Gemini sí admite el Model Context Protocol, pero cada superficie lo gestiona de forma distinta. Este artículo compara Gemini CLI, la API y el SDK de Gemini, los agentes gestionados, la app de Gemini y Gemini Enterprise, con campos de configuración, comandos, límites y un fragmento de Python que funciona.
Sí, Gemini admite el Model Context Protocol, pero la respuesta cambia según la puerta por la que entres. Gemini CLI trata MCP como una función integrada. La API de Gemini llega a él mediante un cliente del SDK experimental y, en preview, mediante los agentes gestionados. La app de Gemini acepta servidores remotos solo para un grupo reducido de usuarios, y Gemini Enterprise deja la configuración en manos de los administradores. Si tres hilos de foros te dieron tres respuestas distintas, es probable que todas fueran correctas, pero sobre productos diferentes.
Este artículo recorre cada vía con lo que Google documenta a fecha de octubre de 2026. Verás qué vía ejecuta un proceso local, cuál necesita una dirección HTTPS pública, dónde están los límites del modelo y qué cuentas pueden usar cada opción. Incluye un archivo de ajustes que funciona, un fragmento de Python, una tabla de decisión y una lista corta de errores que más tiempo hacen perder.
MCP, el Model Context Protocol, es un estándar abierto que permite a un asistente de IA llamar a herramientas y leer recursos desde un servidor independiente. Escribes un servidor una vez y cualquier cliente MCP puede usarlo. Gemini hace de cliente en cinco formas distintas, y cada una tiene sus propias reglas sobre dónde vive el servidor, quién inicia sesión y a qué puede acceder el modelo.
| Superficie | Soporte de MCP | Ubicación del servidor | Estado |
|---|---|---|---|
| Gemini CLI | Integrado | Proceso local o URL remota | Documentado |
| API de Gemini con los SDK de Python y JS | Sesión pasada como herramienta | Donde pueda conectarse tu código | Experimental |
| Agentes gestionados de la API de Gemini | Herramienta mcp_server | Servidores remotos | Preview |
| App de Gemini, web y móvil | Apps personalizadas | Servidores HTTPS remotos | Elegibilidad limitada |
| Gemini Enterprise | Servidor MCP personalizado | Servidores remotos | Configuración por administrador |
💡 Regla rápida: solo Gemini CLI y tu propio código con el SDK pueden lanzar un servidor MCP local. Cualquier otra vía necesita una URL.
Gemini CLI es el cliente MCP más capaz de la familia. Habla tres transportes (stdio, SSE y HTTP en streaming), y expone más que herramientas: los recursos y los prompts del servidor también aparecen dentro de la sesión. Para quien prueba un servidor nuevo, es el camino más corto desde la idea hasta la primera llamada que funciona.
La CLI incluye una pequeña familia de comandos para gestionar servidores:
gemini mcp add [options] <name> <commandOrUrl> [args...]
gemini mcp list
gemini mcp remove <name>
gemini mcp enable <name>
gemini mcp disable <name>
gemini mcp list muestra todos los servidores configurados con su estado de conexión, lo que lo convierte en la comprobación más rápida tras una edición. Si prefieres editar a mano, los servidores viven en el objeto mcpServers de tu settings.json, a nivel de usuario (~/.gemini/settings.json) o de proyecto (.gemini/settings.json):
{
"mcpServers": {
"filesystem": {
"command": "npx",
"args": ["-y", "@modelcontextprotocol/server-filesystem", "./docs"],
"timeout": 30000
},
"remote-tools": {
"httpUrl": "https://example.com/mcp",
"headers": { "Authorization": "Bearer YOUR_TOKEN" },
"includeTools": ["search_docs"]
}
}
}
La primera entrada lanza un servidor local por stdio. La segunda se conecta a un servidor remoto por HTTP en streaming y expone una sola herramienta, lo que mantiene las opciones del modelo pequeñas y predecibles.
Cada entrada de servidor necesita un campo de transporte. Todo lo demás es opcional:
command: el ejecutable de un servidor stdio local, con args, cwd y env junto a él. Los valores de env pueden referenciar variables con $VAR_NAME, así que los tokens no quedan en el archivo.url: un endpoint SSE.httpUrl: un endpoint de HTTP en streaming.headers: cabeceras HTTP personalizadas para los dos transportes por URL.timeout: tiempo de espera de la solicitud en milisegundos, 600.000 por defecto.includeTools y excludeTools: una lista de permitidos y una lista de bloqueados para los nombres de herramientas.trust: si es true, se omiten los diálogos de confirmación de herramientas.authProviderType: elige el proveedor de autenticación: búsqueda automática del endpoint de OAuth, credenciales de Google (google_credentials) o suplantación de cuenta de servicio (service_account_impersonation).💡 No actives
trusten ningún servidor que no hayas escrito tú. El diálogo de confirmación es el último control antes de que se ejecute una herramienta.
