Model Context Protocol · AI Agents · 2026
MCP dejó de ser un juguete local. Es el protocolo que conecta agentes con el mundo real — y Uber ya corre 1.500 de ellos en producción.
No es una keynote, es producción
Y no están solos: Anthropic donó MCP a la Agentic AI Foundation, bajo la Linux Foundation, donde competidores directos — Anthropic, OpenAI, Google, Microsoft, AWS, Cloudflare, Bloomberg y Block — empujan el mismo estándar. Eso es raro en IA. Pasa porque todos entendieron lo mismo: sin un estándar de conectividad, los agentes no llegan a producción.
5.000
Engineers, 90% usando agentes
10.000+
Servicios internos
1.500
Agentes activos al mes
60.000
Ejecuciones por semana
Un protocolo abierto que creó Anthropic a finales de 2024. En vez de que cada agente aprenda a hablar con cada herramienta de forma distinta, hay un estándar.
MCP CLIENT MCP SERVER TOOLS
Claude Code, ←────→ expone tools ←────→ Slack, GitHub,
Cursor, ChatGPT DB, Drive, FigmaLas librerías oficiales para construir MCP servers ya superan los 110 millones de descargas mensuales — y llegaron a esa cifra en aproximadamente la mitad del tiempo que le tomó a React.
Abres Claude Code, conectas un server que corre en tu máquina y lo usas tú solo. Funciona para un dev individual. ¿Pero con autenticación, governance y 5.000 personas a la vez? Ahí empieza la historia real.
David Soria Parra — co-creador de MCP y mantenedor principal del protocolo en Anthropic — lo ordenó en tres años.
2024 · El año de las demos
MCP nace a finales de 2024. Pruebas de concepto, integraciones de juguete, mucho potencial sin producción detrás.
2025 · El año de los coding agents
Agentes que corren en tu terminal, escriben código y llaman al compilador. Sandbox controlado, todo en tu máquina, fáciles de verificar.
2026 · El año de los agentes generales
Agentes que hacen trabajo real de oficina: análisis financiero, marketing, operaciones, soporte. Necesitan algo nuevo: conectividad masiva con autenticación, permisos y governance.
Si alguien te dice que hay UNA solución para todo, está equivocado. Son tres herramientas en un toolbox — cada agente elige las que necesita.
Conocimiento de dominio
Archivos simples que le dicen al agente cómo hacer algo. Reutilizables. Esta la usan todos, siempre.
Conectividad remota
Cuando necesitas autorización, governance, independencia de plataforma o conectarte a servicios enterprise. Es para cuando NO tienes sandbox: producción.
Ejecución local
Cuando tienes sandbox, terminal y herramientas que ya están en pre-training: git, gh, gcloud. Para agentes que corren en tu máquina.
| Agente | Skills | MCP | CLI |
|---|---|---|---|
| Coding agent (Claude Code, Cursor, Codex) | ✅ | ✅ | ✅ |
| Agente con API Anthropic en producción | ✅ | ✅ | Depende |
| Agente ADK en Cloud Run (los nuestros) | ✅ | ✅ | Generalmente no |
| Uber (1.500 agentes) | ✅ | ✅ | Solo coding agents |
Todos usan Skills y MCP. La diferencia está en CLI: solo los que tienen terminal y sandbox. MCP no es de Claude Code — es un protocolo abierto que cualquier agente puede usar: ADK, LangChain, la API de Anthropic, lo que sea.
El framework de Google Cloud para no confundirse. No son competidores: son herramientas distintas para problemas distintos, y en un sistema real usas varias a la vez.
| ¿Qué necesitas? | Herramienta |
|---|---|
| ¿Info de una librería de contenido? | RAG |
| ¿Acceso estandarizado a datos? | MCP (lookup) |
| ¿Que el agente haga algo en el mundo real? | MCP (acción) |
| ¿Trabajo en equipo dentro de tu app? | Sub-agents |
| ¿Agentes de distintas organizaciones? | A2A |
El harness controla al agente, pero necesita conectividad. MCP es la capa que le faltaba — el propio Soria Parra usa el término "agent harness" en su keynote.
Todo lo que rodea al modelo: restricciones, permisos, observabilidad. Lo que decide qué puede hacer el agente.
La capa estandarizada que conecta al agente con las herramientas del mundo real. Las dos piezas que un agente necesita para funcionar en producción.
¿Qué es el harness? Lo desarmé entero en otro video. Mira Harness Engineering ›
Probablemente el patrón más claro de cómo se ve MCP a escala. Llegar ahí no fue gratis — tuvieron tres problemas graves.
