Un servidor MCP es un programa pequeño que da a una app de IA acceso controlado a archivos, bases de datos y herramientas mediante el Model Context Protocol. Este artículo define el término, sigue una solicitud paso a paso, muestra ejemplos reales y termina con un servidor breve en TypeScript que puedes ejecutar hoy.
Pide a un asistente de IA que resuma las ventas del último trimestre y te dirá, con educación, que no puede ver tu hoja de cálculo. El modelo es brillante, pero está encerrado en una caja sin puertas. Un servidor MCP es la puerta. Es un programa pequeño que expone una capacidad, como leer archivos, consultar una base de datos o generar una imagen, a cualquier app de IA que hable el Model Context Protocol. Escribes el servidor una vez y cualquier app compatible puede usarlo sin código de conexión personalizado.
Este artículo explica qué es un servidor MCP, cómo viaja una solicitud desde tu ventana de chat hasta la herramienta y de vuelta, qué servidores usa la gente hoy, dónde están los riesgos de seguridad y cómo construir uno que funcione en unas veinte líneas de TypeScript.
MCP son las siglas de Model Context Protocol, un estándar abierto que Anthropic publicó en noviembre de 2024. Un protocolo es simplemente una forma acordada de comunicarse. Un servidor MCP es cualquier programa que sigue esas reglas desde el lado que ofrece la capacidad: anuncia lo que puede hacer, espera solicitudes y devuelve resultados en un formato previsible. Productos de Anthropic, OpenAI, Google y Microsoft ya admiten MCP, y existen miles de servidores de la comunidad para todo, desde repositorios Git hasta calendarios.
La palabra servidor confunde a mucha gente. Un servidor MCP no tiene que estar en un centro de datos. La mayoría se ejecuta en tu propio equipo portátil como proceso en segundo plano que arranca cuando se abre tu app de IA. Otros funcionan de forma remota detrás de una dirección web, como cualquier sitio web.
Imagina una antigua centralita telefónica. Quien llama no necesita saber cómo está cableada cada casa. Dice a la operadora con quién quiere hablar, y la operadora conecta el cable correcto en el enchufe correcto. MCP cumple el papel de la operadora entre una app de IA y el mundo exterior. La app dice necesito leer este archivo o necesito ejecutar esta consulta, y el protocolo envía la solicitud a un servidor que sabe cómo hacerlo.
💡 Definición rápida: Un servidor MCP es un programa que enumera las herramientas, los datos y las plantillas de prompt que ofrece, y permite que una app de IA los invoque mediante un único formato de mensaje estándar.
La analogía más popular es USB-C. Antes de él, cada dispositivo tenía su propio conector y cada equipo portátil necesitaba un cajón lleno de adaptadores. Antes de MCP, cada app de IA necesitaba un conector propio para cada servicio: uno para Slack en este asistente y otro para Slack en aquel. Haz la cuenta. Cinco apps y diez servicios significaban cincuenta integraciones separadas. Con MCP, cada app implementa el lado cliente una vez y cada servicio implementa un servidor una vez, así que quince piezas de trabajo sustituyen a cincuenta.
Tres roles aparecen en cualquier configuración de MCP, y tenerlos claros elimina la mayor parte de la confusión.
| Rol | Qué es | Ejemplo |
|---|---|---|
| Host | La aplicación de IA con la que habla el usuario | Claude Desktop, Cursor, VS Code |
| Cliente | Un conector dentro del host que mantiene una conexión con un servidor | Creado automáticamente por el host |
| Servidor | El programa que expone herramientas, datos o prompts | Un servidor de sistema de archivos, un servidor de base de datos |
El host crea un cliente por cada servidor. Si conectas cinco servidores, tu app ejecuta cinco clientes, cada uno con una línea privada hacia su propio servidor. Los mensajes viajan como JSON-RPC 2.0, un formato ligero de solicitud y respuesta que lleva años en uso. Nada exótico.
Este es el recorrido de una sola pregunta, ¿qué facturas están vencidas?, a través de un host conectado a un servidor de contabilidad:
initialize. Cliente y servidor acuerdan una versión del protocolo e intercambian sus capacidades.tools/list. El servidor responde con el nombre de cada herramienta, una descripción sencilla y un JSON Schema para las entradas.list_overdue_invoices es el movimiento correcto.tools/call con el nombre de la herramienta y los argumentos. El servidor hace el trabajo real, como ejecutar una consulta SQL.La llamada del paso 5 es un pequeño mensaje JSON:
{
"jsonrpc": "2.0",
"id": 7,
"method": "tools/call",
"params": {
"name": "list_overdue_invoices",
"arguments": { "days_overdue": 30 }
}
}
El modelo nunca toca tu base de datos. Solo produce una solicitud. El servidor guarda las credenciales y hace el trabajo, y por eso los servidores son el lugar adecuado para aplicar límites.