Una vez en marcha la CLI, /mcp muestra el estado de cada servidor, sus herramientas, recursos y prompts. /mcp auth [serverName] gestiona OAuth, y /mcp enable y /mcp disable activan o desactivan un servidor solo para la sesión actual.
Algunos comportamientos sorprenden la primera vez:
mcp_{serverName}_{toolName}, lo que evita colisiones entre servidores y herramientas integradas.@server://resource/path dentro de tu prompt.~/.gemini/mcp-oauth-tokens.json, y también se admiten las Application Default Credentials de Google.La API de Gemini no abre conexiones a tu servidor por sí sola. Lo hace el SDK. Se conecta al servidor, pide su lista de herramientas y se la entrega al modelo como funciones que puede llamar. En el repositorio python-genai, Google describe este soporte MCP integrado como una función experimental, y el ejemplo está marcado solo para la API para desarrolladores de Gemini, no para la Enterprise Agent Platform.
El patrón necesita el paquete mcp junto a google-genai. Abres una sesión de cliente con un servidor y luego pasas esa sesión directamente a la configuración de generación:
import asyncio
from google import genai
from mcp import ClientSession, StdioServerParameters
from mcp.client.stdio import stdio_client
client = genai.Client() # reads the API token from the environment
server = StdioServerParameters(
command="npx",
args=["-y", "@modelcontextprotocol/server-filesystem", "./docs"],
)
async def main():
async with stdio_client(server) as (read, write):
async with ClientSession(read, write) as session:
await session.initialize()
response = await client.aio.models.generate_content(
model="gemini-flash-latest",
contents="List the markdown files in the docs folder.",
config=genai.types.GenerateContentConfig(tools=[session]),
)
print(response.text)
asyncio.run(main())
Como tu código mantiene la sesión, la conexión se ejecuta dentro de tu propio proceso. Por eso esta vía funciona con servidores locales. El precio es el trabajo del ciclo de vida: abres la sesión, la inicializas, haces la llamada y la cierras de nuevo.
El 7 de julio de 2026, Google anunció el MCP remoto para agentes gestionados en la API de Gemini. En lugar de escribir middleware de proxy, pasas una herramienta mcp_server en el momento de la interacción, junto a herramientas como la Búsqueda de Google o la ejecución de código. Las credenciales viajan en cabeceras personalizadas, así que una cabecera Authorization puede proteger tu endpoint. Después, el agente llama a tus endpoints desde su propio entorno aislado y seguro.
Los ejemplos del anuncio usan el agente antigravity-preview-05-2026, y la función está en preview, así que espera que los detalles cambien.
La documentación general de la Interactions API recoge una limitación con claridad: Gemini 3 no admite MCP remoto, y la página indica que llegará pronto. Google describe los agentes gestionados y la vía del modelo directo como capacidades separadas, así que lee los límites de la superficie exacta que llamas. La vía del SDK de arriba es otra cosa, ya que la conexión vive en tu código, pero pruébala con tu modelo de destino antes de construir sobre ella.
💡 Cuando una página de documentación y un anuncio parezcan contradecirse, revisa la fecha. Las funciones en preview cambian deprisa, y la página más antigua suele ser la que va por detrás.
El centro de ayuda de Gemini Apps enumera las condiciones para añadir tu propio servidor MCP a la app de Gemini:
Las acciones de escritura necesitan confirmación manual por ahora, así que la app pregunta antes de que una herramienta edite, envíe o elimine algo. Es una opción sensata para un producto de consumo, aunque ralentice una cadena larga de pasos.
La página de ayuda describe cómo añadir un servidor desde la app web:
Dynamic Client Registration permite que un cliente se registre solo en el proveedor OAuth del servidor. Sin esa función, primero creas el cliente en el lado del proveedor y luego pegas las credenciales en Gemini.
Las organizaciones tienen una vía aparte. Google Cloud documenta la conexión de un servidor MCP personalizado a Gemini Enterprise, y la configuración la hace un administrador, no cada empleado. Textos de la comunidad sobre las notas de la versión indican que desde el 15 de junio de 2026 un servidor MCP personalizado puede autenticarse con un token de acceso de cuenta de servicio de Google Cloud, lo que encaja con servidores internos que nunca pasan por una pantalla de inicio de sesión de una persona.
Google también anunció soporte oficial de MCP para sus propios servicios, así que es posible que algunos de los servidores que necesita un equipo ya existan como endpoints gestionados. Revísalo antes de construir uno personalizado.
