Plugins de ChatGPT frente a MCP: qué cambió y qué usar ahora

Los plugins de ChatGPT ya no existen. Dejaron de funcionar el 9 de abril de 2024 y, desde entonces, nada parecido a ellos ha vuelto. Lo que apareció en su lugar es una idea más amplia: el Model Context Protocol (MCP), un estándar abierto que permite que un único servidor de herramientas se comunique con ChatGPT, Claude, Gemini y muchos otros asistentes. Si creaste un plugin en 2023 o vas a conectar tu primera integración de IA hoy, la pregunta es sencilla: ¿qué cambió y qué deberías usar ahora?

Este artículo te ofrece las fechas, una tabla comparativa, una explicación en lenguaje sencillo de cómo funciona MCP y una breve lista para decidir. Cada sección termina con algo que puedes poner en práctica.

Qué eran realmente los plugins de ChatGPT

Los plugins se lanzaron en beta en marzo de 2023 como la primera forma oficial de que ChatGPT llamara a servicios externos: búsqueda de vuelos, reserva de restaurantes, un motor matemático, un asistente de compras. Durante aproximadamente un año fueron la principal respuesta de OpenAI a la pregunta "¿cómo llega ChatGPT a mis datos?". Después se retiraron.

Cómo funcionaba un plugin

Un plugin era un pequeño servicio web con dos archivos. El primero, ai-plugin.json, estaba en una dirección fija de tu dominio y le indicaba a ChatGPT el nombre del plugin y una descripción en lenguaje sencillo. El segundo era una especificación OpenAPI que enumeraba cada endpoint que ofrecía el plugin. ChatGPT leía las descripciones, decidía cuándo una petición del usuario coincidía, llamaba a tu endpoint e incorporaba el resultado a su respuesta.

La parte del usuario era manual. Abrías la tienda de plugins, instalabas uno y lo activabas para la conversación, con un límite de tres plugins activos a la vez, porque cada descripción ocupaba espacio en el prompt.

Ese diseño tenía cuatro rasgos que conviene recordar:

• Una sola plataforma. Un plugin solo funcionaba dentro de ChatGPT.
• Una sola dirección. El modelo llamaba a tu API y eso era toda la conversación.
• Configuración manual. Cada persona elegía y activaba los plugins a mano.
• Presupuesto del prompt. Las descripciones competían por una cantidad limitada de contexto.

💡 Consejo: el manifiesto de un plugin era básicamente un argumento de venta escrito para el modelo. Cuanto más clara fuera tu descripción, con más frecuencia ChatGPT elegía tu endpoint. Las descripciones de las herramientas de MCP funcionan igual, así que escribir bien sigue dando resultados.

Por qué se fueron apagando

Las razones fueron prácticas más que dramáticas. Encontrar un buen plugin en la tienda era cuestión de suerte. Cada plugin era una integración hecha a medida para un único asistente. Además, los modelos empezaron a llamar a funciones directamente con más acierto, y en noviembre de 2023 llegaron los GPT personalizados, que agrupaban instrucciones, archivos y Actions en un solo objeto compartible que nadie tenía que montar a mano.

El calendario fue corto. Los plugins dejaron de aceptar nuevas conversaciones después del 19 de marzo de 2024, y el 9 de abril de 2024 las conversaciones existentes con plugins también dejaron de funcionar. Si tenías un plugin en producción, esa fecha fue su final.

La cronología de los plugins a las apps

El camino de los plugins a la configuración actual tiene más pasos de los que suelen reconocer los resúmenes. Estos son los hitos con fecha.

Los GPT y las Actions tomaron el relevo

Un GPT personalizado permitía a su creador escribir instrucciones, adjuntar archivos de conocimiento y añadir Actions, que son llamadas a API descritas con OpenAPI, el mismo formato que usaban los plugins. En ese sentido, las Actions eran plugins con un envoltorio más amable. El usuario ya no tenía que montar nada: abría un GPT terminado y hablaba con él. El inconveniente seguía siendo el mismo. Un GPT vivía dentro de ChatGPT y en ningún otro lugar.

MCP llega de la mano de Anthropic

Anthropic presentó MCP en noviembre de 2024 como un estándar abierto para conectar sistemas de IA con herramientas y datos. La propuesta era sencilla: en lugar de escribir una integración por cada asistente, escribir un único servidor que cualquier asistente compatible pueda usar. Imagina un solo puerto universal que sustituye a un cajón lleno de cargadores.

