El Model Context Protocol (MCP) es un estándar abierto, introducido por Anthropic a finales de 2024, que permite a las aplicaciones de IA conectarse a herramientas y datos externos a través de una interfaz común. Un servidor MCP expone herramientas, recursos y prompts; un cliente MCP, como Claude, ChatGPT, Cursor o VS Code, los utiliza. Pasar el MCP de piloto a producción significa limitar el alcance, asegurar la autenticación, controlar los permisos, registrar cada llamada y asignar un propietario.
¿Qué problema resuelve el MCP?
Antes del MCP, cada asistente de IA necesitaba su propia integración personalizada para cada herramienta: un conector para el CRM, otro para la plataforma de análisis, otro para el almacenamiento de archivos. El MCP estandariza la conexión. Cree un servidor para su CRM y cualquier cliente compatible con MCP podrá usarlo.
La adopción se extendió rápidamente. OpenAI, Google, Microsoft y muchas herramientas de desarrollo añadieron soporte para MCP, y empresas como GitHub, Stripe, Atlassian y HubSpot han publicado servidores MCP para sus productos. Para los equipos de marketing, esto significa asistentes que pueden leer datos de campañas, consultar una base de datos o actualizar un tablero de proyectos directamente.
¿Cómo encaja una configuración de MCP?
Hay tres partes. El host es la aplicación en la que trabaja el usuario. El cliente que contiene mantiene una conexión con cada servidor. El servidor envuelve un sistema y describe lo que ofrece: herramientas que el modelo puede llamar, recursos que puede leer y plantillas de prompts.
Los servidores pueden ejecutarse localmente en la máquina de un usuario, comunicándose a través de entrada y salida estándar, o de forma remota a través de HTTP. Los servidores remotos son los que utilizan la mayoría de las implementaciones de producción, porque pueden protegerse y monitorearse de forma centralizada.
Etapa 1: lista de verificación piloto
Empiece poco a poco para aprender sin exponer demasiado.
- Elija un caso de uso, como permitir que un asistente lea datos de Google Analytics 4 o Search Console para generar informes.
- Prefiera un servidor oficial del proveedor donde exista uno, en lugar de uno de la comunidad.
- Déle acceso de solo lectura al principio.
- Pruebe con un grupo pequeño de usuarios designados.
- Anote cómo se ve el éxito: preguntas respondidas correctamente, tiempo ahorrado en un informe.
Los servidores de la comunidad varían en calidad y mantenimiento. Lea el código o al menos los permisos que solicita antes de instalar uno.
Etapa 2: seguridad y autenticación
La especificación de MCP incluye un marco de autorización basado en OAuth para servidores remotos. Úselo en lugar de pegar claves API de larga duración en archivos de configuración. Cada usuario debe autenticarse como sí mismo, de modo que el servidor aplique los permisos existentes de esa persona.
Considere también la inyección de prompts. Si un servidor devuelve contenido de correos electrónicos, páginas web o documentos, ese contenido puede contener instrucciones dirigidas al modelo. Trate las salidas de las herramientas como datos no confiables y diseñe el host para que solicite confirmación antes de cualquier acción de escritura activada por ellos.
Etapa 3: definir permisos herramienta por herramienta
Cada herramienta que expone un servidor es un permiso. Revíselos uno por uno:
- Enumere cada herramienta y márquela como de lectura o escritura.
- Elimine las herramientas que nadie necesita; menos herramientas también ayudan al modelo a elegir correctamente.
- Requiera confirmación humana para las herramientas de escritura, como enviar correos electrónicos, cambiar presupuestos o eliminar registros.
- Restrinja los datos confidenciales con filtros en el lado del servidor, no solo con instrucciones al modelo.
- Documente la decisión para cada herramienta, con la fecha y el propietario.
Etapa 4: registro y monitoreo
En producción debe ser capaz de responder: quién llamó a qué herramienta, con qué argumentos y qué devolvió. Registre las llamadas en el servidor, enmascare los datos personales y mantenga los registros el tiempo suficiente para las auditorías. Monitoree los errores y la latencia, ya que las herramientas lentas hacen que los asistentes se sientan rotos.
