---
title: "¿Qué es MCP? El Model Context Protocol, explicado | BroadRouter"
description: "MCP es un protocolo abierto con el que las apps de LLM descubren y llaman herramientas y datos de otros servidores vía JSON-RPC. Hosts, clientes y servidores."
url: https://broadrouter.com/es/glossary/mcp/
lang: es
updated: 2026-11-14
publisher: BroadRouter (a BroadNet site); API by BroadNet Inference, https://inference.broadnet.ai
---

Traducido del inglés con ayuda de IA. [Lea el original en inglés](https://broadrouter.com/glossary/mcp/) (actualizado el 2026-11-14).

# MCP (Model Context Protocol)

Actualizado 2026-11-14

MCP (Model Context Protocol, protocolo de contexto de modelo) es un protocolo abierto, basado en JSON-RPC 2.0, que estandariza cómo las aplicaciones de LLM se conectan con herramientas y datos externos. Un servidor MCP expone herramientas, recursos y prompts; un cliente MCP dentro de la aplicación host los descubre y pasa al servidor las llamadas a herramientas del modelo.

También llamado: protocolo de contexto de modelo, servidor MCP, cliente MCP, herramientas MCP, MCP, Model Context Protocol, MCP server, MCP client, MCP tools

MCP es un estándar de conexión para aplicaciones de LLM: escriba un servidor de herramientas una vez, y cualquier cliente compatible con MCP podrá usarlo.

## Cómo funciona

La especificación describe tres roles que se comunican con mensajes JSON-RPC 2.0:

-   **Hosts**: “LLM applications that initiate connections” (traducción: aplicaciones de LLM que inician las conexiones), como un agente en un IDE o una aplicación de chat.
-   **Clientes**: “Connectors within the host application” (traducción: conectores dentro de la aplicación host), uno por servidor.
-   **Servidores**: “Services that provide context and capabilities.” (traducción: servicios que proporcionan contexto y capacidades.)

Los servidores pueden ofrecer **herramientas** (funciones que el modelo puede ejecutar), **recursos** (datos y contexto) y **prompts** (plantillas de mensajes). La especificación define dos transportes estándar: stdio para un subproceso local, y Streamable HTTP, donde cada mensaje es un HTTP POST y las respuestas vuelven como JSON o como un flujo de server-sent events.

Para las herramientas, el cliente envía `tools/list` y recibe nombres, descripciones y un `inputSchema` en JSON Schema. Se los pasa al modelo como definiciones de herramientas. Cuando el modelo devuelve una [llamada a herramienta](https://broadrouter.com/es/glossary/tool-calling/), el cliente envía `tools/call` con los argumentos y le devuelve el resultado al modelo.

```json
{"jsonrpc": "2.0", "id": 2, "method": "tools/call",
 "params": {"name": "get_weather", "arguments": {"location": "New York"}}}
```

El modelo nunca habla con el servidor MCP. Solo ve las definiciones de herramientas y los resultados, y por eso MCP funciona con cualquier modelo que maneje bien las llamadas a herramientas.

## Por qué importa

-   **Reutilización.** Un solo servidor de GitHub o de base de datos sirve a todo [agente](https://broadrouter.com/es/glossary/agent/) y editor que hable MCP.
-   **Costo en tokens.** El nombre, la descripción y el esquema de cada herramienta listada se envían como entrada en cada turno. Muchos servidores con muchas herramientas alargan cada solicitud. Active solo lo que la tarea necesite.
-   **Seguridad.** La especificación dice que las herramientas “represent arbitrary code execution” (traducción: representan ejecución de código arbitrario) y que los hosts deben obtener el consentimiento del usuario antes de invocar cualquier herramienta. Los resultados de las herramientas también son una vía para la [inyección de prompts](https://broadrouter.com/es/glossary/prompt-injection/).

## En BroadNet Inference

La documentación de BroadNet no incluye un servidor MCP ni un endpoint específico para MCP. Usted ejecuta MCP en su cliente (Cline, Continue, opencode y otros) y apunta el modelo del cliente a la API compatible con OpenAI de BroadNet. La documentación de BroadNet indica llamadas a herramientas para [GLM 5.3](https://broadrouter.com/es/models/glm-5.3/) y [Qwen3.8 27B](https://broadrouter.com/es/models/qwen3.8-27b/). El artículo [MCP con modelos compatibles con OpenAI](https://broadrouter.com/es/blog/mcp-with-openai-compatible-models/) muestra configuraciones de clientes y un puente en Python.

## Preguntas frecuentes

### ¿MCP solo funciona con Claude?

No. MCP es independiente del modelo. El cliente convierte las herramientas MCP en definiciones de herramientas normales, así que cualquier modelo que admita llamadas a herramientas a través de su cliente puede usarlas.

### ¿Cuál es la diferencia entre MCP y las llamadas a herramientas?

Las llamadas a herramientas son la función de la API del modelo que devuelve un nombre de función y sus argumentos. MCP es el protocolo que su aplicación usa para encontrar herramientas en un servidor y ejecutarlas. MCP está del lado de la aplicación en el ciclo de herramientas.

### ¿BroadNet ofrece un servidor MCP?

La documentación de BroadNet no incluye un servidor MCP. Usted ejecuta los servidores MCP en su propio cliente o agente, y el cliente envía las llamadas a herramientas a un modelo de BroadNet mediante la API compatible con OpenAI.

## Vea también

-   [Llamadas a herramientas (tool calling)](https://broadrouter.com/es/glossary/tool-calling/) (término)
-   [Agente de IA (AI agent)](https://broadrouter.com/es/glossary/agent/) (término)
-   [API compatible con OpenAI](https://broadrouter.com/es/glossary/openai-compatible-api/) (término)
-   [Inyección de prompts (prompt injection)](https://broadrouter.com/es/glossary/prompt-injection/) (término)
-   [Salida estructurada (structured output)](https://broadrouter.com/es/glossary/structured-output/) (término)
-   [Cline con BroadNet Inference (proveedor OpenAI Compatible)](https://broadrouter.com/es/guides/cline-openai-compatible/) (guía)
-   [Continue con BroadNet Inference (config.yaml y apiBase)](https://broadrouter.com/es/guides/continue-dev-openai-compatible/) (guía)
-   [Agregue BroadNet Inference a opencode como proveedor personalizado](https://broadrouter.com/es/guides/opencode-custom-provider/) (guía)
-   [Servidores MCP con cualquier modelo compatible con OpenAI](https://broadrouter.com/es/blog/mcp-with-openai-compatible-models/) (artículo)
-   [Tool calling con modelos abiertos: esquemas, paralelismo, reintentos](https://broadrouter.com/es/blog/tool-calling-open-models/) (artículo)

Pruébelo con su carga de trabajo real. Las cuentas nuevas empiezan con USD 5 de crédito para Gemma y transcripción. DeepSeek, GLM y Qwen3.8 requieren una recarga.

[Comenzar](https://inference.broadnet.ai/account/?utm_source=broadrouter&utm_medium=referral&utm_campaign=es-glossary-mcp&utm_content=page-cta) ·

**Fuentes**

-   [Especificación del Model Context Protocol (visión general, hosts, clientes y servidores)](https://modelcontextprotocol.io/specification/latest)
-   [Especificación del Model Context Protocol, herramientas del servidor (tools/list, tools/call)](https://modelcontextprotocol.io/specification/2026-07-28/server/tools)
-   [Especificación del Model Context Protocol, transportes (stdio, Streamable HTTP)](https://modelcontextprotocol.io/specification/2026-07-28/basic/transports)