Un transporte es el canal que lleva esos mensajes JSON. MCP define dos estándares.
| Transporte | Dónde se ejecuta el servidor | Ideal para | Contrapartida |
|---|---|---|---|
| stdio | En tu equipo, iniciado por el host como proceso hijo | Herramientas personales, acceso a archivos, desarrollo | Un solo usuario, debe instalarse en local |
| Streamable HTTP | En una dirección web, local o remota | Servidores compartidos de equipo, productos alojados | Necesita autenticación y alojamiento |
Los servidores que usan stdio se comunican a través de la entrada y salida estándar, así que no hay ningún puerto de red que atacar. Los servidores Streamable HTTP pueden atender a muchos usuarios a la vez, por eso las empresas de software los publican. Los tutoriales antiguos mencionan un transporte HTTP+SSE. La especificación actual lo sustituyó por Streamable HTTP.
Un servidor MCP expone hasta tres tipos de bloques de construcción.
| Primitiva | Quién la controla | Qué hace | Ejemplo |
|---|---|---|---|
| Herramientas | El modelo decide cuándo invocarlas | Realizan acciones o cálculos | Enviar un correo, ejecutar una consulta, generar una imagen |
| Recursos | La aplicación decide qué adjuntar | Aportan datos de solo lectura como contexto | Un archivo, una fila de base de datos, un registro |
| Prompts | El usuario los elige | Plantillas de instrucciones reutilizables | "Revisa este pull request" |
Las herramientas acaparan casi toda la atención porque permiten que una IA haga cosas. Los recursos son más discretos, pero igual de útiles: alimentan la conversación con contexto sin necesidad de una llamada a una herramienta. Los prompts funcionan como comandos de barra que el propio servidor incluye.
El modelo elige las herramientas leyendo solo sus nombres y descripciones. Una herramienta llamada run con la descripción "hace cosas" se usará mal o se ignorará. Una herramienta llamada search_invoices con la descripción "Busca facturas por nombre de cliente, estado o rango de fechas. Devuelve hasta 20 resultados." se elegirá en el momento adecuado.
El buen diseño de herramientas se reduce a cuatro hábitos:
create_ticket o list_branches.💡 Consejo: Si un asistente sigue eligiendo la herramienta equivocada, reescribe la descripción antes de tocar cualquier código. En la práctica, eso resuelve la mayoría de las confusiones.
La forma más rápida de entender la idea es mirar qué ejecuta la gente de verdad.
El servidor de sistema de archivos de referencia permite que un asistente lea, busque y edite archivos dentro de las carpetas que tú elijas. Apúntalo a un directorio de proyecto y pide todos los comentarios TODO agrupados por archivo. El servidor solo puede acceder a las carpetas que enumeraste, así que el asistente trabaja dentro de un cerco que tú trazaste.
Los servidores de bases de datos exponen una herramienta de consulta y, a veces, la estructura de las tablas como recurso. Pregunta qué tres clientes gastaron más en septiembre, y el modelo escribe el SQL, el servidor lo ejecuta y llegan las filas. Muchos equipos los configuran solo de lectura a propósito. Los servidores de búsqueda y de web funcionan igual, dando al modelo páginas actualizadas en lugar de datos de entrenamiento desfasados. Otros servidores populares conectan GitHub, Slack, Google Drive, Notion, Postgres y la automatización de navegador.
La generación es donde MCP se vuelve visual. Un servidor de imágenes expone una herramienta generate_image. El asistente escribe el prompt, el servidor llama a un modelo y una URL del archivo aparece de vuelta en el chat. El video funciona igual, con una diferencia: los clips tardan más, así que el servidor inicia un trabajo y el asistente comprueba su estado hasta que termina.
PicassoIA funciona con este patrón. Su API para desarrolladores está en https://api.picassoia.com/v1 y usa un token Bearer que empieza por pia_sk_. Las solicitudes siguen el estilo de Replicate: se crea una predicción, se consulta hasta que termina y después se obtiene el resultado. Cada cuenta puede ejecutar 5 predicciones a la vez. Los mismos cuatro modelos están disponibles a través de la API y del conector MCP de PicassoIA:
Las conexiones MCP se gestionan desde la página MCP de tu cuenta de PicassoIA, y la página de precios detalla lo que incluye cada plan. Si prefieres crear clips a mano en lugar de hacerlo a través de un asistente, modelos como Seedance 2.0 y Veo 3.1 están a un clic.
Un ejemplo más, más cercano a casa. Un servidor de publicación de blog puede exponer cuatro herramientas: generar una imagen, comprobar si un slug de URL está libre, listar los modelos de IA disponibles y guardar el artículo terminado en una base de datos. Un asistente al que se le da un tema las llama en orden, reintenta cualquier imagen que falle y guarda el resultado. Nadie escribió un "bot de artículos". El modelo simplemente tenía las herramientas adecuadas y una tarea clara.
