Saltar al contenido principal

Protocolo de Contexto de Modelo (MCP)

El Protocolo de Contexto de Modelo (MCP) es un protocolo abierto que estandariza cómo las aplicaciones proporcionan contexto a los Modelos de Lenguaje (LLMs). Así como USB-C estandariza las conexiones de dispositivos, MCP estandariza la integración de modelos de IA con diferentes fuentes de datos y herramientas.

¿Qué es MCP?​

MCP permite que aplicaciones y modelos de IA se comuniquen de manera estructurada, facilitando el intercambio de información contextual, comandos y resultados. Esto hace posible conectar modelos a bases de datos, sistemas de archivos, APIs externas y mucho más, sin necesidad de integraciones personalizadas para cada caso.

  • Estandarización: Un único protocolo para conectar diferentes modelos y herramientas.
  • Interoperabilidad: Permite que modelos de IA accedan a datos y ejecuten acciones en múltiples sistemas.
  • Seguridad y Control: El protocolo define permisos claros sobre qué puede acceder o modificar el modelo.

Prerrequisitos​

Asegúrate de tener lo siguiente instalado antes de continuar:

  • Node.js (v18 o posterior recomendado)
  • npx (viene incluido con Node.js)

Puedes verificar si están instalados ejecutando:

node -v
npx -v

Instalando Tess AI MCP​

Instalar MCP es simple y se puede hacer usando el comando a continuación con npx. Solo proporciona el nombre MCP localmente y tu clave de API:

TESS_API_KEY="API_KEY_HERE" npx -y mcp-tess

Reemplaza API_KEY_HERE con tu clave de acceso.

Después de la instalación, tendrás acceso a todos los endpoints disponibles en la API de Tess AI.

Cómo generar tu token de acceso: Sigue los pasos en Cómo crear un Token de API en Tess AI o consulta las instrucciones detalladas aquí.

Verifica la documentación para ver cómo generar el Token de Acceso, acceder a endpoints, ejecutar operaciones y revisar contratos y versiones.

¿Cómo funciona en la práctica?​

El flujo típico de MCP es:

  1. Cliente (ej.: Claude, otro LLM o tu aplicación) envía una solicitud MCP a un servidor MCP.
  2. Servidor MCP interpreta la solicitud, accede a datos, ejecuta comandos o devuelve información solicitada.
  3. Respuesta: El servidor devuelve el resultado al cliente, que puede ser usado por el modelo para generar respuestas más ricas o ejecutar acciones automatizadas.

Instalando en Cursor / VSCode​

Localiza el archivo de configuración MCP y agrega la configuración Tess MCP como se muestra a continuación. En Cursor, el archivo se puede encontrar vía Tools & Integration > MCP Tools (menú) o en ~/.cursor/mcp.json:

{
  "mcpServers": {
    "tess": {
      "command": "npx",
      "args": ["-y", "mcp-tess"],
      "env": {
        "TESS_API_KEY": "<REPLACE_YOUR_TOKEN_HERE>"
      }
    }
  }
}

En VSCode, la ubicación puede variar dependiendo de la extensión que uses, pero la estructura permanece igual.

Instalando en Claude Code​

Usando la CLI, puedes agregarlo directamente con:

claude mcp add tess -e TESS_API_KEY="<REPLACE_YOUR_TOKEN_HERE>" -- npx -y mcp-tess

Ejemplo de Uso con Tess AI​

Veamos un ejemplo práctico de cómo usar MCP para gestionar memorias y colecciones en Tess AI:

  1. Listar colecciones y memorias:
    • Inicialmente, al listar memorias, puede que no haya ninguna registrada.
    • Lista las colecciones para verificar las existentes. Por defecto, existe la colección MyMemories.
  2. Crear una nueva colección:
    • Crea una colección llamada, por ejemplo, "Mejores Prácticas de Programación".
    • Confirma la creación y lista las colecciones nuevamente para asegurar que la nueva fue agregada.
  3. Agregar memorias a la colección:
    • Agrega memorias a la nueva colección, como:
      • "Siempre usa SOLID como estándar de desarrollo."
      • "Siempre crea pruebas unitarias usando BDD."
    • Confirma que las memorias se agregaron exitosamente.
  4. Listar memorias en la colección:
    • Lista las memorias en la colección para verificar que se guardaron correctamente.
  5. Usar las memorias en un caso práctico:
    • Pide al agente Tess AI (por ejemplo, el agente de chat TES AIV5) que cree un servicio, como "Gestión de Reservas de Vuelos en Node.js", usando las mejores prácticas guardadas en la colección.
    • El agente buscará la colección, usará las memorias como referencia y generará el servicio solicitado, incluyendo las prácticas recomendadas (como usar BDD para pruebas).

Este flujo demuestra cómo MCP permite integrar, consultar y usar información contextual de manera práctica y eficiente con Tess AI.

Beneficios de MCP​

  • Plug & Play: Agrega nuevas fuentes de datos o herramientas sin tener que reescribir integraciones.
  • Escalabilidad: El mismo modelo puede conectarse a múltiples MCPs, cada uno con permisos y capacidades diferentes.
  • Seguridad: El protocolo permite definir exactamente qué puede accederse o ejecutarse.

Recursos y Referencias​

Para detalles técnicos, ejemplos de payload e implementación del servidor MCP, consulta la documentación oficial arriba.