la misma precaución que cualquier otra integración.
Cómo aplica Alien Road el Model Context Protocol
En un compromiso típico, el MCP se utiliza en el lado de la agencia para acelerar el análisis, no instalado en los sistemas del cliente sin acuerdo. El descubrimiento enumera qué fuentes de datos son importantes para la cuenta, como plataformas publicitarias, analíticas, Search Console, el CRM y el sistema de gestión de contenidos, y cuáles de ellos ofrecen conectores oficiales o API.
La configuración utiliza credenciales de solo lectura creadas específicamente para este propósito, con acceso limitado a las propiedades del cliente. Cada conector está documentado: qué puede leer, qué puede hacer y quién lo aprobó. Las acciones de escritura, como la creación de borradores, se limitan a carpetas compartidas o estados de borrador, nunca a campañas en vivo o páginas publicadas.
El análisis sigue entonces una rutina fija. Cada semana, un analista pide al asistente que extraiga los informes acordados, los combine y marque los cambios inusuales, por ejemplo, un aumento repentino en el coste por lead de una campaña o una caída en los clics para un grupo de páginas. El analista comprueba cada elemento marcado con la plataforma de origen antes de que llegue a un informe. Los cambios de presupuesto, los cambios de puja y las ediciones de contenido siguen siendo decisiones humanas tomadas en las propias plataformas.
La medición cubre tanto los resultados de la campaña como el proceso en sí: cuánto tiempo lleva la elaboración de informes semanales y cuántos problemas se detectaron a tiempo. Si un conector produce datos poco fiables, se elimina y se vuelve al proceso manual hasta que exista una opción mejor.
¿Cuáles son los límites del MCP hoy en día?
El MCP estandariza la conexión, no la calidad de los datos ni el juicio del modelo. Si su seguimiento de conversiones está roto, un asistente con acceso perfecto seguirá produciendo un análisis seguro de números rotos. Los informes largos también pueden exceder lo que un modelo maneja bien de una sola vez, por lo que los análisis funcionan mejor cuando se dividen en preguntas enfocadas.
El soporte difiere entre clientes de IA y entre servidores. Algunos ofrecen solo unas pocas herramientas de lectura; otros son más completos. Espere combinar conectores MCP con exportaciones regulares durante un tiempo.
- La calidad de los datos sigue decidiendo la calidad de la salida.
- No todas las plataformas tienen todavía un conector fiable.
- Es posible que las extracciones de datos grandes deban filtrarse antes del análisis.
- Cada idea que impulsa el gasto necesita una verificación humana.
¿Cómo se evalúa un conector antes de usarlo?
Empiece con una lista de preguntas para cada uno. ¿Quién lo publica? ¿Qué permisos solicita? ¿Registra las acciones que realiza? ¿Se puede limitar a solo lectura? ¿Hay alguna forma de revocar su acceso rápidamente? Un conector que no pueda responder a estas preguntas claramente no está listo para los datos del cliente.
Pruebe los nuevos conectores en una cuenta de demostración o interna primero. Haga la misma pregunta que respondería manualmente, compare los resultados y anote cualquier diferencia. Solo entonces conecte una cuenta en vivo.
Por dónde empezar esta semana
Elija una tarea recurrente que implique copiar números entre dos sistemas, como combinar el gasto publicitario con los leads del CRM para un informe semanal. Compruebe si ambos sistemas ofrecen servidores MCP oficiales o API, y configure el acceso de solo lectura en una cuenta de prueba. Ejecute la tarea una vez con el asistente y otra a mano, compare los resultados línea por línea y decida a partir de esa comparación si vale la pena mantener la conexión.
Siga leyendo: Optimización con IA · Optimización con IA