IA para operaciones
Ecosistema

Creación del MCP: explicación del Protocolo de Contexto de Modelo (MCP)

Mike McKay

AI Summary

Operations Calling 2025 showcased how modern manufacturing depends on open ecosystems, with dozens of partners demonstrating integrated AI, hardware, and software solutions. The event emphasized that collaboration and interoperability—not single all-in-one systems—are key to scalable, future-ready operations.

Por qué el MCP es tan importante en el sector manufacturero en estos momentos

La IA agentiva está pasando rápidamente de la fase experimental al uso real en las plantas de producción. A medida que los fabricantes implementan «copilotos», asistentes basados en IA y agentes en fase inicial, se pone de manifiesto un reto: los sistemas de IA pueden razonar sobre los problemas, pero carecen de una forma segura y estandarizada de actuar dentro de los entornos de producción.

Esta brecha —en la que la IA es capaz de interpretar señales, pero no puede funcionar de forma fiable dentro de los sistemas OT/IT— es precisamente donde el MCP para la industria manufacturera resulta esencial.

Los sistemas de IA necesitan vías de actuación, no solo información

La mayoría de las iniciativas de IA en el sector manufacturero detectan anomalías, tendencias y predicciones. Sin embargo, al carecer de un mecanismo que conecte la IA directamente con las herramientas, los datos y los flujos de trabajo, siguen siendo las personas las que se encargan de la coordinación. MCP crea una capa de acción estructurada y con permisos para que la IA pueda facilitar la ejecución dentro de unos límites claros.

Los sistemas de fabricación no se diseñaron para los modelos de lenguaje a gran escala (LLM) ni para los agentes.

Las arquitecturas tradicionales de MES, ERP y PLM se basan en flujos de trabajo deterministas y en operadores humanos. Los grandes modelos de lenguaje, sin embargo, funcionan de forma probabilística y necesitan un contexto amplio para actuar de forma segura. MCP actúa como puente entre estos dos mundos, traduciendo las solicitudes de los agentes en llamadas a herramientas controladas y predecibles.

La necesidad de patrones de integración estandarizados

Cada planta cuenta con integraciones únicas, scripts personalizados, flujos de datos aislados y lógicas de automatización puntuales. Sin estandarización, la IA se vuelve frágil y difícil de gestionar. Manufacturing MCP define esquemas coherentes, modelos de permisos y reglas de validación para que los agentes interactúen con los sistemas de la misma forma que lo hacen las personas, siguiendo los requisitos de acceso basados en roles y de auditoría.

La fabricación de MCP es importante en la actualidad porque ofrece a la IA una forma segura de participar en las operaciones sin eludir los controles, las restricciones y la responsabilidad que exige la producción.

¿Qué es el Protocolo de Contexto de Modelo?

La fabricación de MCP consiste en la aplicación del Protocolo de Contexto de Modelo —un estándar de integración de la IA en auge— a las limitaciones específicas de los entornos industriales. Actúa como una capa de interfaz estructurada y nativa de la IA que permite a los agentes comprender el contexto, solicitar información y llevar a cabo acciones seguras y reguladas.

La definición básica

El Protocolo de Contexto de Modelos (MCP) es un estándar universal para conectar sistemas de IA con herramientas y fuentes de datos. En lugar de crear integraciones personalizadas o flujos de trabajo inestables para cada caso de uso, el MCP define:

  • A qué capacidades puede recurrir un sistema de IA.
  • Cómo se describen las herramientas.
  • ¿Qué contexto hay que pasar?
  • Cómo se aplican los permisos y los límites de datos.

Funciona como un equivalente nativo de IA a una pasarela de API, optimizado para el razonamiento con modelos de lenguaje grande (LLM), la invocación de herramientas y la ejecución segura.

