Reenviar el título original 'Norma USB-C de la IA: Comprendiendo MCP'

Durante mis años en Alliance, he visto a innumerables fundadores construir sus propias herramientas especializadas e integraciones de datos incorporadas en sus agentes de IA y flujos de trabajo. Sin embargo, estos algoritmos, formalizaciones y conjuntos de datos únicos están bloqueados detrás de integraciones personalizadas que pocas personas usarían nunca.

Esto ha estado cambiando rápidamente con la aparición del Protocolo de Contexto del Modelo. MCP se define como un protocolo abierto que estandariza cómo las aplicaciones se comunican y proporcionan contexto a LLMs. Una analogía que realmente me gustó es que "Los MCP para aplicaciones de IA son como USB-C para hardware"; es estandarizado, plug-and-playable, versátil y transformador.

¿Por qué MCP?

Los LLMs como Claude, OpenAI, LLAMA, etc. son increíblemente poderosos, pero están limitados por la información a la que pueden acceder en el momento. Eso significa que suelen tener límites de conocimiento, no pueden navegar por la web de forma independiente y no tienen acceso directo a sus archivos personales o herramientas especializadas sin algún tipo de integración.

En particular, antes, los desarrolladores enfrentaban tres desafíos principales al conectar LLMs a datos externos y herramientas:

1. Complejidad de integración: Construir integraciones separadas para cada plataforma de IA (Claude, ChatGPT, etc.) requería duplicar esfuerzos y mantener múltiples bases de código.
2. Fragmentación de herramientas: Cada funcionalidad de la herramienta (por ejemplo, acceso a archivos, conexiones de API, etc.) necesitaba su propio código de integración especializado y modelo de permisos
3. Distribución limitada: Las herramientas especializadas estaban limitadas a plataformas específicas, lo que limitaba su alcance e impacto

MC resuelve estos problemas proporcionando una forma estandarizada para que cualquier LLM acceda de forma segura a herramientas externas y fuentes de datos a través de un protocolo común. Ahora que entendemos lo que hace MC, veamos qué están construyendo las personas con él.

¿Qué están construyendo las personas con MC?

El ecosistema de MC está actualmente explotando con innovación. Aquí hay algunos ejemplos recientes que encontré en Twitter, de desarrolladores que muestran su trabajo.

• Storyboarding impulsado por IA: Una integración de MC que permite a Claude controlar ChatGPT-4o, generando automáticamente guiones completos al estilo de Ghibli sin ninguna intervención humana.
• Integración de voz de ElevenLabs: Un servidor de MC que brinda a Claude y Cursor acceso a toda su plataforma de audio de IA a través de simples indicaciones de texto. La integración es lo suficientemente potente como para crear agentes de voz que pueden realizar llamadas telefónicas salientes. Esto demuestra cómo MC puede extender las herramientas actuales de IA al ámbito del audio.
• Automatización del navegador con Playwright: Un servidor MCP que permite a los agentes de IA controlar navegadores web sin necesidad de capturas de pantalla o modelos de visión. Esto crea nuevas posibilidades para la automatización web al dar a los LLM un control directo sobre las interacciones del navegador de una manera estandarizada.
• Integración Personal de WhatsApp: Un servidor que se conecta a cuentas personales de WhatsApp, lo que permite a Claude buscar mensajes y contactos, así como enviar nuevos mensajes.
• Herramienta de búsqueda de Airbnb: Una herramienta de búsqueda de apartamentos de Airbnb que muestra la simplicidad y el poder de MC para crear aplicaciones prácticas que interactúan con servicios web.
• Sistema de Control de Robot: Un controlador MCP para un robot. El ejemplo cierra la brecha entre LLMs y hardware físico, mostrando el potencial de MCP para aplicaciones de IoT y robótica.
• Google Maps y Búsqueda Local: Conectando a Claude con los datos de Google Maps, creando un sistema que puede encontrar y recomendar negocios locales como cafeterías. Esta extensión habilita a los asistentes de inteligencia artificial con servicios basados en la ubicación.
• Integración de Blockchain: El proyecto Lyra MCP lleva las capacidades de MCP a StoryProtocol y otras plataformas web3. Esto permite la interacción con datos de blockchain y contratos inteligentes, abriendo nuevas posibilidades para aplicaciones descentralizadas mejoradas por IA.

