Qué es MCP y quién lo mantiene
El Model Context Protocol (MCP) es un estándar abierto para conectar aplicaciones de IA, como Claude o ChatGPT, con sistemas externos: bases de datos, herramientas y flujos de trabajo. Su documentación lo compara con un puerto USB-C.
MCP lo creó Anthropic. El 9 de diciembre de 2025 lo donó a la Agentic AI Foundation, un fondo dirigido dentro de la Linux Foundation que cofundaron Anthropic, Block y OpenAI. Las decisiones técnicas las toman los mantenedores del proyecto, y según su modelo de gobernanza esos puestos son de personas, no de empresas. La versión vigente de la especificación es la 2026-07-28.
En la práctica, el asistente (ChatGPT o Claude) habla con un servidor MCP, o conector, que tú controlas. Ese conector ofrece «herramientas»: funciones concretas, como buscar un cliente o consultar un saldo. Tu sistema sigue siendo la fuente de los datos.
Copiar y pegar no es lo mismo que conectar
Cuando alguien copia un reporte y lo pega en el chat:
- decide a mano qué datos salen de la empresa, sin dejar registro;
- la información queda congelada en ese momento;
- todo lo pegado pasa a formar parte de la conversación. En los planes personales de Claude, lo copiado en el chat puede usarse para mejorar los modelos si el usuario lo permite; el contenido crudo de los conectores, no (fuente).
Con un conector, el asistente consulta el sistema en el momento, a través de herramientas definidas de antemano y con la identidad de quien pregunta. Tu sistema decide qué devuelve y registra cada consulta. El control pasa de la costumbre de cada empleado a reglas que tú defines.
Cómo se agrega en Claude
Según el centro de ayuda de Claude, los conectores personalizados por MCP remoto están disponibles en los planes Free, Pro, Max, Team y Enterprise. En Free se permite uno solo.
- En Team, solo los Owners y Primary Owners pueden agregarlos. En Enterprise, también quien tenga un rol personalizado con el permiso «Manage access to Libraries». La ruta es Organization settings > Connectors > Add > Custom > Web.
- Luego cada miembro se conecta con su propia cuenta, y Claude accede solo a lo que esa persona puede ver. La excepción es una credencial compartida, como una clave de API: todos reciben el acceso de esa credencial.
- Claude se conecta desde la nube de Anthropic, así que el servidor debe ser accesible desde internet. Para redes privadas existen túneles MCP, en vista previa para Enterprise y a solicitud.
- En Team y Enterprise, los Owners pueden fijar por herramienta «Always allow», «Needs approval» o «Blocked». Por ejemplo, permitir lectura y bloquear escritura para toda la organización.
Cómo se agrega en ChatGPT
Según el centro de ayuda de OpenAI, la conexión de servidores MCP personalizados con soporte completo, incluidas acciones de escritura, está disponible en ChatGPT Business y Enterprise/Edu, en la versión web; no desde el celular. En Pro se permiten, pero solo con permisos de lectura.
- En Business, solo administradores y owners crean y publican la conexión. En Enterprise/Edu, pueden delegar la creación con control de acceso por roles (RBAC) y elegir quién usa cada app.
- El flujo actual es Plugins > + > Add custom MCP server: nombre, URL HTTPS del servidor (o un Secure MCP Tunnel si está en red privada), autenticación y aceptación de un aviso de riesgo.
- ChatGPT trabaja con una copia congelada de las herramientas aprobadas. Si el desarrollador cambia el servidor, el cambio no se aplica hasta que un administrador lo revisa y publica.
- Los permisos de cada app definen cuándo ChatGPT pide aprobación: «Always ask», «Allow read actions», «Allow low-risk actions» o «Allow all actions». La última ejecuta acciones sin más confirmaciones y OpenAI la califica de riesgo elevado.
Los menús cambian a menudo: confirma el paso a paso en la página oficial.