Qué hace MCP (en términos sencillos)

En la práctica, el MCP establece un protocolo claro sobre cómo interactúa un agente de IA con su entorno:

  • Define las herramientas que puede utilizar el agente (obtener datos, activar flujos de trabajo, leer documentos).
  • Proporciona el contexto que el agente necesita para razonar correctamente (estructuras de datos, metadatos, relaciones).
  • Gestiona los permisos para que los agentes no puedan sobrepasar las capacidades propias de su nivel de usuario.
  • Garantiza una ejecución predecible de las herramientas mediante esquemas estructurados y parámetros explícitos.

MCP elimina las conjeturas. Los agentes saben exactamente qué medidas pueden tomar y cómo llevarlas a cabo.

Lo que no es el MCP

Para evitar malentendidos, es importante aclarar lo que MCP no hace:

  • No es un agente: no razona ni actúa de forma autónoma.
  • No es un lago de datos: no almacena información.
  • No sustituye a los sistemas MES, ERP ni PLM: funciona junto con ellos, no en su lugar.
  • No se trata de una capa de coordinación mágica: requiere un diseño y una gestión bien pensados.

El MCP es la interfaz, no la inteligencia. Su finalidad es proporcionar a los sistemas de IA una forma segura y estructurada de interactuar con entornos de fabricación complejos.

Por qué el sector manufacturero necesita MCP

La fabricación es uno de los entornos de datos más complejos de cualquier sector. Los sistemas están interconectados, pero rara vez están unificados, y el trabajo de primera línea depende de información en tiempo real que abarca máquinas, materiales, personas y flujos de trabajo. MCP introduce un estándar que integra estos elementos de tal forma que los sistemas de inteligencia artificial puedan utilizarlos de manera segura y coherente.

La industria manufacturera requiere datos con abundante contexto

Los sistemas de IA no pueden tomar decisiones fiables sin disponer de una visión completa de la situación. En una planta de producción, esa visión incluye:

  • Estados de la máquina y de los sensores
  • Acciones, competencias y trayectoria profesional del operario
  • Instrucciones de trabajo digitales y lógica de la aplicación
  • Niveles de existencias y flujo de materiales
  • Umbrales de calidad, desviaciones y especificaciones
  • Dependencias de programación y restricciones de capacidad

Sin un contexto de dominio estructurado, los agentes de IA pueden llegar a «alucinar», elegir pasos incorrectos o malinterpretar las condiciones. MCP proporciona los metadatos y el esquema que garantizan que los agentes razonen a partir de información precisa y contextualizada.

Los sistemas heterogéneos provocan fragmentación

La mayoría de las fábricas utilizan una mezcla heterogénea de tecnologías:

  • Plataformas MES y ERP heredadas
  • Datos de máquinas aislados y capas SCADA
  • Los procesos basados en papel y los conocimientos tradicionales
  • Se han añadido herramientas en la nube para el análisis o la automatización

Estos entornos no están diseñados para los modelos de lenguaje grandes (LLM). Carecen de un método claro y coherente que permita a los sistemas de IA comprender las estructuras de datos, las relaciones y los identificadores.

MCP resuelve este problema definiendo un único contrato de integración: tanto los proveedores como las herramientas y los agentes siguen el mismo método estandarizado para intercambiar información.

MCP ofrece un contrato unificado para la IA

Con MCP, los equipos obtienen:

  • Esquemas de herramientas coherentes para que los agentes sepan siempre cómo ejecutar una acción
  • Expectativas claras sobre cómo deben interactuar los agentes con los sistemas
  • Interoperabilidad independiente del proveedor entre herramientas de OT/IT
  • Menor carga de integración a medida que se incorporan nuevos agentes o funcionalidades

En resumen: MCP proporciona al sector manufacturero una base estable y regulada para el comportamiento autónomo, que satisface las necesidades de precisión, previsibilidad y seguridad operativa de este ámbito.

