MCP Model Context Protocol

MCP es el procolo que permite, a través de un contexto, que un agente IA pregunte qué pueden hacer sus amiguitos y ver si alguno de ellos puede ayudarle a resolver una petición, alguna tarea que se le pide en un prompt.

Por ejemplo un usuario pregunta a una IA “¿Cuánto es 785378531 por 7777777 entre 3,33?”

A) Sin MCP

Es muy probable que chatGPT o un modelo de IA basado en LLM no tenga la respuesta. Y no la tiene porque nunca la ha visto y no puede inferirla de todo lo que ha leído.

B) Con MCP

Con el Protocolo de Contexto de Modelo (MCP), el agente IA podría preguntar a otros modelos o agentes si tienen información o habilidades que puedan ayudar a resolver la consulta.

Por ejemplo, si dentro de los servidores MCP hay uno que tiene la “herramienta” calculadora el flujo sería así:

1. El agente IA recibe la pregunta del usuario.
2. El agente IA pregunta a sus amiguitos “¿Qué sabéis hacer?”
3. Uno de los agentes responde “Yo puedo hacer cálculos matemáticos” y otro dice “Yo puedo buscar información en internet”, etc.
4. El agente IA decide que la mejor forma de resolver la pregunta es usar el agente que puede hacer cálculos matemáticos.
5. El agente IA envía la pregunta al agente de cálculos matemáticos.
6. El agente de cálculos matemáticos realiza la operación y devuelve el resultado al agente IA
7. El agente IA presenta el resultado al usuario.

¿Por qué mola?

MCP mola porque permite que los agentes IA hagan cosas y no sólo hablen. Un chatGPT sólo, no puede comprar un billete de avión, ni hacer una transferencia bancaria, ni calcular una raíz cuadrada. Pero si tiene acceso a otros agentes que sí pueden hacer esas cosas, entonces puede resolver problemas más complejos.

Algunas ventajas clave de MCP son bajo mi punto de vista:

• La Especialización: Cada agente puede especializarse en una tarea específica. No tiene sentido que un agente de IA basado en un LLM se encarque de indentificar matrículas de coches en un parking. Mejor usar un sistema que ya funciona bien para eso.

• El ahorro de recursos: Un modelo especializado (una calculadora) va a ser más rápido y más eficiente que un LLM. En este ejemplo te vala la CPU y no necesitas una GPU para hacer cálculos matemáticos básicos.

• El ahorro de costes: Déjate de tokens y de pagar por un modelo que no necesitas.

• Menos alucinación: Un modelo especializado no se va a inventar una respuesta. Si le preguntas a un agente de IA especializado en matemáticas o a la calculadora de Windows, te va a dar una respuesta correcta y no se va a inventar nada.

¿Por qué no mola?

MCP no mola porque es un protocolo chapucilla por el momento.

Algunos problemas son:

• Seguridad: MCP no es un protocolo preparado para la seguridad. Si un agente IA puede preguntar a otros agentes, ¿qué pasa si un agente malicioso se cuela en el sistema? ¿Puede hacer que otros agentes hagan cosas que no deberían hacer?
• Auditoría: No hay un mecanismo claro para auditar las acciones de los agentes. Si un agente hace algo mal, ¿cómo podemos rastrear qué agente lo hizo y por qué?
• Contabilidad: MCP no tienen un mecanismos de control para auditar el núnero de tokens que se usan en cada interacción. Si un agente hace una pregunta a otro agente, ¿cómo sabemos cuántos tokens se han gastado en total?
• Depuración de errores: Un agente IA de un sistema de soporte bancario a los usuarios hace 30 llamadas a “herramientas” de 5 de sus amiguitos y responde mal. ¿Cómo sabemos qué agente hizo algo mal? ¿Cómo podemos depurar el error? Complicado.

El futuro

Por el momento podemos usar MCPO (nosotros ya lo estamos haciendo) porque:

1. Permite exponer cualquier herramienta MCP como un servidor HTTP compatible con OpenAPI al instante.
2. Es un proxy muy sencillo que hace accesible nuestros MCP Servers a través de OpenAPI estándar. Así tus herramientas “simplemente funcionan” con agentes LLM y aplicaciones que esperan servidores OpenAPI.
3. Fácil de securizar y auditar.

Sin protocolo personalizado. Sin código pegamento. Sin complicaciones.

Haremos un post específico sobre MCPO en breve.

Sitio de MCPO

Foto de Fernando Arcos: image