Vulnerabilidades en PHP: qué es PHP2Shell y cómo proteger tu web o tienda online
octubre 28, 2026
Un servidor MCP expone las herramientas y los datos de una aplicación corporativa a un asistente de IA mediante Model Context Protocol (MCP), un estándar abierto que Anthropic presentó en noviembre de 2024. Así, el asistente puede consultar un pedido o preparar una incidencia sin una integración a medida para cada caso. Te explicamos cómo funciona, cómo se combina con RAG y qué implica ejecutarlo en infraestructura propia.
En este artículo
- ¿Qué es un servidor MCP y para qué sirve en una empresa?
- ¿Cómo funciona un asistente con MCP en una aplicación corporativa?
- ¿Qué diferencia hay entre MCP y RAG, y cómo se combinan?
- ¿Cómo se atiende una consulta de factura por correo con MCP y RAG?
- ¿Se puede usar MCP con modelos on premise?
- ¿Qué papel tiene Innotu? Proyecto ASAPI, InnoGPT y Kubernetes
- Preguntas frecuentes
¿Qué es un servidor MCP y para qué sirve en una empresa?
Un servidor MCP es un programa que expone capacidades concretas de una aplicación o fuente de datos, como consultar existencias, recuperar un documento o registrar una solicitud, para que un asistente de IA las use de forma estándar. Sustituye integraciones a medida por una interfaz común y deja los permisos bajo control de la aplicación.
MCP son las siglas de Model Context Protocol. Antes de existir, cada conexión entre un asistente y una herramienta exigía un desarrollo propio: un reto de integración que Anthropic describió como N×M. Con un protocolo común, cada sistema se conecta una vez y cualquier asistente compatible puede usarlo. Después de su lanzamiento, otros proveedores, como OpenAI, lo han incorporado a sus productos.
Host, cliente y servidor: quién hace cada cosa
La especificación oficial de MCP describe una arquitectura con tres piezas:
- Host: la aplicación con la que interactúa el usuario. Crea y coordina los clientes, aplica las políticas de seguridad y gestiona los consentimientos.
- Cliente MCP: vive dentro del host y mantiene la conexión con un único servidor.
- Servidor MCP: expone capacidades concretas, como buscar en un ERP, consultar documentación o registrar una acción.
En una aplicación corporativa, el host es la interfaz del asistente integrada en tu aplicación. El modelo de lenguaje interpreta la petición y propone qué herramientas usar. Una capa de orquestación, mediante clientes MCP, ejecuta las llamadas y devuelve los resultados a la conversación. Lo habitual es separar los servidores por función: uno de conocimiento, otro de negocio y otro de acciones.
Tools, resources y prompts
Los servidores MCP exponen sus capacidades mediante tres primitivas: herramientas (tools), recursos (resources) y plantillas (prompts). Las herramientas son las que ejecutan operaciones concretas, como consultar existencias, recuperar un documento, buscar incidencias o registrar una solicitud. Cada una describe su finalidad y los parámetros que necesita, y eso permite al modelo elegir la adecuada.
¿Sustituye MCP a las APIs?
No. Las APIs de tu ERP, CRM o GMAO siguen siendo la vía de acceso a los datos. El servidor MCP las envuelve en un formato que el asistente puede descubrir y usar, y las reglas comerciales y operativas siguen aplicándose en los servicios corporativos.
Con las APIs, lo que más se subestima es la privacidad: muchas organizaciones conectan sus aplicaciones a modelos cloud a través de API, y los datos de cada consulta viajan fuera de su entorno. Por eso, antes de exponer una API a un asistente, conviene decidir qué datos puede recibir el modelo y dónde se procesa.
¿Cómo funciona un asistente con MCP en una aplicación corporativa?
El usuario escribe una petición en lenguaje natural. El asistente se la presenta al modelo junto con el contexto y las herramientas autorizadas, el modelo propone qué herramienta usar y la aplicación la ejecuta mediante un cliente MCP. El ciclo se repite hasta poder responder o pedir la intervención del usuario.
