Qué es un MCP y por qué tu empresa va a acabar montando uno

Por Miguel Quílez, Director de Hiberus Booster · Actualizado el 8 de septiembre de 2026

MCP son las siglas de Model Context Protocol, un protocolo abierto que define una forma común para que un modelo de IA lea datos y ejecute acciones sobre los sistemas de una empresa. Lo publicó Anthropic como código abierto el 25 de noviembre de 2024 y, desde el 9 de diciembre de 2025, ya no depende de un único fabricante: el proyecto vive dentro de la Agentic AI Foundation, una fundación de la Linux Foundation cofundada junto con Block y OpenAI. Esta guía explica qué problema resuelve MCP, cómo funciona un servidor MCP por dentro y cuándo empieza a tener sentido que una empresa construya el suyo propio sobre sus sistemas internos.

La firma Miguel Quílez, director de Hiberus Booster, la unidad de aceleración digital e IA de Hiberus, primera consultora tecnológica española de capital privado con más de 4.000 profesionales y +250 millones de euros de ingresos. Está pensada para equipos técnicos y directivos que ya usan asistentes de IA y se preguntan cómo conectarlos, de forma seria, a lo que tienen dentro.

Qué es un MCP y qué problema resuelve

Antes de que existiera un estándar común, conectar un modelo de IA a un sistema de empresa era, literalmente, un desarrollo a medida por cada combinación. Si querías que un asistente de IA leyera datos de un CRM y también consultara una base de datos interna, escribías dos integraciones distintas, con su propia autenticación, su propio formato de respuesta y su propio mantenimiento. Si al mes siguiente cambiabas de modelo o de proveedor, había que rehacer parte de ese trabajo, porque cada modelo tenía su propia forma de recibir contexto y de invocar herramientas.

MCP resuelve exactamente ese problema de multiplicación. En lugar de construir una integración distinta por cada par modelo-sistema, se construye un servidor MCP una vez por cada sistema, y cualquier cliente que hable el protocolo puede conectarse a él sin desarrollo adicional. El servidor actúa de intermediario: expone de forma ordenada qué datos puede leer el modelo y qué acciones puede ejecutar, y el cliente (Claude Desktop, Claude Code o cualquier otra aplicación compatible) se limita a hablar ese mismo idioma con cualquier servidor que lo implemente. La integración deja de ser un problema de cada aplicación de IA y pasa a ser un problema de cada sistema, resuelto una sola vez.

De protocolo de un fabricante a estándar de la industria

MCP nació dentro de Anthropic y así siguió durante su primer año: un protocolo abierto en cuanto a su especificación, pero desarrollado y liderado por una sola compañía. Eso cambió el 9 de diciembre de 2025, cuando Anthropic donó el proyecto a la Agentic AI Foundation, una fundación creada dentro de la Linux Foundation y cofundada junto con Block y OpenAI. Es un detalle que importa más de lo que parece a primera vista: OpenAI es, en el terreno de los modelos, un competidor directo de Anthropic, y aun así ambas compañías cofundaron la fundación que ahora gobierna el protocolo.

La consecuencia práctica es que MCP dejó de ser una apuesta de un solo proveedor para convertirse en infraestructura compartida, con el mismo tipo de gobernanza abierta que tienen otros proyectos alojados en la Linux Foundation. La especificación se sigue publicando por fechas de revisión en lugar de números de versión; la vigente en el momento de escribir esta guía es la 2026-07-28.

Cómo funciona un servidor MCP: los tres primitivos

Un servidor MCP no es una caja negra: expone su funcionalidad a través de tres primitivos bien definidos. Cada uno resuelve una necesidad distinta del modelo que se conecta a él.

Primitivo	Qué expone	Para qué sirve
Resources	Datos que el modelo puede leer: un documento, una fila de una base de datos, el contenido de un archivo	Dar contexto al modelo sin que tenga que ejecutar ninguna acción sobre el sistema
Prompts	Plantillas de instrucciones reutilizables que define el propio servidor	Estandarizar cómo se le pide al modelo una tarea concreta, sin que cada cliente la reescriba a su manera
Tools	Acciones que el modelo puede ejecutar: crear un registro, enviar un mensaje, lanzar una consulta	Permitir que el modelo actúe sobre el sistema, no solo que lo lea

Además de estos tres primitivos del lado del servidor, existe un cuarto mecanismo del lado del cliente llamado Elicitation. Permite que el servidor le pida al usuario información adicional en mitad de una interacción, por ejemplo para confirmar una acción antes de ejecutarla o para pedir un dato que faltaba. Es la pieza que hace posible que un servidor MCP no actúe a ciegas cuando le falta contexto.