Qué datos ve la IA
Lo esencial: lo que devuelve el conector entra en la conversación y lo procesa el proveedor de IA. En Claude, la conexión sale de la nube de Anthropic. En ChatGPT, la información de una app se usa como contexto para responder y, si la memoria está activa, ChatGPT puede recordar datos obtenidos de la app.
Conectar un sistema equivale a autorizar a un proveedor más a tratar esos datos. Antes de hacerlo, revisa:
- El plan. OpenAI no usa por defecto la información obtenida de apps para entrenar modelos en Business, Enterprise y Edu; en Free, Plus, Go y Pro puede usarla si está activa la opción de mejorar el modelo. En Claude Team y Enterprise, Anthropic actúa como encargado del tratamiento y no usa esos datos para entrenar, salvo que la empresa se inscriba en su programa de socios de desarrollo.
- La configuración de la cuenta: memoria, retención y quién la administra.
- Qué campos devuelve cada herramienta. Si la respuesta no necesita la cédula o el teléfono del cliente, el conector no debe enviarlos.
La propia especificación de MCP lo plantea como principio: los usuarios deben dar su consentimiento explícito y entender qué datos se comparten y qué acciones se ejecutan.
Qué exige la especificación en autorización y seguridad
La autorización en MCP es opcional, pero cuando el conector funciona por HTTP se basa en OAuth 2.1. La persona inicia sesión en tu sistema y autoriza permisos concretos; el asistente nunca ve su contraseña. Exígele esto a quien construya tu conector:
- Permisos mínimos. El cliente debería pedir solo los alcances (scopes) necesarios. Las buenas prácticas de seguridad recomiendan empezar con un conjunto mínimo de operaciones de lectura y pedir más solo cuando haga falta.
- Tokens propios y de corta duración. El servidor debe validar que el token fue emitido para él y no puede reenviarlo a otros sistemas. Se recomiendan tokens de vida corta y todo el servicio de autorización por HTTPS (consideraciones de seguridad).
- Una persona en el circuito. Según la sección de herramientas, siempre debería haber una persona capaz de negar una llamada. Los servidores deben validar entradas, controlar accesos y limitar la frecuencia de uso; los clientes deberían registrar el uso de herramientas para auditoría.
Buenas prácticas para no perder el control
- Empieza en solo lectura. Las primeras herramientas solo consultan. Si el conector no tiene una herramienta para modificar datos, el asistente no puede modificarlos por esa vía.
- Un usuario por persona. Cada empleado entra con su cuenta y el conector aplica los permisos que ya tiene en el sistema. Evita claves compartidas: dan a todos el mismo acceso.
- Mínimo privilegio. Pocas herramientas, pocos campos y alcances acotados.
- Confirma cada acción de escritura. Cuando el conector pueda registrar o cambiar datos, cada acción se muestra y se aprueba antes. No uses «Allow all actions» ni «Allow always» con datos del negocio. OpenAI advierte que una acción de escritura puede ocurrir aunque el servidor la haya marcado como de lectura (riesgos y seguridad), así que el control también debe estar en tu servidor.
- Registra cada consulta. Quién preguntó, qué herramienta se usó, con qué datos y cuándo. Ese registro vive en tu servidor y no depende del proveedor de IA.
- Revisa los riesgos de inyección de instrucciones. Un texto malicioso dentro de los datos (un correo, un comentario, un ticket) puede intentar que el asistente haga algo que nadie pidió, incluso enviar información fuera. OpenAI aclara que confiar en quien desarrolló el conector no basta: hay que confiar en todo el contenido al que el conector da acceso. Limita quién usa los conectores con datos sensibles, revisa cada acción de escritura y conecta solo servidores de confianza. Vigila también los cambios en el comportamiento de las herramientas.
Por dónde empezar
No conectes todo a la vez. Empieza con tres decisiones:
- Una pregunta frecuente del negocio. Por ejemplo: «¿cuánto debe este cliente y cuándo vence su próximo pago?» o «¿qué pedidos están pendientes esta semana?». Si hoy se responde buscando en varias pantallas, es buena candidata.
- Un sistema. El que tiene la respuesta. Define qué campos hacen falta y cuáles no.
