Conecta tu IA a los datos de tu negocio: qué es MCP y cómo se monta

Puedes preguntarle a una IA cualquier cosa sobre el mundo, pero no sabe nada de tu negocio. No sabe cuánto facturaste el mes pasado, ni qué cliente lleva tres facturas sin pagar, ni cuánto llevas gastado en proveedores este trimestre. Esa información está en tu ERP, en tu CRM o en tu hoja de cálculo, y la IA no la ve.

MCP (Model Context Protocol) es lo que cierra esa distancia: un estándar que permite a un asistente de IA consultar tus propios sistemas. Y la pregunta que importa no es si se puede hacer —se puede—, sino cómo hacerlo sin abrirle la puerta de tu negocio a algo que no controlas.

En este artículo te cuento qué es, para qué sirve de verdad en una pyme y las decisiones que hay que tomar antes de conectar nada. Lo escribo después de montar uno sobre una aplicación propia de finanzas: no es teoría.

Tabla de contenidos

1. Qué cambia cuando la IA ve tus datos
2. Qué es MCP, en términos sencillos
3. Cómo llega la IA a tus datos
4. Las tres decisiones que van antes del código
5. Lo que aprendí montándolo
6. ¿Le conviene a tu negocio?
7. Preguntas frecuentes
8. Conclusión

Qué cambia cuando la IA ve tus datos

Hoy, si quieres saber algo de tu negocio, abres una pantalla, aplicas filtros, exportas a Excel y cruzas números. Con un servidor MCP conectado, escribes la pregunta.

Ejemplos reales del tipo de consulta que se vuelve posible:

• «¿Cuánto llevo gastado este mes y en qué categorías?»
• «¿Qué movimientos del banco tengo sin revisar?»
• «De mis posiciones abiertas, ¿cuáles están cerca del precio al que quería comprar?»
• «Resúmeme el mes y compáralo con el anterior.»

La diferencia no es la respuesta, es la fricción. La información ya existía; lo que no existía era poder pedirla en una frase y encadenar preguntas de seguimiento sin volver a la pantalla.

Y hay un efecto secundario interesante: cuando puedes preguntar en lenguaje natural, preguntas más. Cosas que no justificaban abrir un informe empiezan a consultarse a diario.

Qué es MCP, en términos sencillos

MCP es un estándar abierto que define cómo un asistente de IA se conecta a un sistema externo para pedirle datos o pedirle que haga algo. En lugar de que cada aplicación invente su propia forma de integrarse con cada modelo, todos hablan el mismo idioma.

En la práctica, tú expones un pequeño servidor con un catálogo de herramientas. Cada herramienta es una operación concreta y limitada: «dame las cuentas», «dame el resumen del mes», «dame los movimientos pendientes». La IA lee ese catálogo, decide cuál necesita según lo que le preguntaste, la llama y te responde con el resultado.

Lo importante de ese diseño: la IA no tiene acceso a tu base de datos. Tiene acceso a las puertas concretas que tú decidiste abrir, y a nada más. Es la misma lógica que ya aplicamos al conectar sistemas entre sí mediante API, como cuando integramos una pasarela de pago con la contabilidad: se expone lo necesario, no todo.

Cómo llega la IA a tus datos

El recorrido tiene cuatro pasos y uno de ellos es el que hace todo el trabajo de seguridad:

1. El cliente de IA (Claude, ChatGPT u otro) intenta conectarse a tu servidor.
2. Se identifica el usuario. El servidor no atiende a nadie anónimo: el usuario inicia sesión con el mismo sistema de identidad que ya usa tu aplicación y el cliente recibe una credencial temporal.
3. Tu aplicación resuelve quién es. A partir de esa credencial, y solo de ahí, se determina a qué empresa, hogar o cuenta pertenece quien pregunta.
4. Se devuelven sus datos. Los suyos, los de nadie más.

El detalle que parece técnico pero es la diferencia entre un sistema seguro y un desastre: la identidad se saca siempre de la credencial, nunca de la pregunta. Si una herramienta aceptara «dame las cuentas de la empresa X» como parámetro, cualquiera podría pedir los datos de cualquiera. Que ese identificador no sea un parámetro es lo que garantiza el aislamiento.

Las tres decisiones que van antes del código

1. Empieza en solo lectura

La tentación es dejar que la IA también escriba: que cree la factura, que confirme el movimiento, que actualice el cliente. Es posible, pero es otra conversación —una que incluye confirmaciones explícitas, registro de auditoría y límites— y no debería ser la primera versión.

