MCP: el estándar que deja a los agentes de IA consultar tu negocio

Los agentes de IA dejaron de solo leer tu web: ahora la consultan. El Model Context Protocol (MCP) —el estándar abierto que Anthropic publicó en noviembre de 2024 y que OpenAI, Google y Microsoft adoptaron durante 2025— define cómo un agente le pide datos a tu negocio como funciones que puede llamar, no como HTML que scrapear. Exponer un servidor MCP es darle a la IA una puerta estructurada a tu catálogo, tus precios y tu documentación. Esta es la guía técnica de por qué importa y cómo empezar.

La optimización para motores de IA (AEO) tiene dos capas. La primera —contenido citable, schema.org, llms.txt— hace que un motor entienda y cite tu sitio cuando responde. La segunda, más nueva, es para agentes que no solo responden: actúan. Cuando un agente necesita el precio vigente de tu plan o el estado de un pedido, leer y re-interpretar tu HTML es lento y frágil. MCP le da una alternativa: preguntarle directo a tu sistema.

La analogía que usó el propio Anthropic al presentarlo es "un USB-C para las aplicaciones de IA": un conector estándar entre el modelo y el mundo exterior. Antes de MCP, cada integración entre un asistente y una fuente de datos era a medida. Con MCP, cualquier cliente compatible —ChatGPT, Claude, un agente propio— descubre y usa las capacidades que tú expones, sin integración bespoke.

¿Qué es MCP y de dónde salió?

MCP es un protocolo abierto que Anthropic publicó y liberó como código abierto en noviembre de 2024. Estandariza la conexión entre una aplicación de IA (el cliente) y una fuente de datos o herramientas (el servidor). La comunicación usa JSON-RPC 2.0, el mismo formato de llamada a procedimientos que ya usan editores de código y herramientas de desarrollo — probado, simple y agnóstico del lenguaje.

Lo que convirtió a MCP en estándar de facto no fue el anuncio, sino la adopción. Durante 2025, OpenAI sumó soporte de MCP en su Agents SDK y en los conectores de ChatGPT; Google lo integró en Gemini y en su Agent Development Kit; y Microsoft lo llevó a Copilot Studio. Cuando los tres laboratorios más grandes hablan el mismo protocolo, construir para uno es construir para todos.

¿Qué expone un servidor MCP?

Un servidor MCP publica tres tipos de capacidad. Tools: funciones que el modelo puede ejecutar (consultar un precio, buscar un pedido, listar productos). Resources: datos que el modelo puede leer (documentos, registros). Prompts: plantillas de interacción predefinidas. Para la mayoría de los negocios, las tools son el corazón: cada una es una pregunta que un agente le hace a tu sistema y recibe una respuesta estructurada, no un párrafo que interpretar.

Cada tool declara su nombre, una descripción en lenguaje natural —que el modelo lee para decidir cuándo usarla— y un inputSchema en JSON Schema que define qué parámetros acepta. El modelo elige la tool y arma la llamada; el servidor responde con datos. Nada de scraping, nada de adivinar el layout de tu HTML.

¿Cómo descubre y conecta un agente tu servidor?

Igual que un buscador encuentra tu sitio por su sitemap, un agente encuentra tu servidor MCP por discovery: una tarjeta estática —normalmente bajo /.well-known/— que declara el endpoint del servidor y sus capacidades. El endpoint responde por HTTP (el transporte "Streamable HTTP" del estándar) o por stdio cuando corre local. La conexión es JSON-RPC: el cliente pide tools/list, el servidor devuelve el catálogo, y a partir de ahí el modelo llama las que necesita.

Así lo tenemos montado en Bison. Nuestro servidor MCP vive en un Cloudflare Worker, responde JSON-RPC 2.0 por Streamable HTTP, es de solo lectura y sin autenticación, y expone nueve tools —planes, casos, metodología, glosario y FAQs— que leen el mismo contenido que publica el sitio. Una tarjeta en /.well-known/ lo anuncia. Cuando actualizamos el sitio, el MCP se actualiza con él: sin re-desplegar el worker, sin duplicar la data.

{
  "name": "consultar_planes",
  "description": "Planes de Bison Agents y sus add-ons, con precios y alcance.",
  "inputSchema": {
    "type": "object",
    "properties": {}
  }
}

¿Qué cambia para una marca de LatAm?

No hay todavía una medición pública de adopción de MCP por región, y decirlo es parte del dato: nadie tiene ventaja acumulada. Lo que sí sabemos es el contexto — el uso de IA generativa crece en economías emergentes más rápido que en las de alto ingreso (OpenAI/NBER, 2025), y la enorme mayoría de las empresas de la región no expone ninguna capa consultable por agentes. Demanda que sube, oferta casi nula: esa es exactamente la ventana en la que moverse temprano rinde más.

Para una empresa de LatAm el costo de entrada es bajo: un servidor MCP de solo lectura que exponga catálogo y precios corre en infraestructura gratuita y no toca tus sistemas internos. El competidor que lo monta primero se vuelve la fuente cómoda de consultar cuando un agente compara, recomienda o compra en tu categoría.

Cómo empezar esta semana

1. Lista las preguntas que le harías a tu negocio si fueras un cliente: precio, disponibilidad, especificaciones, estado de un pedido. Cada una es una tool candidata.
2. Empieza en solo lectura. Un servidor que solo informa —no ejecuta compras ni cambios— elimina casi todo el riesgo de seguridad y ya entrega el grueso del valor inicial.
3. Reutiliza tu fuente de datos. Si ya tienes el contenido estructurado (un JSON, una base, un CMS), el servidor MCP solo lo envuelve — no dupliques la data.
4. Publica el discovery: una tarjeta en /.well-known/ que declare tu endpoint y capacidades para que los agentes lo encuentren.
5. Pruébalo con un cliente real. Conecta tu servidor a Claude o a ChatGPT y verifica que las tools se listan y responden como esperas.

Preguntas frecuentes