Cada equipo construía su propia integración MCP, sin estándar ni framework central. La mayoría no era reutilizable. Todos resolviendo lo mismo por separado.
Con agentes, el blast radius es más alto que con humanos. Un agente con acceso equivocado rompe cosas mucho más rápido que un developer. Necesitaban visibilidad total de quién accede a qué.
¿Cómo encuentra un agente el MCP server correcto? No cualquiera — uno confiable, con buen performance y seguro. Un tool malo no solo falla: degrada al agente entero.
La solución: Orchestrator + Gateway
ORCHESTRATOR → lee los 10.000 archivos de servicio y usa un LLM
para generar las descripciones de los MCP tools
(los dueños de cada servicio siguen en control)
GATEWAY → punto de entrada único. Todo agente pasa por acá:
autorización · redacción de datos sensibles ·
escaneo de código · guardrails · logging y tracingLa clave fue la automatización: obligar a 5.000 ingenieros a escribir MCP servers a mano mataría la iniciativa. Generar las descripciones leyendo las definiciones que ya existían es lo que hizo que la adopción funcionara a escala.
Miles de equipos internos crean agentes de productividad sin escribir código.
Donde construyen los agentes complejos: soporte al cliente, asistente de compras, coordinación de servicios.
El 95% de sus ingenieros los usan. Un agente interno, "Minions", produce 1.800 cambios de código por semana.
| Capa | Qué hace | Quién decide |
|---|---|---|
| Scoping | Qué tools están disponibles para cada agente | El sistema |
| Tool selection | Qué tools específicos usa este agente | El developer |
| Parameter overrides | Qué parámetros son fijos y no se tocan | El developer |
El agente no elige libremente entre todos los tools. Cada capa reduce un punto de fallo — el mismo principio de Agent Skills: no le das acceso a todo, le das acceso a exactamente lo que necesita. Nosotros lo mostramos en febrero; Uber lo implementó a escala enterprise.
No solo habló de la visión. Presentó dos técnicas concretas que ya se están usando.
Hoy la mayoría de clientes MCP cargan todos los tools en el contexto de entrada — y luego se sorprenden de que sea enorme. La solución: darle al modelo una herramienta para buscar herramientas. "Necesito algo para DNS" → la búsqueda devuelve el tool específico, se carga solo cuando lo necesita. Si usas Claude Code, los deferred tools ya son este patrón. Uber lo tiene en su roadmap como "omni MCP tool".
Hoy, para usar 5 herramientas el agente hace 5 idas y vueltas: llama, espera, piensa, llama, espera. Cada una con latencia. La solución: darle un ambiente de ejecución donde escriba código que componga los 5 tools en una sola llamada. En palabras de Soria Parra: "We're just not doing this enough yet."
Tres cosas grandes que aterrizan en la especificación y cambian cómo se construyen agentes en producción.
Stateless transport
El transporte original usaba conexiones persistentes — un problema para serverless como Cloud Run o Lambda que escalan a cero. Streamable HTTP (un endpoint, sin estado) ya existe desde marzo 2025; junio formaliza el estándar. Significa MCP servers nativos en Cloud Run y Kubernetes, escalando a cero, sin conexiones inactivas.
Server discovery
URLs estandarizadas para que los agentes descubran MCP servers automáticamente. Algo así como el robots.txt, pero para agentes: tu agente llega a un sitio, pregunta "¿tienes un MCP server?" y lo encuentra solo.
Skills over MCP
El MCP server no solo te da herramientas: también te manda el conocimiento de dominio de cómo usarlas. El autor del server actualiza las skills sin depender de nada externo. Todo distribuido junto con las tools.
Quién gobierna MCP
Desde diciembre de 2025 está bajo la Agentic AI Foundation, dentro de la Linux Foundation. Co-fundadores: Anthropic, Block y OpenAI. Miembros platinum: AWS, Bloomberg, Cloudflare, Google y Microsoft. Anthropic, Google, OpenAI, Microsoft y Amazon sentados en la misma mesa, definiendo cómo los agentes se conectan al mundo.
ThoughtWorks puso MCP en "probar" en su Technology Radar — recomendado para proyectos reales. Pero con una advertencia: la conversión directa de API a MCP la pusieron en "evitar". REST está diseñado para humanos; MCP requiere diseño para agentes. Diseña para agentes, no conviertas para agentes.
Cada era de la computación tuvo un protocolo que definió cómo se conectaban las cosas.
