Un MCP server (servidor del Model Context Protocol) es un proceso de software en ejecución que expone tus herramientas, datos y sistemas a un agente de IA mediante una interfaz estandarizada. Cuando un proveedor dice que su producto tiene “soporte MCP,” significa que su software puede conectarse a una IA como Claude para que la IA pueda leer datos de él, realizar acciones en él, o ambas cosas — sin código de integración personalizado de tu parte. MCP es un estándar abierto, publicado por primera vez por Anthropic en noviembre de 2024 y ahora gobernado por la Agentic AI Foundation (AAIF) de la Linux Foundation, con adopción de Anthropic, OpenAI y Google DeepMind a principios de 2026.
Lo que NO es
MCP no es un producto que compras. No pagas por MCP. Es un protocolo — una especificación de cómo los agentes de IA y los sistemas de software se comunican entre sí. Piénsalo como HTTP, el protocolo que gobierna cómo los navegadores web solicitan páginas: HTTP no es un navegador ni un servidor, es el lenguaje acordado que ambos hablan.
MCP no es una garantía de preparación para producción. Un proveedor que afirma “soporte MCP” puede significar cualquier cosa, desde “implementamos la especificación base del protocolo en un fin de semana” hasta “operamos un MCP server alojado y endurecido, con cumplimiento SOC 2 y SLAs de uptime.” El cumplimiento del protocolo y la calidad operativa son cosas separadas, y la brecha entre ellas es donde reside el riesgo real del comprador.
MCP no es un agente ni una IA. Es la infraestructura que conecta un agente de IA a un sistema. El agente — Claude u otro LLM — es separado del MCP server. Un MCP server de Salesforce expone los datos de tu CRM a Claude; Claude sigue siendo Claude.
Cómo funciona (versión no técnica)
Un MCP server tiene tres tipos de cosas que puede ofrecer a un agente de IA:
- Tools — acciones que la IA puede realizar: crear un contacto, actualizar una etapa de deal, ejecutar una consulta de búsqueda, enviar un mensaje, disparar un workflow. Estas son las más delicadas desde el punto de vista de los permisos; escriben o actúan en tu nombre.
- Resources — datos que la IA puede leer: archivos, registros de bases de datos, eventos de calendario, texto de contratos, requisiciones de trabajo, datos de pipeline. Solo lectura. Menor riesgo.
- Prompts — plantillas prediseñadas que la IA puede invocar: consultas estructuradas, instrucciones de workflow especializadas empaquetadas del lado del servidor.
Cuando registras un MCP server en Claude (vía Claude Code, la app de escritorio de Claude, o un plugin), Claude descubre qué tools y resources ofrece el servidor leyendo el manifiesto del servidor. A partir de ese punto, cuando le pides a Claude que haga algo que coincida con uno de esos tools — “actualiza la etapa del deal de Acme Corp a Propuesta” — Claude llama al tool, el MCP server ejecuta la acción contra el sistema real, y Claude informa el resultado.
La capa de transporte es stdio (para un servidor local que corre en tu máquina) o HTTP/SSE (para un servidor alojado al que te conectas por internet). La mayoría de los servidores provistos por proveedores son HTTP/SSE. Los servidores locales son más comunes en workflows de desarrollo.
Lo que “soporte MCP” realmente significa en un pitch de proveedor
Los proveedores han comenzado a agregar “soporte MCP” a su posicionamiento. La frase puede significar varias cosas distintas:
- Nivel 1 — Compatible con el protocolo. El proveedor construyó un servidor que sigue la especificación JSON-RPC 2.0 que subyace a MCP. Funciona en demos. Es el mínimo para afirmar soporte MCP. El token refresh, el rate limiting y la paginación pueden no estar manejados. El uso en producción requiere que tu equipo gestione la complejidad operativa.
- Nivel 2 — Alojado y mantenido. El proveedor ejecuta el MCP server por ti. Maneja el ciclo de vida de tokens OAuth (para que tu IA pueda autenticarse a las 2 AM cuando los tokens expiran), aplica rate limiting contra la API subyacente y proporciona un SLA de uptime. Esto es lo que los equipos de operaciones realmente necesitan para ejecutar workflows de IA confiables.
- Nivel 3 — MCP gestionado. Un proveedor externo genera y mantiene MCP servers para muchas herramientas SaaS desde una capa gestionada única, manejando el aislamiento multi-tenant y la complejidad operativa.
La diferencia entre el Nivel 1 y el Nivel 2 no es visible en el material de marketing. Tienes que preguntar.
