¿Qué son las herramientas MCP y cómo las usan los modelos de IA?

Las herramientas MCP son funciones que un modelo de IA puede llamar para realizar una tarea fuera de la conversación; por ejemplo, buscar en tus notas o consultar una base de datos. Cada herramienta se encuentra en un servidor MCP (Model Context Protocol) y tiene un nombre y una breve descripción que ayudan al modelo a decidir cuándo usarla.

El término "herramienta MCP" también se usa de otras maneras. En el uso cotidiano, la gente dice "herramientas MCP" cuando se refiere a servidores MCP (las aplicaciones que ofrecen herramientas) o a los directorios que enumeran esos servidores. MCP Tools también es el nombre de un programa de línea de comandos para enumerar y llamar a las herramientas de un servidor MCP.

Esta guía trata sobre las funciones del protocolo, no sobre servidores, directorios ni líneas de comandos. Explica en qué consiste una herramienta, qué tipos de herramientas ofrecen los servidores y en qué se diferencian las herramientas de los recursos, los prompts y la llamada a funciones. Después, recorre los pasos que sigue un modelo para usar una herramienta y cierra con los problemas más comunes relacionados con su uso.

¿Qué son las herramientas MCP?

Una herramienta MCP es una función que permite a los modelos de IA completar tareas con otras aplicaciones de software. Por ejemplo, mis agentes de IA y flujos de trabajo usan herramientas MCP para redactar correos en Gmail (create_draft), crear tarjetas de Trello (trelloWriteCard) y obtener resultados de búsqueda en vivo de DataForSEO (serp_organic_live_advanced), por mencionar solo algunos casos.

Las apps de software suelen ofrecer varias herramientas MCP en sus servidores MCP. Por ejemplo, el servidor MCP de Trello tiene actualmente 14 herramientas MCP que permiten a los modelos de IA leer y actualizar tableros, listas, listas de verificación, tarjetas y más.

Y como MCP estandariza la forma en que se describen y ofrecen las herramientas, cualquier app de IA compatible con el protocolo puede usar la misma herramienta MCP.

Qué incluye una herramienta MCP

Toda herramienta MCP incluye tres elementos:

• Nombre: un identificador corto que el modelo usa al llamar a la herramienta (p. ej., get_event en Google Calendar).
• Descripción: una explicación en lenguaje sencillo de lo que hace la herramienta y de cuándo es útil. El modelo de lenguaje grande (LLM) la lee para decidir si la herramienta se ajusta a tu solicitud (p. ej., "Returns a single event on the given calendar.").
• Entradas: la información que la herramienta necesita para ejecutarse, como el nombre de un cliente y una fecha para buscar notas. Se escribe en JSON, y los desarrolladores la llaman esquema de entrada porque define el formato de cada entrada (texto, número o lista).

Ampliar

Algunas herramientas agregan metadatos adicionales: un nombre visible, una descripción de los resultados que devuelven (un esquema de salida) y anotaciones sobre cómo se comporta la herramienta.

El modelo de IA nunca ve el código detrás de una herramienta. Trabaja a partir de lo que la herramienta dice de sí misma, así que un nombre o una descripción vagos hacen que el modelo elija la herramienta equivocada.

Qué tipos de herramientas MCP existen

Las herramientas MCP se dividen en cuatro grupos según lo que hacen:

• Herramientas de búsqueda y consulta: encuentran o recuperan información (p. ej., buscar en notas, leer un archivo o consultar una base de datos).
• Herramientas de acción: crean o modifican algo en otra app (p. ej., agregar una tarea, crear un evento en el calendario, abrir un ticket de soporte o enviar un correo).
• Herramientas de procesamiento de datos: transforman o analizan datos (p. ej., analizar un archivo de hoja de cálculo o hacer un cálculo).
• Herramientas del sistema: interactúan con el sistema local (p. ej., ejecutar un comando en una terminal).

Herramientas MCP vs. recursos y prompts

Además de las herramientas MCP, un servidor MCP puede ofrecer otros dos tipos de componentes básicos, que el protocolo llama primitivas: recursos y prompts.

