Durante los últimos años hemos aprendido a hablar con la inteligencia artificial. El siguiente cambio es que la inteligencia artificial pueda trabajar con el contexto real de una organización.
No solo con un documento que acabamos de subir. No solo con una copia parcial de una base de datos. Y no obligándonos a explicar desde cero, en cada conversación, quién es un cliente, cómo funciona nuestro negocio o dónde se encuentra cada dato.
Ahí aparece MCP, o Model Context Protocol.
MCP es un estándar abierto para conectar aplicaciones de inteligencia artificial con sistemas externos: fuentes de datos, herramientas y flujos de trabajo. Su objetivo es reducir la necesidad de construir una integración distinta para cada combinación de modelo, cliente de IA y sistema empresarial.
El problema no es solo que la IA necesite más datos
Una empresa puede tener información repartida entre un ERP, un CRM, documentos, correo, ecommerce, analítica web, herramientas de marketing y aplicaciones internas.
Un modelo de lenguaje puede ser extraordinariamente capaz y, aun así, desconocer casi todo ese contexto.
Por eso muchas experiencias de IA empresarial empiezan así: “te adjunto este Excel”, “estos son nuestros clientes principales”, “ten en cuenta que esta empresa funciona de esta forma” o “copia estos datos del ERP”.
Funciona para tareas concretas. No funciona tan bien cuando queremos que la inteligencia forme parte habitual del trabajo.
El reto no es únicamente dar datos a un modelo. Es establecer una forma consistente de descubrir información, consultar sistemas y, cuando corresponde, utilizar herramientas.
Qué aporta realmente MCP
MCP estandariza la comunicación entre una aplicación de IA y los sistemas capaces de proporcionarle contexto o acciones.
El protocolo trabaja con conceptos como resources, tools y prompts. Los resources pueden aportar contexto; las tools permiten recuperar información o ejecutar funciones; y los prompts pueden representar instrucciones o flujos reutilizables.
Eso permite imaginar una conversación muy distinta.
¿Qué clientes importantes han reducido compras durante los últimos tres meses?
En lugar de exportar datos y reconstruir la pregunta manualmente, una aplicación de IA puede descubrir las capacidades disponibles, obtener la información autorizada y devolver una respuesta utilizando el contexto actual del negocio.
La diferencia parece pequeña en la interfaz. Arquitectónicamente es enorme.
MCP no significa dar acceso ilimitado a la IA
Esta es una de las ideas más importantes: conectar un sistema no debería equivaler a entregar todas sus capacidades.
Una integración empresarial bien diseñada necesita distinguir, como mínimo, entre consultar, buscar, agregar información y modificar datos.
- Leer una factura no es lo mismo que crearla.
- Consultar un cliente no es lo mismo que cambiar sus condiciones.
- Preparar una acción no es lo mismo que ejecutarla.
El protocolo resuelve una parte de la conexión. La política de acceso sigue siendo responsabilidad del sistema construido alrededor: identidad, permisos, aislamiento, confirmaciones y auditoría.
De las integraciones uno a uno a una capa común
Una arquitectura tradicional puede terminar acumulando integraciones específicas: chat con CRM, chat con ERP, otro agente con CRM, otro modelo con documentos, y así sucesivamente.
El coste no está únicamente en escribir código. También aparece al mantener autenticación, permisos, cambios de API, auditoría y comportamientos diferentes entre integraciones.
Una capa compatible con MCP cambia el planteamiento. Los sistemas empresariales pueden exponer recursos y herramientas mediante una interfaz común, mientras distintos clientes de IA consumen esas capacidades respetando sus propios modelos de seguridad y experiencia de usuario.
Eso reduce acoplamiento y permite que la infraestructura de contexto tenga una vida más larga que una aplicación de chat concreta.
MCP, RAG y APIs no son lo mismo
Es fácil mezclar conceptos.
Una API permite que dos sistemas se comuniquen. RAG permite recuperar información relevante para incorporarla al contexto de un modelo. MCP define una interfaz común mediante la que una aplicación de IA puede descubrir y utilizar contexto y capacidades externas.
No son tecnologías necesariamente competidoras.
Un servidor MCP puede terminar llamando a una API. Una herramienta expuesta mediante MCP puede utilizar búsqueda semántica. Una arquitectura empresarial puede combinar bases de datos, RAG, APIs tradicionales y MCP.
La pregunta útil no es cuál sustituye a las demás, sino qué responsabilidad debe asumir cada capa.
Un ejemplo: preguntar a una empresa, no a una aplicación
Imaginemos una empresa que utiliza un ERP para ventas y facturación, un ecommerce, herramientas web y documentación interna.
¿Qué productos con buen margen y stock disponible están perdiendo demanda online?
Responder esta pregunta puede necesitar información que vive en tres o cuatro lugares distintos.
Tradicionalmente una persona debe abrir cada sistema y reconstruir manualmente la respuesta. Una arquitectura conectada permite invertir el proceso: la pregunta determina qué contexto hace falta.
La inteligencia deja de trabajar sobre “la aplicación que tenemos abierta” y empieza a trabajar sobre la realidad que el usuario está autorizado a consultar.
El verdadero problema empresarial será la gobernanza
Cuanta más capacidad tiene una inteligencia, más importante resulta saber qué fuente está utilizando, qué usuario hace la petición, en qué contexto organizativo trabaja, qué operaciones están permitidas, qué acciones requieren confirmación y qué ocurrió después.
Por eso conectar IA a una empresa no debería reducirse a instalar un conector.
La infraestructura necesita identidad, aislamiento, permisos, capacidades y trazabilidad.
El objetivo no es conseguir que “la IA tenga acceso a todo”. Es exactamente el contrario: darle acceso únicamente al contexto y las capacidades necesarias para la tarea que una persona está autorizada a realizar.
MCP es infraestructura, no el producto final
Probablemente el usuario de una empresa nunca necesite saber qué versión de MCP utiliza, igual que no necesita pensar constantemente en HTTP para navegar por una web.
El valor aparecerá cuando pueda hacer preguntas y ejecutar procesos desde la herramienta que ya utiliza, mientras debajo existe una infraestructura capaz de relacionar identidad, contexto, sistemas y acciones.
MCP ayuda a estandarizar una parte esencial de esa infraestructura. Y esa estandarización puede ser lo que permita pasar de una colección de demos de IA a sistemas que realmente forman parte de la operación diaria.
Un caso concreto: ChatGPT y Odoo
Una de las aplicaciones más directas es utilizar una interfaz conversacional para consultar o trabajar con un ERP sin eliminar los controles del sistema original. En Cómo conectar ChatGPT con Odoo de forma segura desarrollamos ese caso paso a paso.
Neurona Connect trabaja precisamente en esta capa: conectar clientes de IA con sistemas reales de una organización manteniendo contexto, permisos y control. Ver Neurona Connect.