MCP (Model Context Protocol)

MCP (Model Context Protocol) es un estándar abierto que define una forma común de conectar modelos de IA y agentes con herramientas, fuentes de datos y aplicaciones externas. En lugar de programar una integración a medida para cada combinación de modelo y sistema, MCP propone un único protocolo que ambos lados entienden, igual que un puerto USB-C reemplaza un cajón lleno de cables propietarios.

Fue presentado por Anthropic a fines de 2024 y rápidamente adoptado por buena parte del ecosistema de IA. La idea central es separar dos roles: un servidor MCP expone capacidades (consultar una base, leer archivos, llamar a una API) y un cliente MCP (el modelo o la aplicación que lo hospeda) las descubre y las usa de forma estandarizada. Así, una herramienta escrita una vez queda disponible para cualquier agente compatible.

En la práctica, MCP es la plomería que conecta a un agente de IA con el mundo real de los sistemas de una empresa. Cuando ese mundo es Salesforce y el resto del stack corporativo, MCP es una de las piezas que habilita ese diálogo, parte de lo que se ordena al diseñar la integración con Salesforce.

El problema que MCP viene a resolver

Antes de MCP, conectar un modelo de lenguaje a los sistemas de una empresa era un trabajo artesanal. Cada equipo escribía su propio "pegamento": un conector ad hoc para el CRM, otro para la base de datos, otro para el sistema de tickets. Si cambiabas de modelo o de proveedor, gran parte de ese trabajo se tiraba a la basura. Es el clásico problema de combinatoria M por N: con M modelos y N herramientas, terminás manteniendo M multiplicado por N integraciones distintas, cada una con su propia lógica de autenticación, formato y manejo de errores.

MCP convierte ese problema en M más N. Cada modelo habla MCP una sola vez y cada herramienta expone MCP una sola vez; el protocolo en el medio hace que todo se entienda. Esa es la razón por la que se lo describe como el "USB-C de las aplicaciones de IA": un conector universal que reemplaza el enredo de cables propietarios.

Cómo funciona, en términos simples

MCP define una arquitectura cliente-servidor con tres piezas:

• Host: la aplicación que usa la IA (por ejemplo un asistente, un IDE o una plataforma de agentes). Contiene al cliente.
• Cliente MCP: el componente que mantiene la conexión y traduce entre el modelo y el servidor.
• Servidor MCP: el programa que expone capacidades concretas hacia un sistema externo (Salesforce, una base de datos, Google Drive, una API interna).

El protocolo estandariza tres tipos de capacidad que un servidor puede ofrecer: tools (acciones que el modelo puede ejecutar, como crear una oportunidad o consultar un saldo), resources (datos de solo lectura que aportan contexto, como un documento o un registro) y prompts (plantillas reutilizables de instrucciones). El modelo descubre estas capacidades en tiempo real y decide cuándo invocarlas mediante tool calling.

Por qué le importa a un negocio

El valor de MCP no es técnico por sí mismo, sino estratégico: reduce drásticamente el costo y el tiempo de conectar la IA a los datos donde realmente vive el negocio. Un agente de IA sin acceso a datos solo conversa; con MCP puede leer el estado real de un pedido, actualizar una oportunidad en el CRM o disparar un flujo. Además, al ser un estándar, evita el lock-in: si mañana cambiás de modelo, los servidores MCP que construiste siguen sirviendo.

Para una empresa en Argentina o LATAM que ya corre su operación sobre Salesforce, esto se traduce en algo muy concreto. Imaginá una distribuidora de Consumo Masivo cuyo equipo comercial pregunta por WhatsApp: "¿cuánto stock de este SKU tenemos y cuándo llega la próxima reposición?". Con un servidor MCP que expone el inventario y otro que consulta Salesforce, el agente arma la respuesta combinando ambas fuentes, sin que nadie haya programado esa pregunta específica de antemano. La misma plomería sirve después para cobranzas, para forecast de ventas o para soporte.

MCP frente a otras formas de integrar

MCP no reemplaza a las APIs ni a los enfoques previos: se apoya en ellos y agrega una capa estándar pensada para que la consuma un modelo. Conviene ubicarlo frente a sus parientes cercanos:

La diferencia clave con el tool calling clásico es la portabilidad: el tool calling describe el mecanismo por el cual un modelo decide llamar a una función, mientras que MCP estandariza cómo se publican y se descubren esas funciones para que sirvan a cualquier modelo compatible. Y a diferencia de RAG, que se centra en recuperar texto para dar contexto, MCP habilita tanto lectura como acción sobre sistemas vivos.

Errores comunes al pensar en MCP

• Creer que MCP "es la IA": no lo es. Es la conexión; el razonamiento sigue estando en el LLM.
• Exponer un servidor MCP sin controles: cada tool que habilitás es una acción real que el modelo puede ejecutar, así que la autenticación, los permisos y los guardrails son tan importantes como en cualquier integración.
• Asumir que reemplaza tu API: en general la envuelve, no la elimina.

En síntesis, MCP es el estándar que está convirtiendo a los agentes de IA de demos conversacionales en operadores conectados a los sistemas reales de la empresa, con menos código pegado a mano y más reutilización.