Imagina esta petición: «Consulta los pedidos pendientes de este cliente y prepara una incidencia para los que llevan más de cinco días de retraso». El asistente necesita varias operaciones sucesivas:
- Identifica al cliente.
- Consulta sus pedidos pendientes.
- Con los resultados, prepara las incidencias correspondientes.
En cada paso, la aplicación controla la ejecución: valida los parámetros, comprueba los permisos y determina qué acciones requieren revisión antes de ejecutarse. El modelo propone, pero no decide por su cuenta qué se ejecuta.
Esta organización tiene dos ventajas prácticas. Permite incorporar herramientas de forma gradual, empezando por una consulta sencilla. Y permite reutilizar las mismas capacidades de negocio desde distintos asistentes.
Un criterio práctico para decidir qué automatizar: se pueden automatizar las acciones en las que la propia aplicación ya genera datos supervisados, es decir, datos validados por su uso normal. Cuando esa validación previa no existe, conviene mantener la revisión humana antes de ejecutar la acción.
¿Qué diferencia hay entre MCP y RAG, y cómo se combinan?
RAG busca información relevante en fuentes corporativas y la incorpora al contexto para que el modelo responda con base documental. MCP es el estándar que permite al asistente acceder a herramientas y sistemas, incluido un servicio RAG. RAG responde a qué sabe el asistente; MCP, a qué puede consultar o hacer.
| Aspecto | RAG | MCP |
|---|---|---|
| Qué es | Generación aumentada por recuperación: técnica para buscar información y añadirla al contexto | Protocolo abierto para conectar asistentes de IA con herramientas y fuentes de información |
| Qué resuelve | Responder con documentación interna, con referencias para comprobarla | Consultar datos de negocio y ejecutar operaciones en otros sistemas |
| Ejemplo | Recuperar el manual de una máquina | Consultar pedidos en el ERP o registrar una orden en el GMAO |
| Cómo se actualiza | Actualizando las fuentes, sin reentrenar el modelo | Añadiendo o modificando herramientas en el servidor |
| Qué hay que controlar | Filtros por planta, modelo de máquina, versión del procedimiento, fecha y permisos del usuario | Validación de parámetros, permisos por herramienta y revisión de acciones sensibles |
Cómo se combinan
Un servidor MCP puede ofrecer herramientas para buscar procedimientos, recuperar fragmentos de manuales o consultar antecedentes. Así, distintos asistentes utilizan un mismo servicio de conocimiento. Existen implementaciones que exponen la búsqueda y la generación sobre bases documentales mediante herramientas MCP.
La calidad depende de recuperar la información adecuada. En un entorno industrial, un documento similar puede resultar inadecuado si corresponde a otra configuración del equipo.
Imagina que un técnico pregunta: «La máquina muestra la alarma E42. Busca el procedimiento aplicable y revisa si hemos tenido incidencias similares». El asistente podría recuperar el manual correspondiente, consultar intervenciones anteriores y presentar la información con sus fuentes. Si después se le pide preparar una orden de mantenimiento, usaría otra herramienta conectada al GMAO, conservando las validaciones necesarias.
Por eso conviene definir, para cada caso, qué atributos (planta, modelo de máquina, versión del procedimiento, fecha y permisos del usuario) se aplican como filtro antes de que un fragmento llegue al contexto.
¿Cómo se atiende una consulta de factura por correo con MCP y RAG?
El sistema detecta el correo, verifica que el remitente está autorizado, consulta la última factura en el ERP mediante una herramienta MCP y recupera con RAG la documentación explicativa si hace falta. Después guarda un borrador o envía la respuesta, según la política de automatización de la empresa.
Este es un escenario ilustrativo. Un cliente escribe a soporte: «Quiero información sobre mi última factura».
- Detección. Un servicio automático detecta el mensaje mediante notificaciones del proveedor de correo o consultas periódicas, recoge su contenido y lo traslada al asistente, que identifica el caso de uso: localizar la última factura y preparar una respuesta.
- Verificación. Antes de recuperar información financiera, el sistema comprueba que el remitente está autorizado a acceder a los datos del cliente. Si la identidad no puede confirmarse o hay varias cuentas posibles, solicita verificación o deriva el caso al equipo de soporte. Una acción que puede ofrecer el servidor MCP es enviar un doble factor de verificación y remitir el documento solo al correo validado de esa forma.
