NOTICIA 20 junio 2026
✍️ Carlos Montiel
⏱ 12 min lectura
El Model Context Protocol (MCP) es hoy el estándar universal para conectar LLMs con herramientas externas, APIs y bases de datos empresariales. Con más de 19,800 servidores indexados y un nuevo spec 2026 que lo hace stateless, MCP es la infraestructura de integración de la era de los agentes.
19,831+
Servidores MCP indexados (Glama, marzo 2026)
97M
Descargas mensuales del SDK oficial
9,652
Servidores en MCP Registry oficial
4+
Proveedores principales: Anthropic, OpenAI, Google, Microsoft
¿Qué es MCP y por qué importa?
Creado por Anthropic en 2024 y donado en diciembre de 2025 a la Agentic AI Foundation (Linux Foundation), MCP define cómo un LLM puede descubrir y usar herramientas externas de manera estandarizada. Sin MCP, cada integración requería código personalizado. Con MCP, cualquier servidor compatible funciona con cualquier LLM compatible.
OpenAI adoptó MCP en marzo de 2026, seguido por Google y Microsoft. Hoy, MCP es el USB-C del mundo de agentes de IA: el conector universal que hace que todo funcione junto.
El spec MCP 2026: el gran cambio a stateless
El Release Candidate del spec MCP 2026-07-28 introduce el cambio más importante desde el lanzamiento inicial: MCP pasa a ser stateless a nivel de protocolo.
| Característica | MCP 2025 (stateful) | MCP 2026 (stateless) |
|---|
| Transporte | WebSocket con sesión persistente | HTTP estándar — sin sesión |
| Escalado | Complejo — sticky sessions requeridas | Simple — cualquier load balancer |
| Autenticación | Múltiples mecanismos | OAuth 2.1 mandatorio |
| Server-initiated prompts | Permitidos | Eliminados (seguridad) |
| Extensiones | Básicas | MCP Apps (UI) + Tasks (larga duración) |
Las tres primitivas de MCP
Un servidor MCP expone tres tipos de capacidades que el LLM puede usar:
- Tools: Funciones que el LLM puede invocar — consultar BD, enviar email, llamar a una API externa
- Resources: Datos que el LLM puede leer — archivos, repositorios, registros de base de datos
- Prompts: Templates reutilizables para tareas específicas del servidor
El diseño es plug-and-play: añadir un servidor MCP nuevo le da al agente nuevas capacidades sin cambiar el código del agente. Para empresas, esto significa que cada sistema interno puede convertirse en una herramienta del agente con un servidor MCP.
Casos de uso empresariales con MCP
- Servidor MCP para Salesforce / HubSpot: El agente consulta, crea y actualiza oportunidades directamente desde el CRM
- Servidor MCP para PostgreSQL / MySQL: El agente ejecuta queries SQL en bases de datos internas
- Servidor MCP para GitHub / GitLab: Revisa PRs, crea issues, hace code review automatizado
- Servidor MCP para Google Drive / SharePoint: Lee documentos corporativos y genera reportes
- Servidor MCP corporativo personalizado: Conecta a tus APIs internas y sistemas propietarios
El patrón más poderoso: un agente con 5–10 servidores MCP conectados puede automatizar flujos end-to-end completos sin que ningún sistema necesite saber de los demás.
Cómo construir un servidor MCP en Python
# Servidor MCP empresarial — Python SDK oficial
from mcp.server import Server
from mcp.server.stdio import stdio_server
from mcp.server.models import InitializationOptions
from mcp.types import Tool, TextContent
import mcp.types as types
app = Server("servidor-crm-empresa")
@app.list_tools()
async def handle_list_tools() -> list[Tool]:
return [
Tool(
name="consultar_clientes",
description="Consulta clientes por nombre, email o ID en el CRM",
inputSchema={
"type": "object",
"properties": {
"criterio": {"type": "string"},
"limite": {"type": "integer", "default": 10}
},
"required": ["criterio"]
}
),
Tool(
name="crear_ticket_soporte",
description="Crea un ticket de soporte con prioridad",
inputSchema={
"type": "object",
"properties": {
"cliente_id": {"type": "string"},
"descripcion": {"type": "string"},
"prioridad": {"type": "string", "enum": ["baja","media","alta","critica"]}
},
"required": ["cliente_id", "descripcion", "prioridad"]
}
)
]
@app.call_tool()
async def handle_call_tool(name: str, args: dict) -> list[TextContent]:
if name == "consultar_clientes":
# Tu logica de BD aqui
resultados = db.buscar_clientes(args["criterio"], args.get("limite", 10))
return [TextContent(type="text", text=str(resultados))]
elif name == "crear_ticket_soporte":
ticket_id = crm.crear_ticket(**args)
return [TextContent(type="text", text=f"Ticket #{ticket_id} creado")]
async def main():
async with stdio_server() as (read, write):
await app.run(read, write, InitializationOptions())
¿Quieres conectar tus sistemas con agentes MCP?
Carlos Montiel diseña e implementa servidores MCP personalizados que conectan tus sistemas empresariales (CRM, ERP, BD) con agentes de IA. Arquitectura, seguridad y despliegue incluidos.
Contactar a Carlos Montiel
Carlos Montiel
Arquitecto de Soluciones IA Empresarial · guatemalia.com
Especialista en MCP, LangChain, LangGraph y arquitecturas de agentes para empresas en Guatemala y Latinoamérica. Contacto: guatemalia.com/#contacto