En el mundo actual de los modelos de lenguaje grandes (LLMs), MCP (Model Context Protocol) ha emergido como un tema candente, aunque pocos son los que realmente lo definen.
Resumen rápido: Es un estándar abierto para conectar LLMs con datos y herramientas.
El problema del contexto para los LLMs
Los LLMs frecuentemente enfrentan dificultades al solicitar información que se encuentra fuera de sus datos de entrenamiento. En estas situaciones, pueden “alucinar” y proporcionar respuestas incorrectas o simplemente decir, “no lo sé”.
Proveer el contexto adecuado al interactuar con ellos, ya sea utilizando tu código, datos de repositorios o tu documentación, es esencial para que los agentes de IA basados en LLMs sean útiles.
Normalmente, se requiere un refinamiento significativo en la formulación de las preguntas para aportar el contexto necesario o bien, emplear alguna herramienta externa. Por ejemplo, GitHub Copilot posee herramientas como @workspace que ofrecen información relevante desde tu código. Este tipo de “herramientas adicionales” es interesante, pero puede volverse bastante complejo conforme se implementan en diferentes APIs y servicios.
Una solución: el Model Context Protocol, o MCP
En noviembre, Anthropic publicó en código abierto el Model Context Protocol como un estándar para conectar LLMs y asistentes de IA con datos y herramientas.
El MCP ha evolucionado gradualmente a medida que más herramientas y organizaciones han adoptado este estándar, tornándose cada vez más valioso. Al ser agnóstico a modelos, cualquier persona puede usar y crear integraciones de MCP. Tal como en los estándares abiertos, “una marea creciente levanta todos los barcos”: en la medida que más usuarios lo adopten, más eficaz se vuelve.
Las razones por las que MCP ha cautivado a desarrolladores de IA y a diversas herramientas residen en su apertura y en su adaptación a un enfoque “primerizo en IA” de ideas preexistentes.
Esta no es la primera vez que un protocolo de este tipo se convierte en un estándar. En 2016, Microsoft lanzó el Language Server Protocol (LSP), que proporcionó estándares para que los editores de código admitieran lenguajes de programación. Hoy en día, gracias al LSP, el soporte de lenguajes de programación entre los editores es mejor que nunca, lo que permite a los desarrolladores no preocuparnos más por ello.
MCP se inspira en gran medida en el LSP y tiene el potencial de transformar las herramientas de IA. Permite que todos, desde grandes tecnológicas hasta pequeñas empresas, habiliten soluciones robustas de IA en cualquier cliente de IA con mínima configuración.
GitHub y MCP
GitHub no solo está hablando de MCP: también estamos contribuyendo.
Recientemente, lanzamos nuestro nuevo GitHub MCP Server de código abierto. Este servidor proporciona integración fluida con las APIs de GitHub, lo que permite capacidades avanzadas de automatización e integración para desarrolladores.
Puedes interactuar más con nosotros sobre este tema en la Comunidad de GitHub o revisar el anuncio oficial.
¿Cómo contribuir y aprender más?
Si estás interesado, aquí te dejo algunos recursos que te pueden ayudar a iniciarte:
, MCP (Model Context Protocol) ha emergido como un tema candente, aunque pocos son los que realmente lo definen.){kind=link}