- Consulta al ERP. El modelo propone una herramienta como
consultar_ultima_factura. El servidor MCP conectado al ERP devuelve datos estructurados: número de factura, fecha, importe, vencimiento y estado de pago. - Contexto documental. Si hay que explicar las condiciones de facturación o cómo solicitar una rectificación, el asistente recupera esa documentación con una herramienta RAG. Los datos económicos proceden del ERP; la documentación aporta el contexto explicativo.
- Respuesta. Otra herramienta guarda un borrador o envía el mensaje, según la política de la empresa.
- Registro. El sistema registra el resultado y actualiza el estado de la solicitud, para facilitar el seguimiento y evitar respuestas duplicadas.
El ejemplo combina interpretación, recuperación de información y acciones sobre herramientas externas al asistente. El mismo patrón se adapta a solicitudes de certificados, consultas de pedidos, incidencias de suministro o peticiones de documentación técnica.
Este caso es básico a propósito: con otras herramientas, la misma lógica se puede aplicar a todos los sectores.
¿Se puede usar MCP con modelos on premise?
Sí. El modelo de lenguaje, los embeddings, los índices, los servidores MCP y los registros pueden ejecutarse en infraestructura propia para que los datos no salgan al cloud. Lo importante es que toda la cadena sea privada: si los fragmentos recuperados se envían a un modelo externo, parte del contenido sale del entorno.
En la industria, esto importa especialmente. Los procedimientos de fabricación, las configuraciones de producto, los informes de calidad y la experiencia acumulada en mantenimiento forman parte de la ventaja competitiva de una organización. Incorporar IA a estos procesos exige decidir dónde se usa esa información y cómo se controla su acceso.
Qué debe quedar en infraestructura propia
Un diseño on premise debe abarcar toda la cadena:
- el modelo de lenguaje y la generación de embeddings,
- los índices de búsqueda y la recuperación documental,
- los servidores MCP,
- los registros.
Las ventajas son un mayor control sobre el acceso, la conservación de la información y las conexiones permitidas. También puede facilitar la operación en redes restringidas y reducir la dependencia de servicios externos de inferencia. A cambio, la organización debe dimensionar los recursos, mantener los componentes y evaluar la calidad y el rendimiento del modelo para sus tareas.
En el ejemplo de la factura, el servicio de correo podría estar en cloud mientras el procesamiento de IA y las consultas al ERP permanecen en infraestructura privada. El diseño debe distinguir esos flujos y establecer qué datos recibe cada servicio.
Controles para proteger el conocimiento de la empresa
Proteger el know-how también exige controles internos:
- La búsqueda aplica los permisos antes de incorporar información al contexto.
- Cada herramienta dispone solo de los accesos necesarios para su función.
- Las acciones sensibles quedan sujetas a validación y trazabilidad.
RAG y MCP necesitan estos controles para operar de acuerdo con las políticas de la empresa.
Lo que nos piden los clientes
Lo que más nos piden los clientes es privacidad: que los datos no salgan de la empresa, que no se procesen en modelos cloud y que se proteja la seguridad de la información.
¿Qué papel tiene Innotu? Proyecto ASAPI, InnoGPT y Kubernetes
Nuestra experiencia
Innotu desarrolla software a medida desde 2013 y participa en ASAPI, un proyecto de I+D del programa Hazitek que investiga cómo generar asistentes conversacionales a partir de APIs. Aportamos nuestra experiencia en aplicaciones conectadas con ERP, GMAO y bases de datos corporativas, y en despliegues con contenedores y Kubernetes.
Proyecto ASAPI (nº ZL-2026/00432), programa Hazitek
- desarrollar un módulo para extraer datos de APIs,
- adaptar los modelos de lenguaje para la interacción conversacional con formularios,
- aplicar RAG en asistentes para sitios web,
- crear prototipos funcionales y validarlos con pruebas cualitativas y cuantitativas.
