← Volver Explorando el blog de Toni
Toni Domenech

El Blog de Toni Domenech

Ideas, código, reflexiones y experimentos digitales

Panel
IA

Aprovechad la IA para estudiar como funcionan los MCP

07/10/2025 02:19
Aprovechad la IA para estudiar como funcionan los MCP

🔹 MCP (Model Context Protocol)

  • Es un protocolo abierto creado para estandarizar cómo los modelos de IA (como ChatGPT) se comunican con fuentes externas de datos y herramientas.
  • Permite que un modelo no solo trabaje con el texto que le das, sino que acceda a documentos, bases de datos, APIs o aplicaciones de forma segura y controlada.
  • La clave es que define un lenguaje común para conectar IA ↔ datos ↔ aplicaciones.
  • Ejemplo: un modelo puede usar MCP para acceder a tu base de facturas en MySQL, entenderlas y sugerir mejoras automáticas sin tener que "inventar" cómo conectarse.

🔹 Agentes

  • Son sistemas de IA que actúan de forma autónoma siguiendo objetivos.
  • No solo responden a preguntas, sino que pueden planificar, decidir y ejecutar acciones usando herramientas externas.
  • Generalmente combinan: LLM (modelo de lenguaje, como GPT o Rubix en tu caso). Memoria (guardar contexto, experiencias o resultados). Herramientas (APIs, bases de datos, scripts). Razonamiento (decidir qué paso dar a continuación).
  • LLM (modelo de lenguaje, como GPT o Rubix en tu caso).
  • Memoria (guardar contexto, experiencias o resultados).
  • Herramientas (APIs, bases de datos, scripts).
  • Razonamiento (decidir qué paso dar a continuación).
  • Ejemplo práctico: un Agente ERP que revisa presupuestos, detecta incoherencias y te avisa o incluso genera propuestas nuevas automáticamente.

🚀 Fase 2 para ti

Con lo que ya llevas trabajado (clasificación de texto, Rubix ML, ERP, chatbot…), los siguientes pasos podrían ser:

  1. Entender MCP en la práctica → cómo conectar tu app en PHP con una fuente externa (ej. tu ERP o el RSS del e-Tauler).
  2. Construir un mini-agente → un proceso que: Reciba un objetivo (ej. “Clasificar las noticias activas del e-Tauler”). Use tu modelo Rubix ML entrenado. Decida qué acción tomar (clasificar, guardar en DB, mostrar en vista).
  3. Reciba un objetivo (ej. “Clasificar las noticias activas del e-Tauler”).
  4. Use tu modelo Rubix ML entrenado.
  5. Decida qué acción tomar (clasificar, guardar en DB, mostrar en vista).
  6. Probar agentes encadenados → que uno clasifique, otro filtre, otro muestre resultados (orquestación).