Cómo funciona MCP

El MCP está diseñado para proporcionar a los sistemas de IA una forma estructurada y predecible de interactuar con herramientas, datos y flujos de trabajo. Desglosa el problema de la integración en cuatro elementos —herramientas, contexto, permisos y vías de acción—, cada uno de los cuales es esencial para garantizar un comportamiento autónomo seguro en el sector manufacturero.

1. Herramientas

Las herramientas definen qué acciones puede realizar un sistema de IA. Cada herramienta describe:

  • Su nombre y su finalidad
  • Parámetros obligatorios y opcionales
  • Resultados previstos
  • Restricciones o condiciones de error

Entre los ejemplos de las capacidades de las herramientas en el ámbito de la fabricación se incluyen:

  • Leer datos de una tabla o de un registro
  • Obtener el estado de una máquina o un sensor
  • Resumen de las tendencias de producción
  • Activar un flujo de trabajo o una acción de una aplicación
  • Recuperación de documentos o contenidos estructurados

Las herramientas proporcionan al agente sus «manos», es decir, la capacidad de realizar acciones en el sistema.

2. Contexto

El contexto define cómo se modelan los datos y cómo se relacionan los sistemas entre sí. Proporciona a los agentes la información necesaria para razonar correctamente.

El contexto de la fabricación suele incluir:

  • Modelos de activos (estaciones, máquinas, células)
  • Tipos de datos y definiciones de campos
  • App estructuras y lógica de los flujos de trabajo
  • Relaciones entre materiales, lotes y operaciones

Sin este contexto, los sistemas de IA malinterpretan las condiciones o formulan suposiciones que incumplen las expectativas de seguridad y calidad.

3. Permisos y gobernanza

MCP aplica los límites de permisos mediante el principio de la intersección del mínimo privilegio:

  • Los agentes heredan los permisos del usuario
  • Los agentes no pueden ampliar sus privilegios
  • Las acciones siguen siendo totalmente trazables
  • Los patrones HITL/HOTL funcionan de forma coherente en todas las herramientas

Estos controles garantizan que la IA se comporte exactamente igual que un usuario humano, siguiendo las normas de acceso basadas en roles.

4. Vías de actuación

Las rutas de acción definen cómo los agentes invocan las herramientas utilizando parámetros reales y cómo se devuelven los resultados.

En el ámbito de la fabricación, unas vías sólidas garantizan:

  • Se registra cada acción
  • Las entradas y salidas siguen una estructura predecible
  • Las herramientas pueden validarse y gestionarse
  • Los agentes actúan con transparencia y auditabilidad

En conjunto, estos cuatro componentes —herramientas, contexto, permisos y vías— conforman la columna vertebral operativa que permite a MCP dar soporte a la IA autónoma en la planta de producción.

MCP de fabricación propia frente a MCP genérico

El MCP genérico ofrece un modelo amplio para conectar sistemas de IA con herramientas y fuentes de datos. Sin embargo, los entornos de fabricación plantean restricciones adicionales, expectativas de seguridad y requisitos de gobernanza que exigen una implementación más adaptada al ámbito concreto.

La fabricación plantea limitaciones fundamentales

La fabricación requiere un nivel de determinismo y trazabilidad que un MCP genérico por sí solo no puede proporcionar:

  • Los requisitos de validación garantizan que las herramientas funcionen de forma coherente en todas las versiones.
  • Los puntos de control con intervención humana evitan que se lleven a cabo acciones de alto riesgo sin revisar.
  • La autonomía limitada garantiza que los agentes se mantengan dentro de los límites operativos.
  • Los permisos basados en activos restringen el acceso a máquinas, puestos de trabajo o líneas de producción.

Estas medidas de seguridad son esenciales cuando la IA interactúa con entornos en los que los errores provocan paradas, desperdicio, problemas de cumplimiento normativo o riesgos para la seguridad.

