MCP Servers para Integración IA Empresarial: Guía Práctica
Qué son MCP servers, cómo se usan en empresa, cuándo conviene vs custom integration. Casos AR 2026.
MCP (Model Context Protocol) es estándar abierto para conectar IA a sistemas empresariales. En 2026 tiene tracción significativa. Cuándo usar MCP, cuándo no, y casos prácticos AR.
Lecturas previas útiles: IA en empresas argentinas: stack 2026 y agentes IA empresariales.
Qué resuelve MCP
Problema pre-MCP
Cada agente IA con tools custom requiere:
- Definir tool schema
- Implementar handler
- Mantener actualizado
- Repetir para cada agente que necesita el tool
Sin estándar: fragmentación + duplicación + mantenimiento alto.
Solución MCP
Servidor MCP expone tools/resources de forma estandarizada. Cualquier cliente compatible (Claude Desktop, custom agent) consume:
[Agent IA]
↕ MCP protocol
[MCP Server]
↕ específico
[Sistema empresarial: CRM, ERP, BBDD]
Casos de uso empresariales
1. Acceso unificado a sistemas internos
Un MCP server expone:
- Búsqueda en CRM
- Consulta a ERP
- Acceso a documentación interna
Cualquier agente IA del equipo accede uniformemente.
2. Ecosystem de tools por departamento
- MCP de Ventas: pipeline, oportunidades, comisiones
- MCP de Operaciones: pedidos, stock, despachos
- MCP de Finanzas: facturas, pagos, reportes
Asistentes diferentes por rol consumen MCP correspondientes.
3. Compartir tools con partners
Si tu empresa abre datos a partners (con permisos), MCP server expone los tools. Partner conecta su agente IA. Comunicación estandarizada.
Stack práctico
Si querés llevar MCP a producción dentro de tu empresa, mirá nuestro servicio de implementación de IA.
MCP servers populares 2026
- postgres: query a BBDD
- github: code + issues + PRs
- slack: messages + búsqueda
- filesystem: archivos locales
- google-drive: docs + sheets
- notion: pages + databases
- memory: knowledge base persistente
Crear MCP custom
Para empresa con sistemas propios:
- Definir schema de tools/resources
- Implementar handlers (Python, Node, otros)
- Deploy como servicio (HTTP/stdio)
- Conectar agentes
Costos típicos
Implementación
- MCP server custom para 1 sistema: USD 1.500-3.500
- Suite de 3-5 MCP servers integrados: USD 4-8k
Operativo
- Costos típicos de hosting + mantenimiento
- API calls a sistemas internos: depende del caso
Cuándo NO usar MCP
- Caso muy específico, único, sin reutilización
- Performance crítico (<50ms latency)
- Sin ecosystem de tools (solo 1 caso)
- Requiere protocolo custom optimizado
Para esos: custom integration directa.
Ejemplo del mercado
Empresa con 4 agentes IA distintos (vendedor, soporte, ops, RRHH). Antes: cada uno con tools custom duplicadas.
Solución: MCP servers para cada sistema (CRM, ticketing, ERP, HR). Cada agente consume los MCPs relevantes.
Resultado:
- 60% menos código duplicado
- Updates de tools 1 vez (server) vs 4 (agentes)
- Onboarding de agentes nuevos: días vs semanas
- Mantenimiento simplificado
Inversión: USD 6.500 setup MCPs + USD 100/mes operativo.
Arquitectura recomendada
Topología típica empresa AR
[Claude / GPT / agente custom]
|
[Capa de orquestación]
/ | \ \
[MCP [MCP [MCP [MCP
CRM] ERP] Slack] Wiki]
| | | |
[Postgres][Tango][API][Notion]
Cada MCP server: proceso aislado, acceso controlado, schema versionado.
Patrones de deployment
- Stdio local: MCP corre como subprocess del cliente. Útil para Claude Desktop, casos single-user
- HTTP server: MCP corre como servicio HTTP. Multi-cliente, mejor para empresa
- Containerizado: Docker + orquestador (Kubernetes, ECS). Producción serio
Seguridad MCP
Auth + permisos
Por default: MCP servers sin auth = acceso total. En producción:
- API keys o JWT por cliente
- Permisos por tool (read-only vs read-write)
- Rate limiting
- Audit log de todas las invocations
Datos sensibles
Si MCP expone datos sensibles (PII, médicos, financieros):
- Cifrado in transit (TLS)
- Filtros de campos sensibles según rol
- Cifrado de datos at rest
- Compliance Ley 25.326 / GDPR según corresponda
Secret management
Nunca hardcodear creds en MCP code. Use:
- Doppler / 1Password Connect / AWS Secrets Manager
- Variables de entorno con scoping
- Rotación periódica
Casos prácticos: implementación
Caso 1: MCP para CRM custom
# Pseudocódigo
@mcp_tool("buscar_cliente")
def buscar_cliente(query: str, limit: int = 10):
"""Busca clientes por nombre, email o CUIT."""
return db.query("SELECT * FROM clientes WHERE ... LIMIT ?", limit)
@mcp_tool("ultima_interaccion")
def ultima_interaccion(cliente_id: int):
"""Última interacción del cliente con la empresa."""
return db.query("SELECT * FROM interacciones WHERE cliente_id = ? ORDER BY fecha DESC LIMIT 1", cliente_id)
Cliente Claude/agente usa estas tools naturalmente: "buscame cliente Pérez" → invoca buscar_cliente.
Caso 2: MCP para ERP Tango
Wrapper sobre API Tango exponiendo:
- consultar_stock
- listar_productos
- crear_pedido
- emitir_factura
Agente IA del rubro distribuidora puede operar sobre Tango como si fuera un usuario humano.
Caso 3: MCP para knowledge base interno
Sobre Notion/Confluence + búsqueda semántica con embeddings:
- buscar_documentacion
- obtener_pagina
- listar_recientes
Asistente interno puede responder "¿cuál es nuestra política de vacaciones?" buscando en wiki.
Limitaciones actuales (2026)
- Latencia: round-trip MCP agrega 50-200ms. Para casos performance-critical = workaround o custom
- Schema discovery: agentes no siempre descubren bien las tools disponibles
- Streaming: spec maduro pero implementaciones varían
- Versioning: schemas que cambian rompen clientes. Versionar carefully
- Multi-tenancy: no es first-class en spec. Implementar con tenant_id en cada call
Stack para construir MCP custom
| Lenguaje | SDK |
|---|---|
| Python | mcp (oficial Anthropic) |
| TypeScript | @modelcontextprotocol/sdk |
| Go | comunidad |
| Rust | comunidad |
Time-to-MVP: 2-5 días para MCP simple sobre 1 sistema.
Lo que importa
MCP es estándar emergente con tracción real en 2026. Para empresas con varios casos de IA + sistemas a integrar: justifica. Para 1 caso aislado: custom integration directa suele ser más simple.
Stack moderno: MCP servers expuestos + agentes consumen + observabilidad estándar.
Recomendación práctica: si vas a tener 2+ agentes IA distintos accediendo a 2+ sistemas, MCP gana en mantenimiento. Si es 1 agente para 1 sistema, custom integration es más simple.
Necesitás esto en tu empresa? Hablemos. Lecturas: IA en empresas argentinas: stack 2026, agentes IA empresariales.