Un servidor MCP suele envolver una API común, entonces ¿por qué añadir otra capa? Porque el lector es distinto. Una API REST se escribe para desarrolladores que leen la documentación. Un servidor MCP se escribe para un modelo que tiene que leer la documentación en tiempo de ejecución.
| API REST | Llamada a funciones | Servidor MCP | |
|---|---|---|---|
| Pensada para | Desarrolladores | El modelo de una sola app | Cualquier app de IA compatible |
| Encontrar herramientas | Documentación escrita para personas | Herramientas codificadas en cada app | Una solicitud en vivo de tools/list |
| Reutilización | Cada app escribe su propio cliente | Cada app vuelve a declarar las funciones | Un servidor, muchos hosts |
| Configuración típica | Llamadas HTTP en el código | Un JSON Schema en cada solicitud | Una entrada de configuración en el host |
MCP no sustituye la llamada a funciones. El host traduce la lista de herramientas del servidor al formato de llamada a funciones que el modelo ya conoce. MCP solo estandariza de dónde sale esa lista.
💡 Regla práctica: ¿Estás creando una app con unas cuantas funciones privadas? La llamada a funciones normal basta. ¿Quieres la misma capacidad en varios asistentes, o que tus compañeros puedan conectarla? Escribe un servidor MCP.
Un servidor MCP es código que una IA puede activar, a menudo con credenciales reales detrás. Trátalo como cualquier otro software que toque tus cuentas. Cinco preguntas detectan la mayoría de los problemas:
⚠️ Atención: Una descripción de herramienta es texto en el que el modelo confía. Un servidor malicioso puede esconder instrucciones dentro. Conecta solo servidores que estarías dispuesto a instalar como software.
Construir un servidor requiere menos trabajo de lo que la mayoría espera. Existen SDK oficiales para TypeScript, Python, Java, C# y varios otros lenguajes. Los mismos tres pasos se aplican en todos: crear un servidor, registrar una herramienta y conectar un transporte.
Este ejemplo registra una herramienta que cuenta palabras y la sirve por stdio. Guárdalo como módulo ES.
import { McpServer } from "@modelcontextprotocol/sdk/server/mcp.js";
import { StdioServerTransport } from "@modelcontextprotocol/sdk/server/stdio.js";
import { z } from "zod";
const server = new McpServer({ name: "word-counter", version: "1.0.0" });
server.registerTool(
"count_words",
{
description: "Count the words in a piece of text. Returns a single number.",
inputSchema: { text: z.string() },
},
async ({ text }) => ({
content: [
{ type: "text", text: String(text.trim().split(/\s+/).filter(Boolean).length) },
],
})
);
await server.connect(new StdioServerTransport());
Compílalo y luego añade una entrada al archivo de configuración de tu host: un nombre, el comando node y la ruta al archivo compilado. Reinicia el host y count_words aparecerá en su lista de herramientas. Pregunta "¿cuántas palabras hay en este párrafo?" y el asistente llamará a tu código en lugar de adivinar.
Antes de culpar al modelo, prueba el servidor por separado. El MCP Inspector oficial (npx @modelcontextprotocol/inspector node build/index.js) abre una página en el navegador donde puedes listar herramientas, rellenar argumentos y leer las respuestas sin procesar. Si funciona ahí, el problema está en la configuración del host o en la descripción de la herramienta.
Los servidores MCP hablan sobre todo texto, pero muchos flujos de trabajo terminan en una imagen o en un clip. Un buen orden de trabajo es esbozar la idea con un modelo de lenguaje y luego convertirla en visuales. PicassoIA Image se encarga de las fotografías, PicassoIA Image Editor Pro las corrige y les da forma, y PicassoIA Video anima el resultado.
Un modelo que maneja el uso de herramientas y el código es un gran compañero para construir el servidor de arriba. Este es el camino rápido con Claude Sonnet 5 en PicassoIA:
low, es rápido y barato. Cambia a high o max cuando una tarea abarque varios archivos o esconda un error difícil.Otros modelos de lenguaje merecen una prueba lado a lado: GPT 5.6 Terra para texto listo para producción, Gemini 3.5 Flash para respuestas rápidas y Kimi K2.6 para tareas de tipo agente.
Ahora sabes qué hace un servidor MCP, cómo viaja una solicitud a través de él y dónde se esconden los riesgos. La forma más rápida de sentir la idea es usar una herramienta que devuelva algo que puedas ver. Abre PicassoIA, describe una escena en una sola frase y genérala. Después ejecuta el mismo prompt en un segundo modelo y compara los resultados. Las herramientas pequeñas e intercambiables son el hábito que MCP premia, y una primera imagen lleva menos de un minuto. Pruébalo con PicassoIA ahora y mira adónde te lleva tu prompt.
Elige tu idioma