ASAPI forma parte del Programa de ayudas de apoyo a la I+D empresarial Hazitek, una actuación cofinanciada por el Gobierno Vasco y la Unión Europea a través del Fondo Europeo de Desarrollo Regional 2021-2027 (FEDER).
InnoGPT: la plataforma de asistentes de Innotu
Así lo hacemos en Innotu
Dentro del proyecto, Innotu trabaja en InnoGPT, su plataforma para crear asistentes conversacionales. Se apoya en una arquitectura en contenedores que separa la capa del modelo de lenguaje, el backoffice y los servicios. El primer cliente es #BerbatIA, el asistente de la web de Innotu, que funciona como módulo de WordPress.
Con InnoGPT y #BerbatIA vemos que las herramientas de IA pueden estar al alcance de cualquier empresa. Además, existen ayudas para financiar su implantación, como el programa de inteligencia artificial de la SPRI, dirigido a empresas industriales vascas y de servicios ligados a la industria. Conviene consultar la convocatoria vigente.
De los prototipos a la producción: desarrollo cloud native
Construir y operar un asistente implica desarrollar interfaces, integrar APIs, gestionar identidades, actualizar fuentes documentales y mantener los servicios disponibles. Nuestra experiencia en software a medida y en proyectos publicados en nuestros casos de éxito, como portales del empleado y herramientas para fabricación y elaboración de ofertas, cubre esos procesos.
Nuestra experiencia con Kubernetes
Los contenedores y Kubernetes permiten organizar los componentes como servicios con ciclos de despliegue y necesidades de recursos diferentes. Se pueden usar en infraestructura propia, cloud privado o entornos híbridos, con monitorización y procesos de actualización adaptados a cada proyecto. Nuestro servicio de Kubernetes incluye despliegue, seguridad, monitorización e integración con entrega continua.
Para cada caso, el punto de partida es definir qué contexto necesita el asistente, qué herramientas puede utilizar y dónde deben procesarse los datos para preservar el conocimiento de la organización.
Preguntas frecuentes sobre MCP en la empresa
¿Qué es MCP?
MCP (Model Context Protocol) es un estándar abierto, presentado por Anthropic en noviembre de 2024, para conectar asistentes de IA con herramientas y fuentes de información. Define cómo un asistente descubre y usa las capacidades que expone un servidor.
¿MCP sustituye a las APIs?
No. Las APIs siguen siendo la vía de acceso a los sistemas corporativos. El servidor MCP las expone al asistente en un formato común, y las reglas de negocio siguen aplicándose en los servicios.
¿Qué diferencia hay entre MCP y RAG?
RAG recupera información de fuentes corporativas para que el modelo responda con base documental. MCP permite al asistente usar herramientas y sistemas, entre ellos un servicio RAG. Se complementan.
¿Es seguro usar MCP en una empresa?
Depende de cómo se implemente. La aplicación debe validar los parámetros, comprobar los permisos, aplicar los accesos antes de incorporar información al contexto y someter las acciones sensibles a validación y trazabilidad.
¿Se puede ejecutar todo en infraestructura propia?
Sí, siempre que el modelo, los embeddings, los índices, los servidores MCP y los registros se desplieguen en tu entorno. A cambio, hay que dimensionar recursos, mantener los componentes y evaluar la calidad del modelo para tus tareas.
¿Por dónde empezar?
Lo recomendable es partir de un caso de uso acotado, como consultar un pedido o recuperar un procedimiento. Se definen sus herramientas y permisos y se añaden nuevas capacidades de forma gradual.
¿Cuándo no conviene montar un servidor MCP?
Cuando solo necesitas conectar un asistente con un único sistema para un caso muy acotado y no prevés reutilizar esas capacidades. En ese escenario, una integración directa con la API puede ser suficiente. MCP aporta más cuando varios asistentes o aplicaciones comparten las mismas herramientas.
¿Quieres conectar tus aplicaciones con un asistente de IA?
Cuéntanos tu caso y te ayudamos a definir qué contexto necesita el asistente, qué herramientas puede usar y dónde procesar los datos.
También puedes escribirnos desde la página de contacto.