Por qué el sector manufacturero necesita un MCP adaptado a su ámbito de aplicación

De serie, MCP no comprende el contexto específico de los sistemas OT/IT:

  • Estructuras de máquinas y estaciones
  • Seguimiento del flujo de materiales y del trabajo en curso
  • Estados de calidad y flujos de trabajo de desviaciones
  • Asignaciones de turnos, operadores y funciones

Una implementación de MCP específica para el sector manufacturero proporciona metadatos más completos, restricciones operativas y lógica de negocio, de modo que los sistemas de IA puedan comportarse de forma predecible.

En resumen: el MCP genérico define cómo realizar la integración. El MCP de fabricación define cómo realizar la integración de forma segura en uno de los entornos más exigentes para las acciones impulsadas por la IA.

Ejemplos de la vida real

La implementación del MCP ya está demostrando su utilidad en situaciones operativas reales. Estos ejemplos ilustran cómo el MCP permite a los sistemas de IA participar de forma segura y eficaz en el trabajo de primera línea, respetando al mismo tiempo las restricciones y los mecanismos de gobernanza existentes.

Informes diarios de producción a través de MCP

Los agentes pueden elaborar resúmenes diarios estructurados de las siguientes maneras:

  • Lectura de los registros de producción y los datos de las máquinas
  • Destacar desviaciones, tendencias y anomalías
  • Redacción de resúmenes de cambio de turno
  • Información sobre rutas para su revisión por parte del supervisor

El MCP garantiza que los agentes solo accedan a los datos que el usuario está autorizado a consultar y que las acciones propuestas se mantengan dentro de los límites establecidos.

Flujos de trabajo de inventario y solicitud de material

Los agentes pueden supervisar el estado de las existencias y proponer medidas de reposición.
Algunos ejemplos son:

  • Detección de niveles bajos de existencias
  • Comprobación de la disponibilidad de existencias del proveedor o internas
  • Sugerir o plantear peticiones de material
  • Preparación de la documentación para su aprobación

Esto crea un ciclo cerrado que va desde la detección hasta la acción propuesta, todo ello regulado por las capas de autorización y validación de MCP.

Configuración de dispositivos y estaciones mediante texto sin formato

Con MCP, los agentes pueden:

  • Leer archivos de configuración o metadatos de las estaciones
  • Comparar la configuración actual con las plantillas
  • Proponer cambios en la configuración
  • Generar instrucciones auditables para la validación

Esto simplifica los procesos de instalación y reduce los errores de configuración manual.

Evaluación de la calidad y análisis

Los agentes pueden ayudar a los ingenieros de calidad de las siguientes maneras:

  • Revisión de los registros de defectos
  • Clasificación de problemas en función de patrones
  • Plantear hipótesis sobre las causas fundamentales
  • Elaboración de tareas de contención o seguimiento

Todas las acciones siguen siendo auditables, y el flujo de trabajo incluye una revisión manual.

App- Asistencia en la creación y redacción

Mediante MCP, los agentes pueden leer las exportaciones de las aplicaciones y:

  • Proponer mejoras estructurales o lógicas
  • Identificar la documentación que falta
  • Generar artefactos de validación
  • Resúmenes de los borradores de modificación

Esto acelera el desarrollo de soluciones sin dejar de cumplir con los estándares de gobernanza y calidad.

Cómo MCP hace posible la IA agentiva en las operaciones

El MCP es la capa de conexión que faltaba y que permite a la IA agentiva pasar del análisis a la ejecución controlada en la planta de producción. Sin el MCP, los sistemas de IA siguen teniendo una función meramente consultiva: son capaces de describir problemas, pero no pueden participar de forma segura en los flujos de trabajo. Con el MCP, los agentes obtienen la estructura y los límites necesarios para llevar a cabo acciones significativas y reguladas.

Objetivos discretos y acotados para los agentes

La IA agentiva en el sector manufacturero debe funcionar con objetivos concretos y bien definidos. MCP proporciona el esquema necesario para delimitar dichos objetivos, garantizando que los agentes:

  • Conocer qué acciones están disponibles
  • Averigua a qué datos pueden acceder
  • Respeta los límites operativos estrictos

De este modo, la autonomía se mantiene previsible y en consonancia con las necesidades de producción.