La mejor opción depende de dónde se ejecute tu servidor y de quién sea el usuario. Usa esta tabla como primer filtro:
| Lo que necesitas | Mejor vía | Por qué |
|---|---|---|
| Archivos locales y herramientas de shell | Gemini CLI | Los servidores stdio se ejecutan en tu propia máquina |
| Un backend en Python o JS con lógica propia | Sesión del SDK | Tu código controla todo el bucle |
| Un agente alojado que llama a endpoints remotos | Agentes gestionados | Sin capa de proxy, todavía en preview |
| Un asistente personal con tus propias herramientas | App de Gemini | Solo URL, inglés de EE. UU., cuenta personal |
| Un despliegue para toda la empresa | Gemini Enterprise | Los administradores gestionan las conexiones |
Hay dos patrones que se repiten una y otra vez. Los desarrolladores prototipan en Gemini CLI porque el ciclo de retroalimentación es un solo comando, y luego trasladan el mismo servidor a una URL remota cuando ya funciona. Ese paso cuesta casi nada, ya que un servidor escrito para un cliente MCP suele comportarse igual en otro. Los equipos que empiezan en la app tropiezan pronto con el obstáculo de elegibilidad, porque las condiciones de Estados Unidos, cuenta personal e inglés descartan muchas configuraciones de trabajo.
En Gemini CLI, url significa SSE y httpUrl significa HTTP en streaming. Un servidor que habla HTTP en streaming pero está bajo url no logrará conectarse, y el error rara vez indica por qué. Comprueba qué transporte documenta tu servidor y luego ajusta el campo. gemini mcp list muestra el estado de la conexión al instante.
Poner trust en true omite los diálogos de confirmación, lo que resulta cómodo hasta que una herramienta hace algo que no esperabas. Empieza con las confirmaciones activadas. Usa includeTools para exponer solo las herramientas que necesita una tarea, y amplía la lista cuando hayas visto cómo se comporta el servidor.
La app de Gemini acepta una URL, no un comando. Un servidor en tu equipo portátil no es accesible desde ahí. Despliégalo detrás de HTTPS primero y luego pega esa dirección en Apps conectadas. Si el servidor necesita OAuth y no tiene Dynamic Client Registration, ten listas las credenciales del cliente antes de empezar.
Los proyectos de MCP implican mucha redacción: bloques de configuración, descripciones de herramientas, prompts de prueba y notas de revisión. PicassoIA aloja varios modelos de Gemini en su categoría de Large Language Models, entre ellos Gemini 3.5 Flash para borradores rápidos, Gemini 3 Flash para chats ágiles, y Gemini 3.1 Pro y Gemini 3 Pro para revisiones más exigentes. En este flujo, PicassoIA es la mesa de redacción. La conexión MCP en sí sigue ocurriendo en la superficie de Gemini que elegiste arriba.
settings.json que use httpUrl.excludeTools para una sesión de solo lectura?"./mcp.💡 Los prompts concretos ganan siempre. "Escribe una configuración para un servidor remoto con cabecera bearer y una sola herramienta permitida" supera a "configura MCP" en todos los casos.
MCP no es solo para texto y código. Un equipo creativo puede conectar un generador de imágenes o video como herramienta, de modo que un asistente produzca elementos visuales como parte de una tarea más larga, por ejemplo redactar una publicación y generar su imagen de cabecera en la misma sesión.
PicassoIA ofrece una API para desarrolladores y conexiones MCP para sus modelos de imagen y video. La API sigue un patrón asíncrono: creas una predicción, consultas su estado y luego obtienes el resultado. A principios de octubre de 2026, el límite es de 5 predicciones simultáneas por cuenta, compartidas entre tus tokens de API y tus conexiones MCP. Los requisitos del plan y los precios pueden cambiar, así que consulta la página de precios antes de construir sobre ello. Que una superficie concreta de Gemini acepte esa conexión depende de las reglas anteriores: la CLI y el SDK pueden llegar a ella con el transporte adecuado, mientras que la app de Gemini necesita que se cumplan las condiciones de elegibilidad.
No necesitas una API para empezar. PicassoIA Image convierte un prompt escrito en una imagen fotorrealista, y PicassoIA Image Editor Pro retoca una foto existente con ediciones en lenguaje natural. Para video, explora el catálogo completo en picassoia.com/en/all-models.
Pruébalo ahora: abre PicassoIA, describe una escena con un objetivo, una dirección de luz y un ambiente, y ejecútala. Cambia un detalle, vuelve a ejecutarla y compara. Tu primera imagen buena suele estar a dos o tres prompts de distancia.
Elige tu idioma