Las cinco preguntas para hacerle a cualquier proveedor que afirme soporte MCP
Antes de depender del MCP server de un proveedor en un workflow, obtén respuestas a estas:
- “¿Con qué plataformas de IA han hecho pruebas?” Si dicen “lo construimos según la especificación,” eso es Nivel 1. Si nombran plataformas específicas probadas y clientes empresariales usándolo en producción, es más creíble.
- “¿Qué sucede cuando un token OAuth expira en medio de un workflow?” Si no pueden describir el comportamiento de token refresh específicamente, no lo han manejado. Esto importa para las ejecuciones agénticas nocturnas y las tareas programadas.
- “¿Puedo restringir mi agente de IA a acceso de solo lectura?” Las implementaciones responsables de MCP te permiten configurar si la IA solo puede leer datos o también puede escribir y actuar. Si dicen que no o parecen confundidos, el radio de daño de un workflow de IA mal configurado es más grande de lo necesario.
- “¿Manejan el rate limiting en mi nombre?” Tu HubSpot, Salesforce y Greenhouse tienen límites de velocidad de API diferentes. Si el MCP server del proveedor no maneja esto, tus workflows de IA comenzarán a fallar cuando alcancen escala.
- “¿Cuál es su SLA si el MCP server se cae?” Un MCP server ahora está en el camino crítico de tu workflow de IA. Entiende si el tiempo de inactividad es aceptable o si necesitas un servicio alojado con SLA.
Por qué importa para líderes de operaciones ahora
El ecosistema de MCP tenía más de 10.000 servidores públicos activos a principios de 2026 (fuente: reportes del ecosistema de Anthropic). Tus proveedores de RevOps, Legal Ops y Recruiting están añadiendo soporte MCP para mantenerse relevantes ante equipos AI-first. Esto crea tres oportunidades concretas y un riesgo real:
Oportunidades:
- Los agentes de IA (Claude, configurado con skills) pueden leer y actualizar directamente tus sistemas sin integraciones personalizadas o wrappers de API. Un agente de revisión de deals puede extraer datos MEDDICC de Salesforce vía MCP y actualizarlos después de la llamada, sin entrada manual de datos.
- Los coordinadores de recruiting pueden ejecutar agentes de sourcing que leen requisiciones de trabajo de tu ATS vía MCP, buscan candidatos y crean borradores de outreach — todo dentro de una sola conversación de Claude.
- Los equipos legales pueden conectar sistemas CLM vía MCP para que el análisis de contratos se ejecute contra documentos en tiempo real, no copias desactualizadas.
El riesgo: “soporte MCP” como checkbox de proveedor no significa infraestructura confiable de producción. Trata las afirmaciones de MCP de los proveedores como lo harías con cualquier afirmación de integración de API: pregunta sobre uptime, manejo de errores, gestión de tokens y comportamiento de rate limiting antes de construir workflows sobre ello.
MCP y Claude Skills trabajando juntos
Un MCP server solo le da a Claude acceso a datos y capacidad de acción. No le da la metodología de razonamiento de tu equipo. Combinar un MCP server con un Claude skill — el skill aportando el procedimiento, el MCP server aportando los datos en tiempo real — es lo que produce workflows de IA que son tanto precisos como consistentes. Un skill de riesgo contractual conectado a un MCP server de CLM superará a cualquiera de las capas por sí sola, porque el skill codifica tus umbrales de riesgo y el MCP server proporciona el texto actual del contrato. Para una comparación completa de estas dos capas, ver Claude Skill vs MCP server.
Errores comunes
- Confiar en “soporte MCP” sin preguntar sobre la calidad operativa. La especificación del protocolo y la infraestructura de producción son cosas diferentes. Siempre pregunta sobre la distinción entre Nivel 1 y Nivel 2 antes de depender de un servidor.
- Dar al agente de IA acceso de escritura cuando el acceso de solo lectura cubre el caso de uso. Comienza con acceso MCP de solo lectura. Agrega tools de escritura de forma incremental, uno a la vez, y verifica el alcance antes de habilitarlos. Un agente de IA que puede sobrescribir registros de deals o enviar emails necesita controles de alcance estrictos.
- Asumir que MCP elimina el trabajo de integración. Incluso en el Nivel 2, alguien configuró la app OAuth, registró el servidor y probó las salidas de los tools. MCP reduce sustancialmente el costo de integración frente al código personalizado, pero no elimina el paso de configuración.
Relacionado
- Claude Skill vs MCP server — cómo combinar las dos capas para workflows de operaciones
- Claude — el agente de IA que consume MCP servers