MCP VS API: Similitudes, diferencias y cómo crear un MCP Server

Tiempo de lectura: 5.32 minutos

Para que los LLM (grandes modelos de lenguaje) sean realmente útiles, a menudo necesitan interactuar con:

fuentes de datos externas,
servicios, y
herramientas.

Tradicionalmente, esto se hacía mediante interfaces de programación de aplicaciones, o APIs.

Sin embargo, a finales de 2024, Anthropic introdujo un nuevo protocolo abierto llamado Model Context Protocol (MCP), y ha tenido bastante impacto.

Este protocolo estandariza cómo las aplicaciones proporcionan contexto a los LLMs.

Hoy vamos a ver qué son, MCP y API, y analizar sus similitudes y diferencias.

¿Qué es MCP? (Analogía con USB-C)

Hora de una analogía.

MCP es como un puerto USB-C para tus aplicaciones de IA.

Esto se debe a que estandariza las conexiones entre aplicaciones de IA, LLMs y fuentes de datos externas.

Si piensas en tu laptop o PC de escritorio, probablemente tenga varios puertos USB-C.

En tales puertos puedes conectar todo tipo de dispositivos usando dicho estándar.

Por ejemplo:

Puedes conectar un monitor
Un disco externo
Un teclado
Un mouse
O incluso un mini-ventilador

No importa quién fabrica los dispositivos, todos funcionan, gracias al estándar USB.

MCP funciona de forma similar.

Arquitectura de MCP

Veamos su arquitectura:

Tenemos un MCP Host, que incluye uno o más MCP Clients.

Cada cliente abre una sesión usando JSON-RPC 2.0 (protocolo sobre el que se basa MCP) y se conectan a MCP Servers.

Esto sigue un modelo cliente-servidor.

Los servidores exponen capacidades, por ejemplo:

Acceso a una base de datos
Acceso a un repositorio de código
Acceso a un servidor de correo

Siguiendo la analogía:

La laptop sería el MCP Host
El puerto USB-C representa al protocolo MCP
Los dispositivos conectados serían los MCP Servers

Capacidades de MCP

MCP cubre dos necesidades principales para los Agentes de IA:

Proveer contexto (datos externos)
Permitir el uso de herramientas (tools)

Esto permite que un Agente de IA:

Obtenga documentos, registros de base de datos o información externa
Ejecute acciones como búsquedas web, llamadas a servicios o realizar algún cálculo

Todo esto se hace a través de los MCP Servers que exponen ciertas primitivas.

Primitivas de MCP

Tools (Herramientas)

Son acciones o funciones que la IA puede ejecutar.

Ejemplos:

Un servicio de clima con una tool “obtener clima”
Un calendario con una tool “crear evento”

El servidor define:

Nombre de la herramienta
Descripción
Entrada y salida

Funciona de esta manera:

El LLM usa un MCP Client para invocar una tool, y el MCP Server ejecuta la acción correspondiente.

Otra primitiva son los Resources.

Resources (Recursos)

Son datos de solo lectura, o documentos, que el servidor puede proporcionar, y así el cliente lo obtiene bajo demanda.

Ejemplos:

Archivos de texto plano
Esquemas de base de datos
Data estructurada (archivos JSON, CSV, logs, etc)

Prompt Templates

Son plantillas predefinidas que sugieren prompts.

No todos los servidores usan las tres primitivas; hoy en día muchos se enfocan principalmente en las tools.

Descubrimiento dinámico

Lo más importante aquí es que un Agente de IA puede consultar en tiempo de ejecución a un MCP Server y descubrir qué capacidades ofrece.

Cada servidor publica un catálogo, incluyendo:

tools/list
resources/list
prompts/list

Esto permite usar nuevas funcionalidades, de manera estándar, sin hacer re-deploy del código.

Eso con relación a MCP. Veamos ahora qué es una API.

¿Qué es una API?

Bueno, una API es otra forma de permitir que un sistema acceda a la funcionalidad o datos de otro sistema.

