¡Bienvenido a esta lección! Hoy vamos a sumergirnos en un concepto fundamental para entender las automatizaciones modernas: el MCP o Model Context Protocol (Protocolo de Contexto del Modelo).
Sé que probablemente hayas visto mucha información técnica por ahí, pero mi objetivo aquí es explicarte esto de una manera diferente. Quiero que entiendas el porqué y el para qué, sin necesidad de que seas un experto en Python o en programación.
Vamos a desglosar las siglas del MCP paso a paso. Hoy nos centraremos en las dos primeras partes: el Modelo y el Contexto.
1. La «M» de Modelo (Model)
Para entender el MCP, primero debemos entender qué es un «Modelo». Seguramente ya has usado ChatGPT, Claude o Gemini. A estos sistemas los llamamos LLMs (Large Language Models o Grandes Modelos de Lenguaje).
¿Qué es realmente un LLM?
En el fondo, piensa en estos modelos como una «caja negra». Tú le das una entrada (un texto) y el modelo te devuelve una salida.
Su funcionamiento básico es simple: son predictores de la siguiente palabra.
- Si tú dices: «Hola».
- El modelo calcula y predice: «Hola, ¿qué…»
- Luego predice la siguiente: «tal».
- Resultado final: «Hola, ¿qué tal?».
Hasta hace poco, estábamos muy contentos con esto. Podíamos pedirle que escribiera un correo, que nos diera una receta o que generara código. Pero este enfoque tiene una limitación importante.
El problema del Modelo aislado:
El modelo solo puede producir texto.
- Te escribe el correo, pero tú tienes que copiarlo y enviarlo.
- Te escribe el código, pero tú tienes que ejecutarlo.
- Te da una respuesta, pero basada solo en lo que aprendió hace meses o años (su fecha de entrenamiento).
Aquí es donde nos damos cuenta de que queremos más. No queremos solo que escriba; queremos que haga cosas. Queremos que tenga acceso a información actual.
2. La «C» de Contexto (Context) y las Herramientas
Para solucionar la limitación anterior, entra en juego el concepto de Contexto.
Imagina que le preguntas a un modelo: «¿Quién ganó el partido de ayer?».
Si el modelo fue entrenado hace un año, no tiene ni idea. No tiene ese «contexto».
Sin embargo, si le damos al modelo la capacidad de usar Herramientas (Tools), todo cambia.
¿Qué son las herramientas en este contexto?
Las herramientas son el puente que conecta al modelo con el mundo real.
- Ejemplo de Búsqueda: Si conectamos el modelo a Google, cuando le preguntes por el partido de ayer, el modelo usará la herramienta de «Búsqueda», leerá los resultados y usará esa información nueva como contexto para darte la respuesta correcta.
De decir a hacer:
El contexto no es solo información; es capacidad de acción.
- En lugar de solo redactar el email, le damos una herramienta de Gmail para que lo envíe.
- En lugar de solo sugerir una ruta, le damos acceso a Google Maps para que la calcule en tiempo real.
En resumen
El MCP nace de la necesidad de estandarizar cómo conectamos estos Modelos (cerebros que procesan texto) con el Contexto (herramientas, datos actuales, internet).
- Sin MCP/Contexto: El modelo es inteligente pero está aislado; solo genera texto.
- Con MCP/Contexto: El modelo se vuelve «agente». Puede buscar en Google, enviar correos y realizar acciones por ti.
En la próxima lección veremos cómo funciona la parte del «Protocolo» y cómo se une todo esto, pero quédate con esta idea: El contexto son las herramientas que le damos al modelo para que deje de ser solo un chat y se convierta en un asistente real.