MCP de Anthropic enfrenta desafíos reales: cómo Uber y SUSE lo están implementando en producción

Dieciocho meses después de que Anthropic lanzara su Model Context Protocol (MCP) como estándar abierto para conectar modelos de IA con fuentes de datos externas, las empresas están descubriendo que implementarlo a escala presenta desafíos muy concretos. Uber, SUSE y otras organizaciones están compartiendo sus experiencias reales, revelando tanto los beneficios como los obstáculos de adoptar esta tecnología.

Uber ha convertido MCP en la columna vertebral de sus servicios de ingeniería, según reveló Meghana Somasundara, líder de IA agéntica de la compañía, en el MCP Developer Summit. "Los MCP no solo son importantes, realmente son lo que hace útil la IA en Uber", declaró. Sin embargo, la empresa tuvo que construir un MCP Gateway y Registry como plano de control centralizado para superar la falta de orientación central que enfrentaban sus desarrolladores al desplegar servidores MCP.

Por su parte, Keith Basil, VP de SUSE, considera que MCP es fundamental para acelerar la adopción de IA, pero reconoce que la tecnología aún está en etapas iniciales. Según datos de la plataforma, más de 16,000 servidores MCP están activos, con nuevos repositorios creándose diariamente. Los SDKs de MCP registran 6.7 millones de descargas semanales en TypeScript y 9 millones en Python.

Los principales desafíos incluyen el "context bloat" (cuando el modelo acepta contexto excesivo), la falta de sincronización entre diferentes servidores MCP dentro de una organización, y problemas de seguridad de datos sensibles. Empresas como Perplexity incluso han abandonado el estándar debido a estas complicaciones.

Cómo implementar MCP exitosamente en tu organización

Las experiencias de Uber y otras empresas revelan patrones clave que toda organización debe considerar antes de adoptar implementación de MCP en empresas:

1. Establece governance centralizada desde el inicio
• Crea un registro centralizado de todos los servidores MCP
• Define políticas claras de seguridad y supervisión
• Establece estándares de desarrollo antes de escalar

2. Planifica la inversión de tiempo necesaria
• Construir servidores MCP requiere compromiso de tiempo significativo
• Los equipos necesitan adaptarse al nuevo protocolo
• Considera la curva de aprendizaje en tu timeline de implementación

3. Prioriza la seguridad de datos Según Bharat Kotian de Protegrity, "los equipos deben asegurar que mantengan la seguridad de datos sensibles". Esto incluye:
• Implementar controles de acceso granulares
• Establecer protocolos de manejo de datos sensibles
• Auditar regularmente las conexiones MCP

4. Considera las alternativas y complementos
MCP no es el único estándar disponible. Compite con el protocolo Agent2Agent de Google y puede complementarse con Claude Skills. Clare Liguori de AWS explica que "vemos muchas personas describiendo en una habilidad cómo usar un MCP".

5. No ignores la ética y responsabilidad
Un aspecto crítico que muchas implementaciones pasan por alto es la governance de IA empresarial. Rupa Dachere, CEO de Thrive-WiSE, observó que "ni una sola charla ha mencionado IA responsable y ética a nivel de governance".

A pesar de los desafíos, los casos exitosos como el de Mayo Clinic Platform demuestran que MCP puede acelerar significativamente la investigación clínica y el desarrollo de modelos de IA multimodales cuando se implementa correctamente.

La realidad es que MCP está vivo, pero requiere una implementación thoughtful. Las empresas que inviertan en governance sólida, planning de seguridad y training adecuado tendrán más probabilidades de éxito. La pregunta no es si adoptar MCP, sino cuándo tu organización estará preparada para hacerlo correctamente.