En un primer MVP, ninguna herramienta crea, modifica ni borra nada. Consultar es útil desde el día uno y el riesgo es acotado. Cuando la lectura está probada y hay confianza en el sistema, se habla de escrituras.

2. La IA ve solo los campos que decides

Aquí hay una decisión de diseño que parece pesada y vale cada minuto: cada herramienta lista los campos que devuelve, uno por uno. Es más trabajo que devolver el registro completo, pero tiene una consecuencia importante: cuando alguien añada mañana un campo nuevo a esa entidad —un número de cuenta, un documento de identidad, una nota interna— no se filtra solo. No aparece porque nadie lo puso.

Devolver el documento entero es cómodo hoy y una fuga esperando ocurrir en seis meses.

3. Las descripciones de las herramientas son parte del prompt

Esta es la que más me sorprendió. El texto con el que describes cada herramienta no es documentación para humanos: lo lee el modelo para decidir cuándo usarla y cómo interpretar lo que devuelve. Es el sitio donde se le advierte de las trampas de tu dominio.

Un ejemplo concreto de la aplicación que monté: los movimientos importados del banco que están pendientes de revisar no son gastos todavía. Si el modelo los suma al total del mes, la cifra que te da es falsa. La solución no fue código: fue escribirlo explícitamente en la descripción de la herramienta, para que el modelo lo sepa antes de responder.

Lo mismo con las monedas. Si tienes posiciones en euros y en dólares, un total único mezclando ambas es un número inventado. La herramienta devuelve los totales separados por moneda a propósito, y la descripción avisa de que no deben sumarse.

Lo que aprendí montándolo

La mitad del tiempo se fue en la autenticación, no en las herramientas. Exponer los datos fue lo fácil. Lo que consumió las horas fue el flujo de identidad: qué credencial vale, cómo se verifica, qué cabeceras hay que devolver para que el cliente de IA descubra por sí solo dónde autenticarse. Si estás calculando esfuerzo, ese es el bloque que se subestima.

Los cálculos van en un solo sitio. Si la web calcula un margen de una forma y la herramienta MCP lo recalcula por su cuenta, tarde o temprano dan cifras distintas y pierdes la confianza en las dos. La lógica de negocio se reutiliza, no se duplica: la IA debe ver exactamente los mismos números que la pantalla.

Valida con la herramienta más tonta primero. Empecé probando con un inspector gráfico y perdí un buen rato sin saber si los fallos eran míos o suyos. La lección: primero una petición manual con curl y una única herramienta trivial. Cuando eso funciona, lo demás es incremental.

Un asistente que consulta no es un asistente que actúa. Esto conecta con lo que hacemos con n8n: la automatización clásica ejecuta procesos, MCP responde preguntas. Se complementan, no se sustituyen.

¿Le conviene a tu negocio?

Con criterio, y sin vender humo:

Tiene sentido si tus datos ya están en un sistema con API o base de datos propia, si hay preguntas que alguien responde a mano cada semana cruzando pantallas, y si esas preguntas cambian de forma (no son un informe fijo, son curiosidades distintas cada vez).

No tiene sentido si tu información vive en hojas de cálculo dispersas sin una fuente única —ahí el trabajo previo es ordenar los datos, no conectar una IA—, o si lo que necesitas es un informe concreto que se mira una vez al mes: eso es un panel, no un asistente.

Y una advertencia honesta: conectar la IA a tus datos no arregla datos malos. Si tu información está incompleta o desactualizada, la IA te la va a contar con mucha seguridad y ninguna razón. La calidad del dato sigue siendo tu responsabilidad.

Preguntas frecuentes

¿La IA se queda con mis datos o los usa para entrenarse? Depende del proveedor del cliente de IA que uses y de su política, no del servidor MCP. Lo que sí controlas tú es qué datos salen: si una herramienta no expone un campo, ese campo nunca sale de tu sistema. Es la razón por la que conviene listar los campos a mano y omitir lo sensible.

¿Puede la IA borrar o modificar cosas por error? No, si las herramientas son de solo lectura. Es precisamente el motivo de empezar así. Las escrituras se añaden después, con confirmación explícita y registro de quién hizo qué.

¿Necesito cambiar mi aplicación actual? No hace falta reescribir nada. El servidor MCP se añade como una capa que reutiliza los servicios que ya tiene tu aplicación, sin tocar la web ni la API