Las alertas son útiles para patrones inusuales, como un aumento repentino en las llamadas de escritura o llamadas fuera del horario laboral.
Etapa 5: pruebas y control de cambios
Trate a los servidores como cualquier otro software. Versionelos, pruebe el comportamiento de las herramientas automáticamente y revise los cambios antes de implementarlos. Cuando cambie la descripción de una herramienta, vuelva a probar con los clientes que utiliza su equipo; los modelos eligen las herramientas en función de esas descripciones, por lo que los cambios en la redacción pueden cambiar el comportamiento.
Evaluar con tareas reales
Cree un conjunto de 30 a 50 solicitudes realistas, como “compare las sesiones orgánicas del mes pasado con el mes anterior por página de destino”. Compruebe que el asistente llame a las herramientas correctas, con argumentos sensatos, y produzca una respuesta correcta. Repita después de cada cambio de servidor o modelo.
Cómo aplica Alien Road el MCP en el trabajo de optimización de IA
En un compromiso típico, el descubrimiento enumera los sistemas que el equipo de marketing del cliente lee con más frecuencia para informes y decisiones: análisis, plataformas publicitarias, CRM, gestión de contenido. El equipo verifica cuáles tienen servidores MCP oficiales y cuáles necesitarían uno personalizado.
La configuración comienza con servidores de solo lectura para tareas de informes y usuarios designados. Los servidores personalizados, cuando es necesario, se escriben con una lista mínima de herramientas, autenticación OAuth y registro del lado del servidor, y se almacenan en el repositorio del cliente. Las herramientas de escritura se agregan solo después de que la fase de solo lectura se haya ejecutado correctamente.
La medición cubre los resultados del conjunto de evaluación, el tiempo dedicado a informes recurrentes antes y después, las tasas de error de llamadas a herramientas y cualquier evento de seguridad. Los informes mensuales incluyen una muestra de las sesiones registradas, para que el cliente pueda ver exactamente a qué accedió el asistente.
Etapa 6: lista de verificación de preparación para la producción
Antes de salir al aire ampliamente, confirme:
- Cada servidor tiene un propietario designado y un plan de mantenimiento.
- La autenticación es por usuario, sin claves compartidas en archivos de configuración.
- Las herramientas de escritura requieren confirmación.
- Los registros capturan las llamadas con datos personales enmascarados.
- El conjunto de evaluación pasa en las versiones actuales del cliente.
- Los usuarios saben qué servidores están aprobados y cómo solicitar otros nuevos.
La última línea es importante porque los usuarios a menudo pueden agregar servidores ellos mismos. Una lista aprobada mantiene a los servidores comunitarios desconocidos fuera de los entornos confidenciales.
¿Cómo elige entre servidores oficiales y personalizados?
Los servidores oficiales son mantenidos por el proveedor, siguen sus cambios de API y generalmente admiten una autenticación adecuada. Úselos siempre que cubran sus necesidades. Su inconveniente es el alcance: pueden exponer más herramientas de las que desea, así que verifique si el cliente le permite deshabilitar herramientas individuales.
Los servidores personalizados tienen sentido cuando no existe uno oficial, cuando necesita combinar varios sistemas en una herramienta simple, o cuando debe aplicar filtros que le faltan al servidor del proveedor. También se convierten en su carga de mantenimiento. Manténgalos pequeños, documentados y versionados, y planifique que alguien los actualice cuando cambie la API subyacente.
Por dónde empezar esta semana
Elija un informe recurrente que su equipo construye a mano desde un solo sistema. Encuentre el servidor MCP oficial de ese sistema, conéctelo en modo de solo lectura al asistente que su equipo ya usa y pídale que produzca la versión del informe del mes pasado. Compare con el manual. Anote los errores y el tiempo ahorrado, y use esas notas para decidir sobre la segunda etapa.
Siga leyendo: Optimización con IA · Optimización con IA