Cada pocos años, emerge un protocolo que cambia la forma en que los componentes de software se comunican entre sí. HTTP lo hizo para la web. OAuth lo hizo para la autenticación. GraphQL lo hizo para las APIs. En 2025, Model Context Protocol — MCP — lo está haciendo para las herramientas de agentes de IA.
El problema que MCP resuelve es engañosamente simple. Un agente de IA necesita usar herramientas — buscar en la web, leer archivos, consultar bases de datos, llamar APIs. Sin un protocolo estándar, cada integración de herramienta es una implementación personalizada. El framework del agente define su propio formato de herramienta, el proveedor de la herramienta implementa ese formato, y la integración funciona para ese framework específico y esa herramienta específica. ¿Quieres usar la misma herramienta en un framework diferente? Reescribe la integración. ¿Quieres añadir una nueva herramienta a tu agente? Escribe un adaptador personalizado.
MCP elimina ese impuesto de integración por-framework, por-herramienta. Una herramienta que habla MCP funciona con cualquier agente que hable MCP. Escríbelo una vez, úsalo en todas partes. La analogía con USB-C es acertada — antes de USB-C, cada dispositivo tenía su propio cargador. Después de USB-C, un solo cable funciona para todo. MCP está haciendo lo mismo para las herramientas de agentes de IA.
Qué es realmente MCP
MCP es un protocolo basado en JSON-RPC que define cómo un agente de IA descubre, invoca y recibe resultados de herramientas externas. Un servidor MCP expone un conjunto de herramientas con esquemas tipados — descripciones de lo que hace cada herramienta, qué parámetros acepta y qué devuelve. Un cliente MCP (el agente) se conecta al servidor, descubre las herramientas disponibles y las invoca según sea necesario durante la conversación.
El protocolo maneja la mecánica que cada integración personalizada tiene que reinventar: descubrimiento de herramientas (¿qué herramientas están disponibles?), validación de esquemas (¿son correctos los parámetros?), invocación (ejecutar la herramienta y devolver resultados), y manejo de errores (¿qué pasa cuando una herramienta falla?). Estos son problemas resueltos que no necesitan resolverse de nuevo para cada integración.
Anthropic desarrolló MCP y lo publicó como código abierto, pero no es un protocolo específico de Anthropic. Cualquier proveedor de IA puede implementar soporte de cliente MCP, y cualquier desarrollador puede construir servidores MCP. El ecosistema está creciendo rápido — ya existen servidores MCP para GitHub, Slack, bases de datos, sistemas de archivos, navegadores web y docenas de otros servicios.
Cómo usa NanoClaw MCP
NanoClaw integra MCP a través del MCP SDK, que es parte del mismo conjunto de herramientas de Anthropic que incluye Claude Agent SDK. Cuando un agente se ejecuta dentro de un contenedor de NanoClaw, puede conectarse a servidores MCP que el host ha configurado, dándole acceso a herramientas sin ningún código de integración personalizado en el propio NanoClaw.
Este es un punto arquitectónico sutil pero importante. NanoClaw no necesita implementar una integración de GitHub, una integración de Slack, ni una integración de base de datos. Solo necesita soportar MCP, y entonces cualquier servidor MCP proporciona esas capacidades. La superficie de integración es un protocolo, no docenas de adaptadores personalizados.
En la práctica, esto significa que un usuario de NanoClaw que quiere que su agente interactúe con GitHub instala el servidor MCP de GitHub (un proceso separado), configura NanoClaw para conectarse a él, y el agente puede inmediatamente crear issues, leer pull requests y buscar repositorios. Sin cambios de código en NanoClaw. Sin necesidad de un skill de Claude Code. Sin necesidad de fork.
El modelo de aislamiento por contenedores funciona de forma natural con MCP. El servidor MCP se ejecuta en el host, fuera del contenedor. El agente dentro del contenedor se conecta a él a través de un canal controlado. El servidor MCP puede aplicar sus propios controles de acceso — acceso de solo lectura a repositorios, solo canales específicos de Slack, tablas de base de datos particulares — independientemente de lo que el agente solicite. Esto es defensa en profundidad: incluso si una inyección de prompt engaña al agente para solicitar algo que no debería, el servidor MCP puede denegar la solicitud basándose en su propia política.
Por qué MCP importa para el ecosistema
La importancia más amplia de MCP es que desacopla el desarrollo de herramientas del desarrollo de agentes. Antes de MCP, construir una herramienta útil para agentes de IA significaba elegir un framework e implementar la interfaz de herramientas de ese framework. Tu herramienta de GitHub funcionaba con LangChain pero no con CrewAI. Tu herramienta de base de datos funcionaba con AutoGen pero no con NanoClaw. Cada framework tenía su propio formato de herramientas, y los desarrolladores de herramientas tenían que elegir qué frameworks soportar.
MCP rompe ese acoplamiento. Un desarrollador de herramientas construye un servidor MCP, y funciona con cada agente compatible con MCP. Un desarrollador de agentes soporta MCP una vez, y cada servidor MCP queda disponible para sus usuarios. El ecosistema crece de forma multiplicativa en lugar de lineal — cada nuevo servidor MCP beneficia a cada agente compatible con MCP, y cada nuevo agente compatible con MCP se beneficia de cada servidor MCP existente.
Para NanoClaw específicamente, MCP significa que el proyecto no necesita construir y mantener integraciones para cada servicio que sus usuarios puedan querer. El modelo de Claude Code skills maneja las integraciones de canales (Telegram, Discord, Slack), y MCP maneja las integraciones de herramientas (GitHub, bases de datos, APIs). Entre los dos, NanoClaw cubre una amplia gama de casos de uso sin la carga de mantenimiento de un gran código base de integraciones.
La configuración práctica
Configurar MCP en NanoClaw es sencillo. Ejecutas un servidor MCP — ya sea uno que hayas construido o uno del creciente ecosistema de servidores de código abierto — y apuntas NanoClaw hacia él. El agente descubre las herramientas disponibles automáticamente y puede usarlas en la conversación.
La experiencia desde la perspectiva del usuario es transparente. Le pides a tu asistente de WhatsApp "crea un issue en GitHub para el bug de login que discutimos ayer," y el agente usa el servidor MCP de GitHub para crear el issue, extrayendo contexto de su memoria de conversación para rellenar los detalles. No necesitas saber que MCP está involucrado. Simplemente preguntas, y el agente tiene las herramientas para hacer lo que pediste.
El protocolo todavía es joven — principios de 2025 fue cuando la adopción empezó a acelerarse — pero la trayectoria es clara. MCP se está convirtiendo en la forma estándar en que los agentes de IA interactúan con servicios externos, y los proyectos que lo adoptan temprano obtienen acceso a un ecosistema creciente de herramientas sin construir ninguna de ellas. La apuesta de NanoClaw por MCP es una apuesta a que el ecosistema será más valioso que cualquier conjunto de integraciones personalizadas podría ser.