Introducción a MCP para desarrolladores
En esta página
Actualización del 2 de noviembre de 2026 — Le Chat pasa a llamarse Vibe. Desde el 28 de mayo de 2026, Le Chat ha cambiado su marca por Vibe (sigue estando en chat.mistral.ai): un único agente para el trabajo y la programación que conserva tus conversaciones, configuraciones y suscripciones. La experiencia heredada de Le Chat sigue accesible en el modo Chat; en el modo Work, los agentes se han convertido en habilidades (que se invocan con
@), las memorias son ahora la base de conocimientos y la búsqueda profunda es la habilidad Deep Research. Los planes se llaman ahora Mistral Free, Pro, Team y Enterprise. Esta lección utiliza el nombre Vibe; es posible que algunos menús descritos aquí hayan cambiado de nombre o de ubicación.
Por qué MCP cambia las reglas del juego para los desarrolladores
El Model Context Protocol (MCP) es un estándar abierto que redefine cómo las aplicaciones de IA interactúan con el mundo exterior. Antes de MCP, cada marco imponía su propia gramática para declarar y llamar a una herramienta: LangChain tenía una, CrewAI otra, y Mistral Agents y OpenAI Assistants tenían otras distintas. En la práctica, un desarrollador que escribía un conector para su API de facturación en LangChain tenía que reescribirlo por completo para que funcionara en CrewAI, y luego una tercera vez para un agente interno personalizado. El trabajo se duplicaba con cada cambio de herramienta, y compartir una herramienta entre equipos era un esfuerzo fragmentado.
MCP resuelve este problema con un protocolo de comunicación unificado entre un cliente de IA y servidores de herramientas. La mejor analogía es un puerto USB: da igual el cliente (Claude, Vibe, Cursor, VS Code) y da igual el servidor (GitHub, Notion, tu API interna); el formato de conexión es siempre el mismo. Escribes tu conector una vez y funciona en todas partes.
La arquitectura cliente-servidor
MCP se basa en una arquitectura cliente-servidor deliberadamente sencilla. Por un lado, el cliente es la aplicación que implementa la IA: un chatbot como Vibe de Mistral o Claude, un entorno de desarrollo como VS Code o Cursor, o un SDK de agentes como Mistral Agent SDK o Claude Agent SDK. Por otro lado, el servidor es el programa que expone capacidades (herramientas, recursos y sugerencias) a ese cliente.
Toda la conversación entre ambos ocurre en JSON. El cliente empieza preguntando al servidor qué herramientas ofrece; el servidor responde con una descripción textual de cada una: su nombre, parámetros, función y formato de retorno. El modelo de lenguaje usa esta descripción, y solo esta descripción, para decidir cuándo y cómo llamar a una herramienta.
Cliente (Vibe) Servidor MCP (GitHub)
| |
|--- "¿Qué herramientas tienes?" ->|
|<-- Descripciones JSON de herramientas -----|
| |
|--- Llamada: create_issue({}) --->|
|<-- Resultado JSON ---------------|
Cómo se diferencia MCP de la llamada a funciones
La llamada clásica a funciones y MCP no son mutuamente excluyentes; simplemente trazan el límite en lugares distintos. Con la llamada a funciones, defines las herramientas en el lado del cliente, se las pasas al modelo y gestionas tú mismo su ejecución; cada marco tiene su propio formato de definición. Con MCP, las herramientas residen en un servidor, local o remoto; el cliente solo conoce la descripción textual y el servidor se encarga de la ejecución.
La ventaja decisiva es la reutilización. Un servidor MCP de GitHub escrito una vez se conecta indistintamente a Vibe, Claude, Cursor o a tu propio SDK sin reescribir ni una sola línea. Esto es lo que convierte un conector interno en un bloque de construcción compartible a escala empresarial.
Las tres primitivas del protocolo
MCP no se limita a las herramientas. El protocolo define tres tipos de capacidades, diferenciadas por lo que el servidor pone realmente a disposición. Las herramientas son funciones ejecutables: crear un ticket, enviar un correo electrónico, consultar una API; el modelo las activa para actuar sobre el mundo. Los recursos son datos legibles (archivos, bases de datos, documentación) que el cliente puede leer sin desencadenar ninguna acción; exponer el contenido de un archivo de configuración entra en esta categoría, no en la de herramientas. Por último, las sugerencias (prompts) son plantillas de sugerencias reutilizables con parámetros: un servidor de equipo puede distribuir así una instrucción de revisión de código probada, en lugar de dejar que cada uno la reescriba de memoria.
En la práctica, las herramientas representan alrededor del 90 % de los casos de uso actuales: son lo primero que conectas y, a menudo, lo único que implementas. Sin embargo, los recursos y las sugerencias abren posibilidades que exploraremos en detalle en la lección 3.
El flujo de decisión del modelo
Cuando un usuario hace una pregunta al cliente, el modelo recorre un ciclo de cinco pasos:
- Recibe la pregunta y la lista de herramientas disponibles (descripciones MCP).
- Decide: ¿responde directamente o llama a una herramienta?
- Si llama a una herramienta, formula los argumentos en JSON.
- El servidor ejecuta y devuelve el resultado.
- El modelo integra el resultado y formula su respuesta (o llama a otra herramienta).
Este ciclo se repite tantas veces como requiera la tarea. Imagina que un usuario pide convertir una queja detectada en Reddit en un ticket de desarrollo: el modelo consulta Reddit, crea una entrada en Linear y luego abre la incidencia correspondiente en GitHub; tres servidores encadenados sin que el usuario salga nunca de la interfaz de chat.
Un ecosistema en rápida expansión
A fecha de abril de 2026, hay disponibles cientos de servidores MCP: GitHub, Notion, Slack, Gmail, PayPal, Hugging Face, Semgrep y muchos otros. Los principales clientes de IA admiten el protocolo de forma nativa. Más importante aún, nada te limita a consumir lo que ya existe: puedes crear tus propios servidores para exponer tus herramientas internas, bases de datos empresariales o procedimientos personalizados.
Ese es precisamente el objetivo de este curso: permitirte entender, usar y construir servidores MCP en Python.
Puntos clave
- MCP es un estándar abierto para la comunicación cliente-servidor en IA.
- Unifica el ecosistema fragmentado de llamada a funciones.
- La arquitectura se basa en un cliente (chatbot, IDE, SDK) y un servidor (herramientas, recursos, sugerencias).
- La comunicación se realiza en JSON mediante descripciones textuales.
- Un servidor MCP es reutilizable en todos los clientes compatibles.