Ampliar

Por ejemplo, el servidor MCP oficial de GitHub ofrece:

• Una herramienta llamada issue_write que crea o actualiza issues,
• Un recurso llamado repository_content que da acceso a los archivos de un repositorio,
• Un prompt llamado issue_to_fix_workflow que establece los pasos para reportar un problema como issue y hacer que el agente de programación Copilot de GitHub genere un pull request para corregirlo.

La diferencia está en lo que hace cada uno y en quién decide cuándo usarlo: tú, la app de IA en la que trabajas (p. ej., Perplexity) o el modelo de IA que se ejecuta dentro de esa app.

• Una herramienta MCP realiza acciones o consulta información. El modelo de IA decide de forma autónoma cuándo llamar a una herramienta, y tu app de IA transmite la llamada al servidor. Tu modelo de IA elige las herramientas; tu app de IA debería mostrarte cada llamada y permitirte rechazarla.
• Un recurso es contenido disponible en el servidor MCP, como un archivo o un conjunto de registros, cada uno con su propia dirección (un URI). Tu app de IA le pregunta al servidor qué recursos tiene, lee el que necesita a partir de su dirección y agrega el contenido a la conversación como contexto.
• Un prompt es una plantilla de mensaje predefinida que proporciona el servidor, a veces con espacios en blanco que tú completas. Tu app de IA te muestra los prompts disponibles y tú eliges uno, a menudo como un comando con barra diagonal.

Cómo usan los modelos de IA las herramientas MCP

Un modelo de IA usa una herramienta MCP en cinco pasos: descubrimiento, selección de la herramienta, invocación, resultados y manejo de errores. Tu app de IA transmite todo entre el modelo y el servidor.

Ampliar

Supongamos que le pides a tu app de IA que revise tu lista "This week" de Trello y redacte un correo para tu editor con una actualización. Esto es lo que ocurre de principio a fin:

1. Descubrimiento: cuando tu app de IA se conecta a un servidor MCP mediante clientes MCP, solicita la lista de herramientas disponibles del servidor (una solicitud llamada tools/list). El LLM solo ve lo que la app le transmite: el nombre, la descripción y las entradas de cada herramienta.
2. Selección de la herramienta: el modelo de IA compara tu solicitud con esas descripciones y elige las herramientas adecuadas. En este caso, son trelloReadList de Trello para leer la lista y create_draft de Gmail para escribir el correo. También completa las entradas, como qué lista leer.
3. Invocación: el modelo responde con una solicitud estructurada para ejecutar la herramienta (un paso llamado "llamada a funciones"). Tu app de IA envía esa solicitud al servidor correcto (una solicitud tools/call). También debería mostrarte la llamada y permitirte rechazarla.
4. Resultados: el servidor ejecuta la función y devuelve el result, en este caso, las tarjetas de tu lista. Tu app de IA agrega el resultado a la conversación y el modelo decide qué sigue: responderte o llamar a otra herramienta, como create_draft con un correo basado en esas tarjetas.
5. Manejo de errores: si la herramienta se ejecuta pero falla, por ejemplo, porque la lista no existe, el error se devuelve como parte del resultado. El modelo puede leerlo y volver a intentarlo con entradas diferentes. Si la solicitud en sí tiene un error, por ejemplo, porque llama a una herramienta que el servidor no tiene, la app recibe en cambio un error de protocolo, y es menos probable que el modelo se recupere.

Lo clave es que el modelo elige las herramientas solo a partir de sus descripciones, y tu app de IA se encarga de toda la comunicación con los servidores.

Problemas comunes con las herramientas MCP y cómo evitarlos

Los problemas con las herramientas MCP se reducen a cuatro aspectos: cuántas herramientas hay conectadas, cómo se nombran y describen, cuántos datos devuelven y de qué servidores provienen.

A continuación, se muestra cómo se manifiesta cada problema y qué ayuda a resolverlo:

¿Por qué las herramientas MCP necesitan tu aprobación?

Las herramientas MCP necesitan tu aprobación porque, sin ella, el modelo de IA podría hacer cambios que no pretendías o compartir datos confidenciales con un servidor que no controlas.