HTTP → conectó páginas web
REST → conectó aplicaciones
gRPC → conectó microservicios
MCP → conecta agentes de IA con el mundo realCada video fue una pieza del puzzle. MCP es la que faltaba: conectividad.
Las fuentes primarias citadas en el video.
David Soria Parra · Anthropic · Abril 2026
Co-creador de MCP. Las 3 opciones de conectividad, progressive discovery y programmatic tool calling. "2026 es el año de los agentes generales."
Uber · MCP Dev Summit (AAIF) · 2026
Meghana Somasundara y Rush Tehrani presentan el MCP Gateway + Registry: 5.000 engineers, 10.000 servicios, 60.000 ejecuciones por semana.
Google Cloud Tech · 2026
El framework simple para decidir qué usar y cuándo. No son competidores: son herramientas distintas para problemas distintos.
ThoughtWorks · 2026
MCP en "probar" (recomendado para proyectos reales). Pero la conversión directa de API a MCP en "evitar" — exactamente el "cringe" de Soria Parra.
Martin Fowler · 2026
El contexto que rodea al modelo y cómo las herramientas — MCP incluido — moldean lo que un agente puede hacer de verdad.
Cada pieza del sistema, en su propio video. MCP es la capa de conectividad que las une.
El framework que controla al agente. MCP es la capa de conectividad que le faltaba al harness.
Cómo se repite el trabajo del agente en el tiempo. El loop usa las herramientas que MCP conecta.
Skills como conocimiento de dominio: la primera de las 3 opciones de conectividad. No le das todo, le das lo que necesita.
La fábrica de skills. Con skills over MCP, esas skills se distribuyen junto con las herramientas.
7 agentes en producción que se delegan tareas. La infraestructura donde corre todo esto.
Workspace profiling y governance: el código decide los permisos, no el modelo. Uber lo hace a escala con su gateway.
Lo esencial sobre Model Context Protocol.
Es un protocolo abierto creado por Anthropic a finales de 2024 que estandariza cómo los agentes de IA se conectan a herramientas externas. En vez de que cada agente aprenda a hablar con cada herramienta de forma distinta, hay un protocolo común: un MCP server expone herramientas (tools) y un MCP client (Claude Code, Cursor, ChatGPT) se conecta y las usa.
Es un servicio que expone herramientas a través del protocolo MCP. Hoy hay MCP servers para Slack, GitHub, bases de datos, Google Drive, Figma o Blender. Un agente se conecta al server y usa esas herramientas sin conocer los detalles internos. Las librerías oficiales para construirlos ya superan los 110 millones de descargas mensuales.
Con un modelo cliente-servidor. El MCP server expone tools; el client se conecta y el agente las llama cuando las necesita. En local lo usas tú solo. En producción se agrega autenticación, governance y un gateway centralizado — como el que construyó Uber — que controla qué agente accede a qué herramienta.
No. Desde diciembre de 2025 MCP está bajo la Agentic AI Foundation, dentro de la Linux Foundation. Co-fundadores: Anthropic, OpenAI y Block; miembros platinum: AWS, Bloomberg, Cloudflare, Google y Microsoft. Es un protocolo abierto que cualquier agente puede usar — ADK, LangChain, la API de Anthropic — no solo Claude Code.
No compiten, resuelven problemas distintos. RAG: traer info de una librería de contenido. MCP: acceso estandarizado a datos o ejecutar una acción en el mundo real. Sub-agents: trabajo en equipo dentro de tu app. A2A: agentes de distintas organizaciones hablando entre sí. En un sistema real usas varios al mismo tiempo.
Sí, y ya se hace a gran escala. Uber corre 1.500 agentes activos y 60.000 ejecuciones por semana sobre MCP, conectados a más de 10.000 servicios internos vía un MCP Gateway centralizado con autorización, redacción automática de datos sensibles y guardrails. No es un piloto: es su forma de trabajar.
No. Soria Parra lo llamó "cringe" y ThoughtWorks puso la conversión directa de API a MCP en "evitar". REST está diseñado para humanos; MCP requiere diseño pensado para agentes: menos herramientas, con descripciones claras. La regla es diseñar para agentes, no convertir para agentes.
Comunidad
MCP servers, gateways y agentes conectados a herramientas reales — la arquitectura del caso Uber aplicada a tu stack, con repos y ejemplos hands-on. Acceso gratis a la comunidad; los cursos completos van en el tier Premium.
Únete a Agentic Engineers →Canal YouTube
@NicolasNeiraGarcia
ADK · A2A · Claude Code · Automatización · Infraestructura