MCP: el protocolo que le da manos a la IA (y suena a agencia secreta)

Serie Homelab · Parte 3 · ← Observabilidad en un homelab · Casi veinte servidores MCP → · Ver la serie

TL;DR: MCP (Model Context Protocol) es un estándar para que un modelo de IA use herramientas externas sin que tú pegues nada en el chat. El modelo propone qué hacer; el servidor MCP lo ejecuta. Yo tengo casi veinte, y el de WordPress me ayudó a subir este mismo post.

El problema: una IA muy lista que no sabe qué pasa en tu servidor

Los modelos saben muchísimo de DevOps, de arquitectura y de patrones de diseño. Lo que no saben es qué está pasando en tu infraestructura ahora mismo. Nunca tuvieron acceso.

Mi solución artesanal era copiar y pegar: exportar logs de Grafana, pegarlos en el chat y pedir un análisis. Funcionaba, pero era tan tedioso que dejaba de hacerlo justo en las preguntas de rutina, que son las que más valor tendrían si fueran automáticas. La variante «armo un informe de estado a mano» tenía otro problema: si el informe estaba desactualizado, el análisis era basura bien redactada.

Lo que hacía falta no era más contexto. Era que el modelo pudiera ir a buscarlo cuando lo necesite.

Qué es MCP

MCP es un protocolo abierto que Anthropic publicó a fines de 2024. Define cómo un cliente de IA le pregunta a un servidor «¿qué sabes hacer?» y «hazlo». Los mensajes son JSON-RPC, sobre la entrada y salida estándar o sobre HTTP.

La analogía que más me gusta es la del USB-C: un solo conector para cosas muy distintas. Un servidor MCP de Proxmox lo puede usar ARIA, mi asistente, o Claude Code en mi editor, o el cliente que salga mañana. Escribes la herramienta una vez.

Cómo viaja una pregunta

Le pregunto a mi asistente cuánta RAM libre tiene nodo-01:

1. El modelo recibe la pregunta y ve la lista de herramientas disponibles.
2. Decide que necesita la herramienta que lista los nodos de Proxmox.
3. El cliente le pasa esa petición al servidor MCP de Proxmox.
4. El servidor consulta la API real de Proxmox y devuelve los datos.
5. El modelo redacta la respuesta con ese dato real.

Esto es lo que se ve en pantalla:

Fíjate en la línea gris de abajo: ahí dice que usó get_nodes, del MCP de Proxmox. No adivinó un porcentaje que suena razonable: fue a mirar.

Y lo importante: el modelo no ejecuta nada. Solo propone qué herramienta usar y con qué parámetros. Quien ejecuta es el servidor MCP, con sus propias credenciales y sus propios límites. Eso es lo que te permite decidir qué puede hacer la IA y qué no.

Descubrimiento: pregúntale al servidor qué sabe hacer

La parte que más me gusta de MCP es el descubrimiento. El cliente se conecta y pregunta:

{"jsonrpc": "2.0", "id": 1, "method": "tools/list"}

Hoy le hice esa pregunta al MCP de WordPress de mi homelab y me respondió con una treintena de herramientas, cada una con su nombre, su descripción y sus parámetros: crear entradas, subir imágenes, editar el SEO, moderar comentarios. Nadie le enseñó nada al cliente. Las descubrió al conectarse.

Por eso es tan cómodo: levantas un servidor nuevo y la IA ya sabe usarlo. No tocas el código del cliente.

Los míos

Casi veinte, y cada uno hace una cosa: Grafana, Proxmox, Docker, WordPress, WooCommerce, Meta, notificaciones, despensa, la tablet de pared, calendario, memoria, transcripciones, un navegador y algunos más. Sí, en la captura hay uno en rojo, desktop-mcp. La vida real incluye rojos, y prefiero mostrártelos.

Seguridad, sin humo

• Los MCP que pueden escribir en cosas importantes (Proxmox, WordPress y WooCommerce) exigen una clave.
• Donde se puede, uso credenciales de solo lectura: una cuenta de Grafana con rol Viewer y un token de Proxmox con rol de auditor.
• Los demás todavía publican su puerto en mi red local sin autenticación. Todo vive detrás de WireGuard, pero decidir qué puertos cierro está en mi lista de pendientes. Lo cuento porque un blog de homelab donde todo está perfecto es un blog de mentiras.
• Antes de que mi asistente cambie algo, me pide aprobación. Eso tiene su propio post.

Si quieres empezar

1. Un solo MCP, y de solo lectura. Grafana con una cuenta Viewer es un gran candidato.
2. Hazle preguntas cuya respuesta ya conozcas, para comprobar que no inventa.
3. Recién después sumas otro. Y ahí empiezan los problemas interesantes.

Porque con uno todo es hermoso. Con veinte, la IA empieza a confundirse. De eso va el siguiente post.