- Un área. Un equipo pequeño que haga esa pregunta a diario, con sus usuarios y permisos ya definidos.
Prueba unas semanas, revisa el registro y amplía después. Las acciones de escritura van al final, una por una y con confirmación.
Cómo te podemos ayudar
En PINEROX creamos un conector seguro para que ChatGPT o Claude consulte en el momento la información de tu sistema. Funciona con Claude y con ChatGPT, según el plan que tenga tu empresa en cada uno. Empieza en solo lectura, cada persona entra con su usuario, el asistente ve solo lo que esa persona puede ver y cada acción se confirma antes. Si quieres definir por dónde empezar, pide un diagnóstico sin costo.
Preguntas frecuentes
¿Qué es MCP y quién lo mantiene?
El Model Context Protocol es un estándar abierto para conectar aplicaciones de IA, como ChatGPT o Claude, con sistemas externos. Lo creó Anthropic y desde diciembre de 2025 forma parte de la Agentic AI Foundation, dentro de la Linux Foundation; las decisiones técnicas las toman sus mantenedores.
¿Qué plan necesito para conectar ChatGPT o Claude a mi sistema?
En Claude, los conectores personalizados están disponibles en Free (uno solo), Pro, Max, Team y Enterprise. En ChatGPT, el soporte completo, con acciones de escritura, está en Business y Enterprise/Edu en la versión web; en Pro solo se permiten con permisos de lectura.
¿El proveedor de IA ve los datos de mi empresa?
Sí. Lo que devuelve el conector entra en la conversación y lo procesa el proveedor, por eso hay que autorizarlo como un proveedor más. En ChatGPT Business, Enterprise y Edu y en Claude Team y Enterprise, esos datos no se usan para entrenar modelos por defecto.
¿Cómo evito que la IA cambie datos sin permiso?
Empieza con herramientas de solo lectura, da a cada persona su propio usuario y exige confirmación antes de cada acción de escritura. En Claude Team y Enterprise se pueden bloquear las herramientas de escritura para toda la organización, y ChatGPT pide aprobación según los permisos de cada app.
Fuentes
- What is the Model Context Protocol (MCP)? — modelcontextprotocol.io (consultada el 2026-10-24)
- MCP joins the Agentic AI Foundation — blog oficial de MCP (2025-12-09)
- Governance and Stewardship — modelcontextprotocol.io (consultada el 2026-10-24)
- Versioning — modelcontextprotocol.io (consultada el 2026-10-24)
- Specification, versión 2026-07-28: Security and Trust & Safety — modelcontextprotocol.io (consultada el 2026-10-24)
- Authorization, versión 2026-07-28 — modelcontextprotocol.io (consultada el 2026-10-24)
- Authorization Security Considerations, versión 2026-07-28 — modelcontextprotocol.io (consultada el 2026-10-24)
- Security Best Practices, versión 2026-07-28 — modelcontextprotocol.io (consultada el 2026-10-24)
- Tools, versión 2026-07-28 — modelcontextprotocol.io (consultada el 2026-10-24)
- Get started with custom connectors using remote MCP — Claude Help Center (consultada el 2026-10-24)
- Use connectors to extend Claude's capabilities — Claude Help Center (consultada el 2026-10-24)
- MCP tunnels — Claude Docs (consultada el 2026-10-24)
- Does Anthropic Act as a Data Processor or Controller? — Anthropic Privacy Center (consultada el 2026-10-24)
- Is my data used for model training? (planes personales) — Anthropic Privacy Center (consultada el 2026-10-24)
- Connecting custom MCP servers in ChatGPT — OpenAI Help Center (consultada el 2026-10-24)
- Connected apps in ChatGPT — OpenAI Help Center (consultada el 2026-10-24)
- Managing app permissions in ChatGPT — OpenAI Help Center (consultada el 2026-10-24)
- Building MCP servers: Risks and safety — OpenAI Developers (consultada el 2026-10-24)
Esta guía es informativa. No sustituye la asesoría legal, contable ni fiscal para tu caso.