OpenAI adopta MCP

En marzo de 2025 OpenAI adoptó el protocolo y, a lo largo de 2025, también lanzó conectores para datos de trabajo como Gmail, Google Drive y Microsoft 365. El apoyo se extendió rápido: MCP ya está integrado en ChatGPT, Claude, Gemini, Microsoft Copilot, Cursor y Visual Studio Code. Cuando el proyecto pasó a la Linux Foundation en diciembre de 2025, informó de más de 10.000 servidores activos y más de 97 millones de descargas mensuales del SDK.

Apps y el Plugin Directory

En DevDay, el 6 de octubre de 2025, OpenAI anunció las Apps en ChatGPT, basadas en el Apps SDK, que a su vez se basa en MCP. Después, el 9 de julio de 2026, el App Directory pasó a llamarse Plugin Directory. Un plugin ahora agrupa habilidades, apps y plantillas de apps, mientras que las apps siguen siendo las integraciones que conectan ChatGPT o Codex con datos y acciones externas. Las conexiones de apps existentes siguieron funcionando, y cada app existente se empaquetó en un plugin.

💡 Fíjate en el vocabulario: la palabra "plugin" ha vuelto, pero su significado cambió. Hoy un plugin es un paquete de habilidades, apps y plantillas, no un manifiesto OpenAPI. Si un tutorial describe ai-plugin.json, está describiendo el sistema de 2023.

Cómo funciona MCP por dentro

MCP suena abstracto hasta que ves sus tres partes y lo que puede ofrecer un servidor.

Hosts, clientes y servidores

• Host: la aplicación con la que hablas, como ChatGPT, Claude o un editor de código.
• Cliente: un conector dentro del host que mantiene una conexión con un servidor.
• Servidor: el programa que expone tus herramientas y datos.

Los mensajes viajan como JSON-RPC 2.0. Un servidor puede ejecutarse como proceso local mediante stdio o como servicio remoto mediante Streamable HTTP, que es la vía por la que los asistentes alojados se conectan a él.

Herramientas, recursos y prompts

Un servidor ofrece hasta tres tipos de elementos:

1. Herramientas: acciones que el modelo puede llamar, como create_invoice o generate_image.
2. Recursos: datos que el modelo o el usuario pueden leer, como un archivo, un registro o un historial de eventos.
3. Prompts: plantillas reutilizables que el usuario puede activar a propósito.

Los plugins solo ofrecían el primer tipo, y únicamente como endpoints HTTP sencillos. Esa diferencia es la más importante en la práctica entre ambos.

Qué cambió la especificación de 2026

La revisión de la especificación fechada el 28 de julio de 2026 es el cambio más grande desde su lanzamiento. Sus principales novedades:

• Núcleo sin estado. No hay handshake de initialize ni IDs de sesión. Cada petición se describe a sí misma, así que cualquier instancia de servidor detrás de un balanceador de carga puede responderla.
• Enrutamiento por cabeceras. Los nombres del método y de la herramienta viajan en las cabeceras Mcp-Method y Mcp-Name, de modo que las pasarelas y los cortafuegos pueden enrutar y autorizar sin leer los cuerpos JSON.
• Peticiones de múltiples idas y vueltas. Un servidor puede pedir al usuario una confirmación o un valor que falta en mitad de una llamada, sin mantener un stream abierto.
• Listas cacheables. Los resultados incluyen valores ttlMs y cacheScope para que los clientes puedan guardar en caché las listas de herramientas.
• Autorización más estricta. Los Client ID Metadata Documents se prefieren al Dynamic Client Registration, que queda obsoleto para nuevas implementaciones.
• Extensiones. Las tareas, introducidas por primera vez en la revisión 2025-11-25, y MCP Apps ahora forman parte de un marco formal de extensiones.

💡 Antes de actualizar: si tu servidor se escribió para una revisión anterior, lee primero las notas de la versión de tu SDK. El cambio a sin estado afecta a cómo se gestiona el estado de sesión.

Plugins de ChatGPT frente a MCP, lado a lado

La tabla comparativa

Lo que sí acertaba la forma de pensar de los plugins

No todo lo de 2023 se desperdició. Los autores de plugins adquirieron tres hábitos que siguen siendo válidos:

• Los endpoints pequeños superan a los gigantes. Una herramienta que hace una sola cosa es más fácil de elegir para un modelo.
• Las descripciones forman parte del producto. Escríbelas para el modelo, con palabras sencillas y un ejemplo.
• Una especificación OpenAPI es una ventaja inicial. Cada operación se corresponde bien con una herramienta de MCP, así que una API documentada ya está en gran parte hecha.

Qué usar ahora

La respuesta corta: construye sobre MCP y usa el Plugin Directory para llegar a los usuarios de ChatGPT. La respuesta larga depende de en qué lado de la mesa estés.