Es un conjunto de reglas que define cómo solicitar información o servicios, y qué formato de respuesta se espera recibir.

Las APIs permiten a los desarrolladores integrar capacidades de sistemas externos, sin construir todo desde cero.

Por ejemplo:

Un e-commerce puede usar una API de pagos para procesar tarjetas de crédito.

Cómo funcionan las APIs

Las APIs actúan como una capa de abstracción.

El cliente (la aplicación que hace uso de la API), no necesita conocer los detalles internos del servidor, solo:

Cómo enviar la solicitud
Cómo interpretar la respuesta

Haciendo una analogía con un restaurante, el cliente accede a lo que prepara el chef a través del mesero.

Entonces:

El mesero hace de API, ya que define una interfaz estándar que permite a los clientes hacer sus pedidos.

APIs REST

Existen muchos estilos de arquitectura sobre cómo diseñar APIs.

Uno de los más usados es REST.

Una API Restful se basa en HTTP y usa métodos estándar:

GET → obtener datos
POST → registrar datos
PUT y PATCH → actualizar
DELETE → eliminar

Por ejemplo, la API para el sistema de una librería puede definir endpoints como:

GET /books/123 → obtener los detalles de un libro
POST /loans → pedir prestado un libro

Siguiendo los principios REST:

en vez de modelar la acción, lo hacemos en forma de recursos;
donde loans significa préstamos.

Las respuestas suelen estar en formato JSON.

Y en realidad, muchos LLM comerciales también funcionan así:

Enviamos un JSON prompt
Y obtenemos un JSON completion como respuesta

Similitudes entre MCP y APIs

Algunas veces los Agentes de IA también pueden usar REST APIs, para realizar búsquedas web o interactuar con una API interna de la empresa.

Por tanto, los conceptos de MCP y APIs tienen similitudes y diferencias.

Ambos:

Siguen un modelo cliente-servidor
- En el caso de las APIs, la app cliente realiza un HTTP Request, el servidor lo atiende y devuelve una Response.
- En MCP, el MCP Client realiza un Request a tools/list para descubrir qué está disponible, o bien un Request a tools/call para ejecutar una tool; y entonces recibirá también una Response.
Ofrecen una capa de abstracción
- El cliente sólo sigue la interfaz definida
- Y no necesita conocer los detalles internos de los otros sistemas
- Por tanto, ambos simplifican las cosas, específicamente…
Simplifican la integración entre sistemas

Sin embargo, presentan también diferencias importantes:

Diferencias clave

Propósito

MCP: diseñado específicamente para LLMs y agentes de IA
mientras que las APIs: propósito general

Descubrimiento dinámico

Una de las mayores ventajas de MCP, es su característica dynamic discovering:

El MCP Client puede preguntar al MCP Server, hey qué puedes hacer, y así obtener una descripción de todas las funciones y datos que el servidor ofrece
Así las aplicaciones o agentes de IA, pueden adaptarse y decidir qué hacer en tiempo real, según lo que está disponible en el momento.

Las APIs tradicionales en cambio, no disponen de un mecanismo de discovery.

Si la API cambia, o se agregan nuevos endpoints,
las aplicaciones cliente deben actualizarse (por un desarrollador).

Otra diferencia importante es la

Estandarización

En MCP, independiente del servicio o datos provistos: todos los MCP Servers usan el mismo protocolo.
Por otro lado, cada API es única: cada una es diferente, ya que proveen diferentes endpoints, parámetros, y métodos de autenticación

Con APIs, usar múltiples servicios puede requerir múltiples adaptadores.

Con MCP: una misma integración sirve para todos.

Entonces, son similares, pero diferentes.

Peeero, aquí viene la mejor parte:

MCP y APIs juntos

Muchos servidores MCP internamente usan APIs tradicionales.

Es decir, un MCP Server muchas veces actúa como un wrapper sobre una API ya existente.

No son rivales, sino capas.

Por ejemplo:

El MCP Server de GitHub puede exponer tools, como “listar repositorios”
E internamente llamar a la API REST de GitHub, con la solicitud o Request correspondiente