Lo que hace que estos ejemplos sean particularmente convincentes es su diversidad. En poco tiempo desde su introducción, los desarrolladores han creado integraciones que abarcan la producción de medios creativos, plataformas de comunicación, control de hardware, servicios de ubicación y tecnología de la cadena de bloques. Todas estas aplicaciones variadas siguen el mismo protocolo estandarizado, demostrando la versatilidad y el potencial de MCP para convertirse en un estándar universal para la integración de herramientas de IA.

Para obtener una colección completa de servidores de MC, echa un vistazo alrepositorio oficial de servidores de MC en GitHubCon un descargo de responsabilidad cuidadoso, antes de usar cualquier servidor de MC, tenga cuidado con lo que está ejecutando y a qué permisos está dando.

Promesa vs. Hype

Con cualquier nueva tecnología, vale la pena preguntarse: ¿Es MC verdaderamente transformador, o simplemente otra herramienta sobrevalorada que desaparecerá?

Habiendo observado numerosas nuevas empresas en este espacio, creo que MCP representa un punto de inflexión genuino para el desarrollo de la IA. A diferencia de muchas tendencias que prometen revolución pero que ofrecen un cambio incremental, MCP es un impulso de productividad que resuelve un problema de infraestructura fundamental que ha estado frenando a todo el ecosistema.

Lo que lo hace particularmente valioso es que no intenta reemplazar los modelos de IA existentes ni competir con ellos, sino que los hace más útiles conectándolos a herramientas externas y los datos que necesitan.

Dicho esto, existen preocupaciones legítimas en torno a la seguridad y estandarización. Al igual que con cualquier protocolo en sus primeros días, es probable que veamos dificultades a medida que la comunidad establece las mejores prácticas en torno a auditorías, permisos, autenticación y verificación del servidor. El desarrollador necesita confiar en la funcionalidad de estos servidores MCP y no debe confiar ciegamente en ellos, especialmente ahora que se han vuelto abundantes.Este artículodiscute algunas de las vulnerabilidades recientes expuestas por blindy al usar servidores MCP que no han sido cuidadosamente evaluados, incluso si los estás ejecutando localmente.

El Futuro de la IA es Contextual

Las aplicaciones de IA más poderosas no serán modelos independientes, sino ecosistemas de capacidades especializadas conectadas a través de protocolos estandarizados como MC. Para las startups, MC representa una oportunidad para construir componentes especializados que se ajusten a estos crecientes ecosistemas. Es una oportunidad para aprovechar su conocimiento y capacidades únicas y beneficiarse de las enormes inversiones en modelos base.

Mirando hacia adelante, podemos esperar que MCP se convierta en una parte fundamental de la infraestructura de IA, al igual que HTTP lo fue para la web. A medida que el protocolo madure y la adopción crezca, es probable que veamos surgir mercados enteros de servidores MCP especializados, lo que permitirá a los sistemas de IA acceder virtualmente a cualquier capacidad o fuente de datos imaginable.

Apéndice

Para aquellos interesados en comprender cómo MC realmente funciona bajo la superficie, el siguiente apéndice proporciona un desglose técnico de su arquitectura, flujo de trabajo e implementación.

Bajo los capós de MCP

Similar to how HTTP standardized the way the web accesses external data sources and information, MCP does for AI frameworks, creating a common language that allows different AI systems to communicate seamlessly. So let’s explore how it does that.