Cómo se conecta un modelo a un servidor MCP

Un cliente MCP puede hablar con un servidor por uno de dos transportes. El primero es stdio, pensado para un servidor que corre como proceso local en la misma máquina que el cliente: es el caso típico de un servidor que da acceso al sistema de archivos o a una herramienta instalada localmente. El segundo es Streamable HTTP, pensado para un servidor remoto al que se accede por red, como el que expondría un sistema interno de empresa para que varios clientes se conecten a él sin instalar nada en local.

Hubo un tercer transporte, HTTP+SSE, que formó parte de versiones anteriores de la especificación. Quedó deprecado en la revisión del 26 de marzo de 2025 (2025-03-26) en favor de Streamable HTTP, que resuelve los mismos casos de uso remoto con un diseño más simple.

El malentendido más habitual sobre MCP

Como el protocolo nació dentro de Anthropic, es fácil asumir que MCP es "el protocolo de Claude" o que solo tiene sentido si se trabaja con sus modelos. Es un malentendido comprensible, pero incorrecto desde el momento en que la gobernanza del proyecto pasó a manos de una fundación independiente con la participación de un competidor directo en el mercado de modelos.

Malentendido típico: pensar que MCP es una tecnología propietaria de Anthropic. Desde diciembre de 2025 vive bajo la Agentic AI Foundation, dentro de la Linux Foundation, cofundada por Anthropic junto con Block y OpenAI. Un servidor MCP construido hoy puede hablar, en teoría, con clientes de fabricantes distintos que implementen el mismo protocolo.

Los SDK oficiales y dónde vive la configuración

Construir un servidor o un cliente MCP no exige empezar de cero: existen SDK oficiales mantenidos como parte del propio proyecto. Los de nivel Tier 1, el más alto grado de soporte y mantenimiento, cubren TypeScript, Python, Java, Kotlin y C#. El SDK de Ruby alcanzó su versión 1.0 el 27 de julio de 2026, sumándose al ecosistema de lenguajes con soporte oficial.

Del lado de dónde vive la configuración, cada cliente tiene su propio archivo. En Claude Desktop, los servidores MCP se configuran en ~/Library/Application Support/Claude/claude_desktop_config.json. En Claude Code, un servidor se añade con el comando claude mcp add --transport ..., y la configuración queda guardada en ~/.claude.json o, si se prefiere que viaje con el proyecto y no con la máquina, en un archivo .mcp.json dentro del propio repositorio.

Cuándo tiene sentido montar tu propio servidor MCP

La mayoría de empresas no necesitan construir un servidor MCP para cada escenario: para herramientas y servicios ampliamente usados ya existen servidores hechos y mantenidos por terceros. La pregunta cambia cuando el sistema en cuestión es propio: un ERP con años de personalización, una base de datos interna, un sistema legacy sin ninguna integración pública. Ahí no hay servidor que instalar, porque no existe.

Es en ese punto donde construir un servidor MCP propio empieza a tener sentido, y no solo por comodidad técnica. El servidor obliga a decidir explícitamente qué datos se convierten en Resources, qué acciones se convierten en Tools y con qué alcance, en lugar de dar a un agente de IA acceso directo y sin filtro a una base de datos o a una API interna. Es la diferencia entre exponer exactamente lo que un modelo necesita para hacer su trabajo y exponer todo el sistema por si acaso.

Cómo acompaña Hiberus Booster estos proyectos

Hiberus Booster trabaja con equipos que ya usan agentes de IA en su día a día y se plantean el siguiente paso: conectarlos a sus propios sistemas sin exponer más de lo necesario. Eso implica decidir qué datos se convierten en Resources, qué acciones se convierten en Tools seguras de ejecutar, si conviene un servidor local por stdio o uno remoto por Streamable HTTP, y con qué SDK construirlo según el stack ya existente en la empresa. El respaldo es el de un grupo con más de 4.000 profesionales y casos productivos de IA en banca, industria, retail y sector público. Si estás valorando montar un servidor MCP sobre un sistema propio, la primera conversación es gratuita y sirve para aclarar el punto de partida, no para vender un proyecto cerrado de antemano.