MCP: el puente entre la inteligencia artificial y tus herramientas

Hasta hace poco, un modelo de inteligencia artificial era potente pero ciego: no veía los datos de tu empresa, no sabía lo que estaba pasando en tus proyectos, no podía actuar sobre tus herramientas. Podía redactar un correo o resumir un texto que le pegaras, pero para que consultara tu base de datos o ejecutara una acción en tu sistema de gestión había que escribir una integración a medida para cada caso.

MCP, Model Context Protocol, resuelve ese problema con un estándar común. En lugar de una integración distinta por cada combinación de modelo y herramienta, se define un protocolo único: cualquier agente de IA que lo entienda puede conectarse a cualquier herramienta que lo exponga, ya sea una base de datos FileMaker, un canal de Slack o una carpeta de documentación en Obsidian. En Taiko lo usamos en nuestro propio día a día y también en proyectos de clientes, y es lo que explicamos en este artículo.

Qué cambia realmente

La diferencia no es que la IA “sepa más cosas”. Es que puede actuar. Un modelo conectado por MCP no se limita a contestar con lo que ya sabe: puede consultar un dato concreto en el momento en que se le pregunta, ejecutar una acción y devolver un resultado que encaja en un flujo de trabajo real, con una persona validando lo que hace falta validar.

En nuestro caso, esto se ve en varios sitios a la vez:

• Antes de cada reunión, un agente resume el hilo de Slack del proyecto correspondiente, sin que nadie tenga que releer la conversación entera.
• Cada mañana generamos un briefing que consolida el estado de todos los proyectos activos, tomando la información de varias fuentes a la vez.
• En el proceso de alta de nuevos proyectos en FileMaker hay pasos que gestiona un agente: clasifica la información, notifica a quien corresponde, actualiza los registros.

Nada de esto es “IA conversacional” en el sentido de un chat que responde preguntas. Es IA que conoce el negocio, con acceso a las herramientas donde vive la información, y que actúa sobre ellas dentro de límites claros.

FileMaker como caso concreto

FileMaker lleva décadas siendo el sitio donde muchas pymes guardan su operativa real: clientes, proyectos, facturación, procesos internos. Ese dato ha estado durante mucho tiempo encerrado dentro de la aplicación, accesible solo a través de sus propias pantallas.

Conectar FileMaker con un modelo como Claude a través de MCP cambia eso sin sacar el dato de FileMaker ni renunciar a su control de acceso: el agente puede consultar información, ejecutar scripts ya existentes en el archivo y devolver resultados dentro de un flujo de negocio. En la práctica, es poder preguntarle a la base de datos en lenguaje natural en lugar de construir un informe o filtrar un listado a mano.

Nosotros hemos contribuido a esto con Agentic FM, un servidor MCP para FileMaker que compartimos como código abierto: la idea es que conectar FileMaker con IA sea algo accesible y no un desarrollo a medida solo al alcance de quien pueda pagarlo. Es la misma filosofía que aplicamos en nuestro trabajo de aplicaciones a medida con FileMaker: que la herramienta se adapte al proceso real de la empresa, no al revés.

Cómo lo montamos en nuestro propio trabajo

Nuestra infraestructura de trabajo diario combina varias piezas conectadas por MCP: FileMaker como sistema de gestión de proyectos y clientes, Obsidian como base de documentación y Slack como canal de comunicación del equipo. Un agente puede moverse entre las tres porque cada una expone un servidor MCP que sabe responder a sus peticiones concretas: buscar una nota, consultar un registro, leer un hilo de conversación.

Esto no sustituye el criterio de quien lleva el proyecto. El agente prepara la información y, en los procesos donde hay una decisión con consecuencias, deja el paso final a una persona. Lo que ahorra es el tiempo de reunir esa información desde cero cada vez: buscar en tres sitios distintos, releer un hilo largo, cruzar datos de dos herramientas que no se hablaban entre sí.

Montar el briefing diario nos dejó tres cosas claras que aplicamos ahora a cualquier flujo nuevo con MCP. La primera es que el valor no está en el modelo, sino en conectarlo a las herramientas donde vive el dato real: sin eso, es una IA que opina, no una IA que sabe. La segunda es que un buen resumen quita ruido y no añade otra cosa que leer, así que si el briefing empieza a crecer, es una señal de que hay que recortar, no de que hay que consolidar más fuentes. La tercera es que conviene empezar pequeño: un resumen útil al día que de verdad se abre y se usa vale más que un sistema ambicioso que nadie llega a mirar.

Por dónde empezar si no lo has probado

Si ya usáis alguna herramienta con IA de forma puntual (redactar correos, resumir un texto) y os preguntáis qué sigue, MCP es exactamente ese siguiente paso: pasar de una IA que conversa a una IA que conoce vuestro negocio y puede actuar sobre él con seguridad. No hace falta montarlo todo de golpe: se puede empezar por una sola herramienta, la que más tiempo os quita a diario, y ver qué parte de ese proceso se puede automatizar dejando la decisión final en manos de una persona.

Si tenéis datos críticos en FileMaker, en otro sistema de gestión o en cualquier repositorio de documentación que os gustaría que un agente pudiera consultar de forma segura, es una conversación que podemos empezar en inteligencia artificial o directamente en contacto.