Una solicitud mal interpretada o una herramienta descrita de forma vaga pueden desencadenar la acción equivocada. Además, cada llamada envía parte de tu información a un servidor.

Por eso el protocolo espera que las apps de IA mantengan a una persona involucrada en el proceso, con la posibilidad de rechazar cualquier llamada a una herramienta.

Esta es una forma práctica de clasificar las herramientas según cuánta revisión necesitan:

• Acciones de solo lectura: consultar algo, como leer una lista con trelloReadList de Trello, no cambia nada. Estas llamadas pueden ejecutarse sin preguntar primero, siempre que tu app de IA muestre qué herramienta se ejecutó y qué consultó.
• Acciones que puedes deshacer: crear un borrador de correo con create_draft de Gmail o agregar una tarjeta de Trello cambia algo que puedes revertir. Revisa las entradas antes de que se ejecute la llamada.
• Acciones que no puedes deshacer: enviar un correo con send_message de Gmail, eliminar registros o cualquier cosa que implique pagos o datos confidenciales no se puede revertir. Da permiso explícito para estas acciones cada vez.

Cómo usar herramientas MCP en Perplexity

Perplexity funciona con herramientas MCP en ambas direcciones: puede usar herramientas de los servidores MCP que conectes y ofrece sus propias herramientas a otras apps de IA.

• Conecta servidores MCP a Perplexity: en los planes Pro, Max y Enterprise, puedes conectar Perplexity a cualquier herramienta o fuente de datos externa que tenga un servidor MCP y usarla en respuestas y en flujos de trabajo agénticos de Perplexity Computer. En la app para Mac, también puedes conectar servidores MCP que se ejecutan en tu computadora
• Usa las herramientas de Perplexity en otras apps de IA: el servidor MCP de Perplexity ofrece cuatro herramientas (perplexity_search, perplexity_ask, perplexity_research y perplexity_reason) a cualquier app de IA compatible con servidores MCP remotos, como Claude Code. Un servidor independiente permite que otras apps de IA deleguen tareas de varios pasos a Perplexity Computer.

Preguntas frecuentes sobre las herramientas MCP

¿MCP es solo llamada a herramientas?

No, MCP no es solo llamada a herramientas. La llamada a herramientas es la forma en que el modelo solicita una herramienta, y MCP es la forma en que la app de IA encuentra herramientas y dirige cada llamada al servidor que la ejecuta.

La llamada a herramientas (también conocida como llamada a funciones) es la parte del trabajo que le corresponde al modelo de IA: el modelo ve una lista de herramientas y responde con una solicitud para ejecutar una. Si solo se usa la llamada a herramientas, cada app de IA tiene que definir y ejecutar cada herramienta por su cuenta.

MCP permite que las herramientas residan en servidores, de modo que cualquier app de IA compatible con MCP puede ofrecerlas a su modelo y enviar las solicitudes del modelo al servidor correcto.

¿MCP reemplazará a las API?

No, MCP no reemplazará a las API, porque MCP y las API funcionan en conjunto. Las herramientas MCP suelen basarse en API existentes y, cuando el modelo llama a una herramienta, el servidor MCP normalmente hace una solicitud a la API.

¿Qué apps de IA son compatibles con las herramientas MCP?

Las herramientas MCP funcionan en asistentes de IA como Claude, ChatGPT y Perplexity, y en herramientas de desarrollo como Visual Studio Code y Cursor. La documentación de MCP menciona estas apps y señala que muchas otras también son compatibles.

¿El modelo de IA en sí necesita ser compatible con MCP?

No. El modelo de IA no necesita ser compatible con MCP porque tu app de IA se encarga del protocolo. Se conecta a los servidores, transmite sus herramientas al modelo y envía las solicitudes de herramientas del modelo al servidor correcto. El modelo solo necesita ser compatible con la llamada a funciones.

¿MCP se está volviendo obsoleto?

No, MCP sigue en desarrollo activo. Sus responsables publicaron una nueva versión de la especificación de MCP en julio de 2026 y una hoja de ruta actualizada en agosto de 2026, que incluye trabajo para que los servidores revelen sus herramientas de forma gradual a medida que una conversación se acota.