97 millones de instalaciones y todos los grandes ya lo usan: la guía de MCP que todo dev mexicano necesita leer en 2026

El 25 de marzo de 2026, el Model Context Protocol cruzó los 97 millones de instalaciones mensuales de SDK. Para poner eso en perspectiva: React tardó casi tres años en alcanzar una adopción comparable. MCP lo hizo en 16 meses.

La guerra de estándares para conectar agentes de IA con el mundo exterior ya terminó, y MCP ganó sin que la mayoría de los devs mexicanos siquiera supieran que había una guerra.

Si eres desarrollador y trabajas con IA, o planeas hacerlo este año, necesitas entender qué es MCP, por qué todos los grandes lo adoptaron y cómo puedes usarlo desde México hoy mismo. Esto no es hype. Es infraestructura.

Qué es MCP y por qué importa

MCP (Model Context Protocol) es un estándar abierto creado por Anthropic en noviembre de 2024 que resuelve un problema muy concreto: cómo conectar un modelo de lenguaje con herramientas, datos y servicios externos de forma estandarizada.

Antes de MCP, cada herramienta de IA que quería conectarse con, digamos, una base de datos de PostgreSQL, el calendario de Google o Slack, tenía que construir su propia integración desde cero. Código custom, mantenimiento custom, bugs custom. Multiplicado por miles de combinaciones posibles.

MCP es básicamente el USB-C de los agentes de IA. Defines el conector una sola vez y cualquier cliente compatible puede usarlo.

Anthropic anunció la donación del protocolo a la Linux Foundation el 9 de diciembre de 2025, creando la Agentic AI Foundation (AAIF) junto con OpenAI y Block como cofundadores. Los miembros platinum incluyen AWS, Google, Microsoft, Cloudflare y Bloomberg. O sea, literalmente toda la industria se subió al barco.

Cómo funciona técnicamente

MCP funciona con tres primitivos centrales que vale entender antes de ponerte a construir:

Tools (Herramientas): Son funciones que el modelo puede ejecutar. Imagina que le dices al agente “busca en mi base de datos los clientes de Guadalajara” y el modelo llama a una tool que hace exactamente esa query. El modelo decide cuándo y cómo usar la tool según el contexto.

Resources (Recursos): Son datos que el servidor expone para que el modelo los lea: archivos, registros de base de datos, respuestas de APIs. El modelo accede a ellos sin ejecutar código, solo leyendo.

Prompts (Plantillas): Son templates predefinidos que ayudan al usuario a sacarle más jugo al modelo en contextos específicos. Menos usados que los dos anteriores, pero útiles para flujos repetitivos.

La comunicación entre el cliente (el modelo o la herramienta de IA) y el servidor MCP puede ser local via stdio, que es lo más simple para desarrollo, o remota via HTTP con SSE para producción y servicios en la nube.

El ecosistema: ya no es un experimento

Esto es lo que hace que ignorar MCP sea deuda técnica real en 2026:

• ChatGPT, Claude, Gemini, Microsoft Copilot y Visual Studio Code tienen soporte nativo como clientes
• Cursor, Windsurf y Zed también, por si trabajas con herramientas de IA para programar
• Hay 10,000+ servidores MCP activos en producción
• Existen más de 5,800 servidores en el repositorio oficial, cubriendo GitHub, Slack, Google Drive, PostgreSQL, Notion, Jira, Salesforce, y mucho más

Eso significa que si construyes un servidor MCP para tu API o tu base de datos interna, automáticamente quedas compatible con todas las herramientas anteriores. No tienes que elegir si integras con Claude o con ChatGPT, funciona con los dos.

Por qué un dev mexicano debería prestarle atención ahorita

Hay una diferencia importante entre saber que MCP existe y saber construir con él. En 2026, las empresas que automatizan flujos con agentes de IA no están buscando integraciones a la antigua, están buscando servidores MCP.

