En el blog anterior revisamos como podemos otorgarle a los modelos de lenguaje herramientas para mejorar sus respuestas y tomar acciones de acuerdo a las solicitudes de los usuarios, en este blog abordaremos una integración desarrollada para enfrentar este tema de forma nativa, sin crear funciones o codigo intermedio, es por eso que introducimos MCP: El Protocolo de Contexto de Modelo.
El Protocolo de Contexto de Modelo (MCP, por sus siglas en inglés, Model Context Protocol) es un estándar abierto que busca unificar cómo los sistemas de IA, como los agentes conversacionales, se conectan y acceden a fuentes de datos externas, como bases de datos, APIs o archivos locales. Su objetivo es simplificar la creación de aplicaciones de IA, permitiendo que los modelos de lenguaje (LLM) puedan interactuar con el “mundo real” de manera estandarizada.
Arquitectura del protocolo MCP
La arquitectura del MCP se basa en un modelo cliente-servidor, si vienes del mundo de paginas web este concepto te será familiar, con tres componentes principales:
- Host MCP: Es la aplicación que aloja el agente de IA. Puede ser un chatbot, un IDE (entorno de desarrollo integrado) con IA, o cualquier otro software que necesite interactuar con el modelo. El host se encarga de la interfaz de usuario, la gestión de permisos y la orquestación del flujo de trabajo.
- Cliente MCP: Es la capa de implementación que se integra dentro del host. Se encarga de la comunicación con los servidores MCP, traduciendo las peticiones del host al formato del protocolo MCP.
- Servidor MCP: Actúa como un puente entre el cliente MCP y las fuentes de datos o herramientas externas. El servidor envuelve la funcionalidad de una base de datos, una API o un conjunto de archivos, y la expone al modelo de IA de manera estandarizada a través de tres “primitivas”:
- Resources: Objetos de datos a los que el modelo puede acceder, como documentos o esquemas de bases de datos.
- Prompts: Plantillas para guiar la interacción del modelo.
- Tools: Funciones que el modelo puede ejecutar, como consultar una base de datos o enviar un correo electrónico.
Casos de uso:
Atención al cliente: Un chatbot puede usar el MCP para acceder a bases de datos de clientes, sistemas de gestión de pedidos y otras herramientas internas para ofrecer un servicio más preciso y personalizado. Por ejemplo, responder preguntas sobre el estado de una factura.
Automatización de procesos internos: Un agente de IA puede coordinar múltiples tareas que antes requerían cambiar de aplicación, como aprobar un gasto, crear un ticket en un sistema de incidencias y enviar una notificación por correo electrónico.
Análisis y reporting: Un asistente de IA puede analizar datos de diferentes fuentes (bases de datos, hojas de cálculo, etc.) usando lenguaje natural, generando informes o gráficos a partir de una simple consulta del usuario.
Acceso a información dispersa: La IA puede buscar y resumir información de múltiples repositorios, como correos electrónicos, contratos o documentos guardados en diferentes bases de datos, sin que el usuario tenga que navegar por cada uno de ellos.
Te gustaría conocer como implementar estos casos de usos en tu empresa? contáctanos y discutimos como podemos agregar valor a los procesos de tu negocio.