Arquitectura y Flujo de MCP

La arquitectura principal sigue un modelo cliente-servidor con cuatro componentes clave trabajando juntos:

• MCP Hosts: Aplicaciones de IA de escritorio como Claude o ChatGPT, IDEs como cursorAI o VSCode, u otras herramientas de IA que necesitan acceso a datos externos y capacidades
• Clientes MCP: Controladores de protocolo integrados dentro de hosts que mantienen conexiones uno a uno con servidores MCP
• Servidores MCP: programas ligeros que exponen funcionalidades específicas a través del protocolo estandarizado
• Fuentes de datos: Sus archivos, bases de datos, APIs y servicios a los que los servidores de MC pueden acceder de forma segura

Entonces, ahora que hemos discutido los componentes, veamos cómo interactúan en un flujo de trabajo típico:

1. Interacción del usuario: comienza con un usuario haciendo una pregunta o haciendo una solicitud en un anfitrión de MC, por ejemplo, Claude Desktop.
2. Análisis LLM: El LLM analiza la solicitud y determina que necesita información externa o herramientas para proporcionar una respuesta completa
3. Descubrimiento de herramientas: El cliente MCP consulta los Servidores MCP conectados para descubrir qué herramientas están disponibles
4. Selección de herramientas: El LLM decide qué herramientas utilizar en función de la solicitud y las capacidades disponibles
5. Solicitud de permiso: El anfitrión le pide al usuario permiso para ejecutar la herramienta seleccionada, crucial para la transparencia y la seguridad.
6. Ejecución de la herramienta: Una vez aprobado, el Cliente MC envía la solicitud al Servidor MC correspondiente, que ejecuta la operación con su acceso especializado a las fuentes de datos
7. Procesamiento de resultados: El servidor devuelve los resultados al cliente, que los formatea para el LLM
8. Generación de Respuestas: El LLM incorpora la información externa en una respuesta integral
9. Presentación del usuario: Finalmente, la respuesta se muestra al usuario final

Lo que hace poderosa a esta arquitectura es que cada servidor MCP se especializa en un dominio específico pero utiliza un protocolo de comunicación estandarizado. Así que en lugar de reconstruir integraciones para cada plataforma, los desarrolladores solo pueden centrarse en desarrollar herramientas una vez para todo su ecosistema de IA.

Cómo construir tu primer servidor MCP

Ahora veamos cómo se puede implementar un servidor MCP simple en unas pocas líneas de código utilizando el SDK de MCP.

En este ejemplo sencillo, queremos ampliar la capacidad de Claude Desktop para poder responder preguntas como "¿Qué cafeterías hay cerca de Central Park?" de Google Maps. Puedes ampliar fácilmente esto para obtener reseñas o calificaciones. Pero por ahora, centrémonos en la herramienta MCP find_nearby_places que permitirá a Claude obtener esta información directamente de Google Maps y presentar los resultados de manera conversacional.

Como puedes ver, el código es realmente simple. 1) Transforma la consulta a una búsqueda en la API de Google Maps y 2) devuelve los principales resultados en un formato estructurado. Así, la información se devuelve al LLM para tomar decisiones adicionales.

Ahora necesitamos informar a Claude Desktop sobre esta herramienta, por lo que la registramos en su archivo de configuración de la siguiente manera.

• macOS: ~/Library/Application Support/Claude/claude_desktop_config.json
• Windows: %APPDATA%\Claude\claude_desktop_config.json

Y listo, has terminado. Ahora has extendido Claude para encontrar ubicaciones en tiempo real desde Google maps.

Descargo de responsabilidad：

1. Este artículo está reimpreso de [X]. Reenviar el Título Original 'Estándar USB-C de AI: Comprendiendo MCP'. Todos los derechos de autor pertenecen al autor original [@Drmelseidy]. Si hay objeciones a esta reimpresión, por favor contacte al Gate Learnequipo y lo resolverán rápidamente.

2. Descargo de responsabilidad: Las opiniones expresadas en este artículo son únicamente del autor y no constituyen consejos de inversión.

3. Las traducciones del artículo a otros idiomas son realizadas por el equipo de Gate Learn. A menos que se mencione, está prohibido copiar, distribuir o plagiar los artículos traducidos.