Cadenas de herramientas seguras para una actuación controlada

MCP transforma la intención de la IA en invocaciones de herramientas seguras y estructuradas. Cada acción sigue estos pasos:

  • Una definición de herramienta validada
  • Una invocación con comprobación de permisos
  • Una entrada de registro que permite el seguimiento
  • Una estructura de salida predecible

Esto permite a los fabricantes tratar las acciones de los agentes con el mismo rigor que los flujos de trabajo automatizados y los pasos iniciados por personas.

Estructura de apoyo para HITL y trazabilidad

La autonomía en la fabricación requiere que las personas sigan asumiendo su responsabilidad. MCP proporciona la estructura necesaria para:

  • Autorizaciones de HITL para pasos de alto riesgo
  • Supervisión del HOTL para acciones de menor riesgo
  • Trazabilidad completa para auditorías e investigaciones de desviaciones
  • Escalada controlada cuando el grado de incertidumbre es elevado

Potencial futuro de los sistemas multiagente

A medida que maduran los modelos de gobernanza, MCP sienta las bases para que los agentes se coordinen en ámbitos como el mantenimiento, la calidad y la planificación de la producción.

No se trata de una autonomía total, sino de una asistencia coordinada y limitada que se basa en una capa de contexto compartida y validada.

MCP reduce la brecha entre el conocimiento y la acción al ofrecer a los agentes una forma segura y fiable de respaldar el trabajo operativo real.

Consideraciones sobre la implementación

MCP ofrece potentes funcionalidades, pero también requiere una implementación bien planificada para garantizar que los agentes funcionen de forma segura y coherente en todos los entornos de fabricación.

Modelos de permisos

La creación de MCP debe respetar las mismas estructuras de permisos que se aplican a los usuarios humanos. Entre los aspectos clave a tener en cuenta se incluyen:

  • Intersección de permisos a nivel de usuario: los agentes solo pueden actuar dentro de los límites del rol del usuario que los invoca.
  • Acceso a herramientas con restricciones: las acciones sensibles —como modificar registros o activar flujos de trabajo— deben limitarse a las herramientas autorizadas.
  • Segmentación por activo o línea: el acceso debe reflejar los límites físicos de la producción.

Estos modelos evitan la escalada de privilegios y garantizan la rendición de cuentas.

Validación y auditabilidad

Los fabricantes deben poder verificar que las acciones impulsadas por el MCP se comporten de manera coherente a lo largo del tiempo.

  • Las herramientas deben tener definiciones con control de versiones.
  • Los esquemas de parámetros deben validarse antes de su ejecución.
  • Todas las acciones de los agentes deben generar registros aptos para auditorías.
  • Se deben aplicar los controles de seguridad HITL en las acciones de alto riesgo.

Esto permite a MCP superar el escrutinio de los procesos regulados y los sistemas de calidad.

Límites operativos

Los agentes deben actuar dentro de unos límites claros. La elaboración del MCP debe definir:

  • Acciones no destructivas permitidas sin necesidad de revisión
  • Normas de escalado para operaciones inciertas o de varios pasos
  • Restricciones a nivel de herramienta que impiden combinaciones peligrosas de acciones
  • Soluciones alternativas cuando los agentes se enfrentan a situaciones imprevistas

Estos límites generan un comportamiento predecible y seguro, y refuerzan la confianza en la automatización basada en MCP.

Utiliza una IA centrada en las personas para mejorar la producción con una plataforma de operaciones conectada

Descubre cómo los fabricantes utilizan « Tulip » para recopilar datos en tiempo real de la planta de producción, estandarizar los flujos de trabajo y sentar las bases operativas que necesitan los sistemas de IA para mejorar la calidad, el rendimiento y la toma de decisiones.

Realiza una visita virtual e interactiva al producto
Ilustración de «Un día en la vida»