Si trabajas en startups, en consultoras, o haces freelance de software, aprender a construir servidores MCP es como haber aprendido a hacer APIs REST en 2010: el que llegó primero se llevó los mejores contratos.

El modelo de trabajo también es interesante porque muchos proyectos de IA local que ya corren en México, como los setups con Ollama que comentamos en nuestra guía para correr IA local sin pagar suscripciones, ya tienen soporte para clientes MCP. Puedes conectar tu modelo local con tus propias herramientas usando el mismo protocolo.

Cómo empezar desde México hoy

No necesitas hardware especial ni pagar nada para empezar. Aquí el camino más corto:

Paso 1: Instala el SDK

Para Python:

pip install mcp

Para TypeScript/Node:

npm install @modelcontextprotocol/sdk

Paso 2: Construye tu primer servidor

La documentación oficial de modelcontextprotocol.io tiene un tutorial para construir un servidor de clima con dos tools: get_alerts y get_forecast. Es el “Hola Mundo” del ecosistema y se termina en menos de una hora.

Paso 3: Conecta con Claude Desktop o VS Code

Una vez que tienes el servidor corriendo localmente via stdio, lo conectas en el archivo de configuración de Claude Desktop y ya tienes un agente que puede llamar tus herramientas directamente desde el chat.

Paso 4: Explora servidores ya hechos

Antes de construir algo desde cero, revisa si ya existe un servidor MCP para lo que necesitas. Hay implementaciones para PostgreSQL, MySQL, Redis, Notion, Google Drive, GitHub, Jira, HubSpot, y docenas más. Bacano poder reutilizar en lugar de reinventar.

El tema de seguridad que nadie menciona

Hay algo que vale mencionar con honestidad: entre enero y febrero de 2026 se reportaron más de 30 CVEs en implementaciones de MCP. Investigadores encontraron vulnerabilidades de command injection en el 43% de las implementaciones probadas.

Esto no significa que MCP sea inseguro por diseño, significa que el ecosistema creció rapidísimo y muchos servidores fueron construidos sin las mejores prácticas. Si estás construyendo para producción, revisa bien la autenticación, usa variables de entorno para secretos y no expongas tu servidor MCP al internet sin un gateway con autenticación adecuada.

El roadmap de 2026 ya tiene SSO integrado y audit logging estandarizado como prioridades, pero por el momento es responsabilidad del dev implementarlos.

El panorama completo: Anthropic hizo algo histórico

Anthropic construyó el protocolo, lo lanzó open source, esperó a que la industria lo adoptara, y luego lo donó a una fundación neutral para que nadie pueda apropiarse de él. Es el mismo movimiento que hizo Linux con el kernel o Google con Android, excepto que tomó 16 meses en lugar de años.

Desde que Anthropic mostró su postura frente al uso militar de la IA, quedó claro que la empresa tiene una visión de largo plazo sobre cómo la IA debe integrarse con el mundo. MCP es otro capítulo de esa historia: infraestructura abierta que cualquiera puede usar sin depender de una sola empresa.

En 2026, los agentes de IA que realmente hacen cosas no son los que contestan preguntas. Son los que se conectan con sistemas reales, ejecutan acciones y procesan datos en vivo. MCP es exactamente la pieza que hace posible todo eso.

Si eres dev y no lo conocías, ya lo conoces. Ahora te toca construir algo con él.

¿Ya usas MCP en algún proyecto o apenas lo estás checando? Cuéntanos en los comentarios qué tipo de integración tienes en mente.

Fuentes

• Anthropic: Donating the Model Context Protocol and establishing the Agentic AI Foundation
• Linux Foundation: Formation of the Agentic AI Foundation (AAIF)
• byteiota: Model Context Protocol Hits 97M Installs: Standard Wins
• affiliatebooster: Anthropic’s MCP Protocol Crosses 97 Million Installs
• modelcontextprotocol.io: Build an MCP server
• GitHub: Model Context Protocol Servers