MCP: dar herramientas reales a la IA

Pregúntale a Claude qué tienes en el calendario mañana y no puede responder. Nunca ha visto tu calendario, y no tiene forma de alcanzarlo. Esta lección trata de cómo se cerró ese hueco — para todos los modelos y todas las herramientas a la vez.

Un modelo de lenguaje, por sí solo, solo puede leer y escribir texto. Puede razonar sobre tu calendario en abstracto, pero no puede abrirlo, porque el modelo es algo fijo que terminó su entrenamiento hace meses y vive lejísimos de tus datos. Para volverlo útil, tienes que conectarlo al mundo real — tus archivos, tu base de datos, una API, tu calendario. La pregunta es cómo.

Por qué tenía que existir un estándar

Hace un año, los conectabas a mano. Escribías una integración a medida — código que pegaba un modelo concreto a un calendario concreto. Funcionaba, hasta que salía un modelo nuevo y la escribías otra vez, o el calendario cambiaba su API y la escribías una tercera vez. Ahora multiplica eso por toda una empresa. Si seis aplicaciones de IA quieren cada una alcanzar seis fuentes de datos, eso no son doce integraciones que construir y mantener. Son seis por seis —treinta y seis—, cada una un trozo pequeño y frágil de código a medida.

El Model Context Protocol (MCP) es la solución. Anthropic lo lanzó como estándar abierto en noviembre de 2024: un único lenguaje compartido que cualquier modelo y cualquier herramienta pueden hablar. Ponlo en el medio, y ese mismo alcance de seis por seis cuesta seis más seis —doce—. Escribes cada conexión una sola vez, contra el protocolo, y todos los modelos que hablan MCP pueden usarla. Ese colapso, de N por M a N más M, es toda la razón de su existencia.

Las tres partes, y qué hace cada una

Toda configuración de MCP tiene los mismos tres roles. Aprende estas tres palabras y el resto del protocolo encaja en su sitio.

Así que cuando conectas Claude Desktop (el host) a un calendario, en realidad estás apuntando su cliente a un servidor de calendario. Quédate con esos tres; la siguiente sección lleva una pregunta real a través de todos ellos.

Una petición, rastreada de principio a fin

Esto es exactamente lo que ocurre entre tu pregunta y la respuesta. Sigue “¿qué tengo en el calendario mañana?” a lo largo de cuatro pasos.

{ "method": "tools/call",
  "params": { "name": "list_events",
              "arguments": { "date": "2026-07-01" } } }

Ese bucle —descubrir, decidir, ejecutar, responder— es MCP en una sola respiración. El modelo aporta el razonamiento; el servidor aporta el alcance.

Tres cosas que un servidor puede ofrecer (y quién elige cada una)

Un servidor no solo expone herramientas. Ofrece tres clases de cosa, y la forma de no confundirlas es preguntar quién decide usarla.

Una forma corta de recordarlo: las herramientas hacen, los recursos muestran, los prompts guían — elegidos por el modelo, la app y tú, en ese orden.

Configurar uno tú mismo

Casi nunca escribes un servidor — instalas uno que ya existe. Añadir el servidor oficial de sistema de archivos a Claude Desktop, para que el modelo pueda leer una carpeta de tus notas, son unas pocas líneas en un archivo de configuración. Abre claude_desktop_config.json y añade:

{
  "mcpServers": {
    "filesystem": {
      "command": "npx",
      "args": ["-y", "@modelcontextprotocol/server-filesystem", "/Users/me/notes"]
    }
  }
}

Leyéndolo de vuelta: mcpServers es la lista de servidores que arrancar; filesystem es el nombre que le das a este; command y args le dicen al host cómo lanzarlo — ejecútalo con npx y concédele la única carpeta /Users/me/notes. Reinicia Claude, y el paso de descubrimiento de antes ocurre automáticamente. Pídele que resuma una nota y obsérvalo alcanzar dentro de la carpeta. Sin pegamento, sin recompilar — configuración, no código.

Los dos errores que todo el mundo comete al principio

El primero es recurrir a una herramienta cuando querías un recurso. Si el modelo nunca necesita decidir traer algo —simplemente debería tenerlo siempre, como el archivo en el que estás trabajando—, conviértelo en un recurso. Forzarlo a pasar por una llamada a herramienta añade una decisión que el modelo puede equivocar, sin razón alguna.

El segundo es darle a un servidor más alcance del que el trabajo necesita. Cada herramienta que expones es una capacidad que has concedido, y “enviar correo” es también “enviar el correo equivocado a todo el mundo”. Limita el alcance de cada servidor de forma estricta — fíjate en que la configuración de arriba le dio al servidor de sistema de archivos una carpeta, no todo tu disco. Concede el menor acceso que haga el trabajo, y nada más.

Prueba esto a continuación

Añade el servidor de sistema de archivos de arriba a una carpeta de tus propias notas y hazle a Claude una pregunta sobre ellas. Luego explora los servidores oficiales de referencia y la lista awesome-mcp-servers de la comunidad — encontrarás servidores para GitHub, Postgres, Slack y cientos más. Ver la variedad es la forma más rápida de entender qué significa realmente “darle una herramienta al modelo”. La siguiente lección recorre ese ecosistema como es debido.

Basado en Anthropic, Introducing the Model Context Protocol (nov. 2024); documentación de Model Context Protocol, Architecture y example servers.