La mayor parte de la conversación sobre MCP se centra en consumir: conectar un agente a herramientas y datos que ya existen, como un ERP o un CRM. Pero existe el otro lado, menos discutido: una empresa también puede exponer su propio servidor MCP, dejando sus datos y procesos consultables por cualquier agente de IA compatible — sea un agente interno, de un socio o incluso de un cliente.

Qué significa "tener" un servidor MCP

Un servidor MCP es, en la práctica, una puerta estandarizada que la empresa abre para que los agentes de IA hagan preguntas estructuradas y reciban respuestas estructuradas — en lugar de que un agente tenga que "leer" el sitio o adivinar información a partir de texto suelto.

Un ejemplo concreto y real: Yan.m mantiene su propio servidor MCP público en yanmantovani.com/api/mcp, usando transporte Streamable HTTP y JSON-RPC 2.0. Expone herramientas como get_agency_info, list_services, list_products, list_case_studies y get_contact. Eso significa que cualquier agente compatible con MCP — de un cliente evaluando proveedores, de un socio haciendo integración o de una herramienta de investigación automatizada — puede consultar directamente qué servicios ofrece la agencia, cuáles son los productos del ecosistema o cómo contactar, sin necesitar raspar el sitio o depender de que el contenido esté bien indexado en un buscador tradicional.

Por qué esto es distinto de solo tener un sitio bien hecho

Un sitio está hecho para ser leído por humanos que navegan visualmente. Un servidor MCP está hecho para ser consultado por agentes, de forma estructurada y predecible. No son sustitutos uno del otro — son capas distintas de la misma presencia digital. A medida que más herramientas de IA actúan como intermediarias entre una persona y la información que busca, tener datos estructurados y accesibles vía protocolo estandarizado deja de ser un detalle técnico y pasa a ser una forma de garantizar que la información correcta llegue sin distorsión.

Quién debería considerarlo

Tiene sentido evaluar un servidor MCP propio cuando la empresa:

  • Tiene procesos o catálogos estructurados que tienen sentido ser consultados programáticamente (servicios, productos, disponibilidad, estado de pedido, documentación técnica).
  • Ya trabaja o pretende trabajar con socios, integradores o clientes que usan agentes de IA para automatizar parte de su propio trabajo.
  • Quiere posicionarse de forma técnica y visible para el ecosistema de IA que se está formando, no solo para buscadores tradicionales.

Quién aún no necesita preocuparse por esto

Por otro lado, no tiene sentido invertir en esto ahora si la empresa:

  • No tiene procesos o datos estructurados suficientes para justificar una API — en ese caso, el trabajo prioritario es organizar la información internamente antes de exponer nada.
  • Tiene un volumen de operación lo bastante pequeño como para que un sitio bien hecho y una atención directa (WhatsApp, por ejemplo) ya resuelvan el problema de acceso a la información.
  • Aún está validando su propio modelo de negocio — exponer infraestructura antes de estabilizar lo que representa suele ser esfuerzo fuera de orden.

El punto de equilibrio

Tener un servidor MCP no es seguir tendencia, es reducir fricción para quien — humano o agente — necesita información confiable sobre la empresa. Es ese tipo de decisión de arquitectura, evaluando qué vale la pena estructurar ahora y qué puede esperar, lo que compone el trabajo de MCP e integraciones de Yan.m con cada cliente, caso a caso.

Para quien quiera entender los fundamentos del protocolo antes de decidir, vale comenzar por la documentación oficial del Model Context Protocol y el material de Anthropic sobre el tema.