Si construyes herramientas

Escribe un servidor MCP. Un solo servidor llega a todos los asistentes que hablen el protocolo, y el mismo código puede alimentar una app de ChatGPT. Un orden de construcción sensato:

1. Elige de 3 a 7 acciones. Menos herramientas, pero más precisas, se eligen con más fiabilidad.
2. Nombra las herramientas con verbos. search_orders es mejor que orders.
3. Escribe las descripciones para el modelo. Indica cuándo usar la herramienta y cuándo no.
4. Añade OAuth para todo lo que sea personal. Nunca expongas datos de usuario tras un secreto compartido.
5. Prueba en dos clientes. Un servidor que solo funciona en un host es un plugin disfrazado.
6. Despliega en remoto mediante HTTPS. stdio local sirve para desarrollar, no para asistentes alojados.

Si quieres una pantalla interactiva dentro de ChatGPT, como un formulario o un gráfico, mira el Apps SDK y la extensión MCP Apps en lugar de inventar tu propia capa de interfaz.

Si solo usas herramientas

Casi nunca necesitas tocar MCP tú mismo. En ChatGPT, abre el Plugin Directory, elige un plugin y conecta la app que hay detrás. En Claude, Cursor o VS Code, añade un servidor MCP desde los ajustes del cliente. Las conexiones de apps existentes creadas antes del cambio de nombre de julio de 2026 no se vieron afectadas.

Usa esta tabla para elegir:

💡 Regla general: si lo único que tienes es un manifiesto de plugin, no lo portes línea por línea. Reconstruye las tres o cuatro acciones útiles como herramientas MCP y reescribe las descripciones.

Redactar descripciones de herramientas con un LLM

Las descripciones deciden si un modelo elige tu herramienta, y un modelo de lenguaje es bueno para pulirlas. En PicassoIA puedes hacerlo con Claude Sonnet 5:

1. Abre la página de Claude Sonnet 5 y pega tu lista de endpoints o las rutas de OpenAPI.
2. Pide un nombre de herramienta, una descripción y un ejemplo de llamada por endpoint.
3. Indícale que añada a cada descripción una línea de "no uses esto cuando".
4. Prueba el resultado en tu cliente MCP y elimina lo que sea vago.

Otros modelos que vale la pena probar para el mismo trabajo son GPT 5.6 Sol para la salida estructurada y Gemini 3.5 Flash cuando quieras borradores rápidos. Para trabajo de tipo agente, Kimi K2.6 está pensado en torno al uso de herramientas y el código.

La seguridad sigue importando

Una herramienta es una acción, y una acción puede causar daño. MCP ofrece mejores mecanismos que los plugins, pero no convierte en seguro a un servidor descuidado.

• Empieza solo en lectura. Añade acciones de escritura una a una.
• Pide confirmación antes de los pasos destructivos. La función de múltiples idas y vueltas permite que un servidor pida una confirmación en mitad de una llamada.
• Limita el alcance de los tokens. Concede el permiso mínimo que necesita cada herramienta.
• Trata la salida de las herramientas como no fiable. Una página web o un documento devuelto por una herramienta puede llevar instrucciones ocultas dirigidas al modelo.
• Registra cada llamada. Cuando algo falle, querrás tener un rastro.
• Usa autorización actualizada. Emplea clientes preregistrados o Client ID Metadata Documents, ya que el Dynamic Client Registration está en retirada.

Pruébalo tú mismo en PicassoIA

MCP se aprecia mejor cuando lo ves hacer trabajo real. PicassoIA expone la generación de imágenes y video a los clientes MCP, así que un asistente puede pedir una imagen igual que pide cualquier otra herramienta. El patrón merece atención: una petición devuelve un ID al instante y el cliente consulta de forma periódica hasta que el resultado está listo. Ese ritmo de crear y consultar es el mismo para el que se diseñó la extensión de tareas, y PicassoIA permite hasta 5 predicciones simultáneas por cuenta.

También puedes probar los generadores directamente en el navegador:

• PicassoIA Image para imágenes fotorrealistas rápidas a partir de un prompt corto.
• PicassoIA Image Editor Pro para editar una imagen existente con instrucciones en lenguaje sencillo.
• Seedream 4.5 para escenas detalladas y de alta resolución.
• Flux 2 Pro para composiciones nítidas y controlables.

Elige una, describe una escena en dos frases y compara el resultado con lo que imaginabas. Luego cambia un detalle, la iluminación, el objetivo o el ángulo, y vuelve a generarla. Diez minutos así te enseñan más sobre prompts que cualquier artículo, y el hábito se traslada directamente a la hora de escribir buenas descripciones de herramientas. Entra en picassoia.com y crea tu primera imagen hoy.