Construimos Model Context Protocol servers a medida para que tu equipo consulte SU Holded, SU CRM, SU base de datos, SUS docs desde Claude Desktop, Cursor o Zed — sin SaaS opacos, sin caja negra, en tu infra. Mercado nuevísimo, ventana abierta.
MCP con 5-10 tools/resources + despliegue local + docs. Stack más complejo: presupuesto custom.
Discovery → build → despliegue → formación. Plazos cerrados, no abiertos.
@modelcontextprotocol/sdk + TypeScript. Sin frameworks raros, sin lock-in.
No son hipótesis — son patrones que ya tenemos validados. Si tu caso encaja, lo entregamos en 4 semanas. Si es algo más raro, lo evaluamos en discovery.
Tu equipo deja de tener que entrar a Holded para consultas básicas. Pregunta en Claude Desktop: 'cliente que más facturó este mes', 'pendiente de cobro de empresa X', 'gastos categoría marketing últimos 90 días'. El MCP server consulta Holded API en tiempo real y responde con datos reales — no resumen, no aproximación. Y se mantiene con tu plan de Holded sin cuotas adicionales.
Notion, Drive, Confluence, GitBook, repos de Markdown. El MCP server indexa el contenido y lo expone como resources. Claude Desktop o Cursor pueden consultar 'qué dice el manual de onboarding sobre el proceso X' y responde con citas exactas al documento fuente — no alucinaciones, no aproximaciones.
Postgres, MySQL, BigQuery, Snowflake. El MCP server expone queries pre-aprobadas como tools (con guardrails: solo SELECT, max LIMIT, sin DROP/UPDATE/DELETE). Tu equipo de producto puede preguntar 'cuántos usuarios activos esta semana' sin pelearse con SQL ni esperar a que data team responda.
HubSpot, Pipedrive, Salesforce, Zendesk, Intercom. Comercial pregunta a Claude 'qué deals tengo cerrando este mes' y obtiene la lista real. Soporte pregunta 'tickets de cliente X últimos 30 días' y los ve. Sin abrir el SaaS, sin formación específica de cada herramienta.
Ese sistema interno que solo conoce tu CTO, esa API legacy del equipo de operaciones, ese script de Python que clasifica facturas. Lo envolvemos en un MCP server con interfaz limpia y tu equipo lo usa desde Claude Desktop como si fuera nativo. Especialmente útil cuando el equipo crece y la documentación va por detrás.
Sin frameworks propietarios. Sin caja negra. El código resultante es estándar y cualquier dev decente lo entiende sin llamarnos llorando.
Usamos @modelcontextprotocol/sdk de Anthropic — el SDK oficial, no implementaciones a medio hacer. Soporta stdio transport (local, para Claude Desktop / Cursor) y SSE/HTTP transport (remoto, para acceso desde infraestructura distribuida).
Cada cosa en su sitio. Acciones que ejecutan algo → tools. Datos consultables → resources. Plantillas de prompt parametrizadas → prompts. Mal modelado = el cliente LLM no sabe cuándo usar qué. Bien modelado = experiencia natural para el usuario final.
Validación de inputs antes de tocar tu API. Rate limiting. Whitelist de operaciones (no es lo mismo lectura que escritura). Audit log completo de cada llamada (quién, qué, cuándo). Tus datos NO pasan por servidores nuestros — el MCP corre en TU infra o en la del cliente final.
Local (stdio, distribución por npm/binary) o remoto (SSE en TU infra: Docker, VPS, AWS, GCP). Versionado en GitHub. Documentación de instalación para usuarios no técnicos. Mantenimiento opcional por cuota mensual cuando cambien tus APIs subyacentes.
Claude Desktop (Mac/Windows), Cursor (todos los OS), Zed, Continue, y los siguientes que vayan apareciendo. La spec es estándar — un MCP bien hecho funciona con cualquier cliente que la implemente.
Si tu organización lo permite, publicamos el MCP como repo open source con tu marca. Te da visibilidad técnica y atrae talento. También podemos hacerlo privado en GitHub si manejas datos sensibles. Tu elección.
Definimos qué exponer: qué tools (acciones), qué resources (datos), qué prompts (plantillas). Mapeamos endpoints de tus sistemas. Identificamos guardrails de seguridad necesarios. Salimos con spec firmada antes de tocar código.
Implementación con MCP SDK oficial de Anthropic. Tests unitarios sobre cada tool. Tests de integración contra sandbox de tus APIs reales. Documentación de uso para usuarios finales (cómo configurar Claude Desktop, qué pueden preguntar).
Distribución del MCP a los equipos (local vía npm/binary, o remoto en tu infra). Sesión de 90 min con los usuarios finales: cómo invocarlo, ejemplos de preguntas útiles, límites del sistema. Documentación interna entregable.
Model Context Protocol es un estándar abierto que publicó Anthropic en 2024 para que asistentes LLM (Claude Desktop, Cursor, etc.) puedan conectar a herramientas y datos externos de forma uniforme. Antes de MCP, cada integración era custom y cada cliente la implementaba a su manera. Con MCP, una integración bien hecha funciona en cualquier cliente compatible. Te importa porque significa que puedes construir UNA vez la conexión a tu Holded (o tu CRM, o tus docs) y todo tu equipo la usa desde su herramienta preferida — Claude Desktop hoy, Cursor mañana, los siguientes asistentes pasado.
Distintos niveles. Un chatbot/agent es una APLICACIÓN — atiende mensajes, hace cosas, responde. Un MCP server es INFRAESTRUCTURA — expone capacidades de tus sistemas que cualquier asistente LLM puede usar. Los chatbots a menudo NECESITAN MCPs por debajo para acceder a datos reales (sin un MCP, el chatbot inventa o pide al usuario que copie/pegue). En la práctica, MCP es la capa correcta para integrar LLMs con TU stack. Si ya tienes un chatbot, construir MCPs por debajo lo hace muchísimo más útil.
El alcance estándar cubre un MCP server con 5-10 tools/resources, despliegue local (stdio para Claude Desktop / Cursor) y documentación. Si necesitas despliegue remoto en infra (SSE en VPS/AWS/GCP), o conexión a múltiples sistemas que requieren orquestación compleja, presupuestamos a medida. Mantenimiento mensual opcional cuando cambien tus APIs subyacentes — coste según volumen de cambio esperado. Cifra concreta tras 30 min de discovery según tu caso.
MCP es de Anthropic pero la spec es abierta. A día de hoy (mediados de 2026) los clientes que la soportan nativamente son los del ecosistema Anthropic + herramientas dev (Claude Desktop, Cursor, Zed, Continue, Goose). ChatGPT y Gemini tienen sus propios sistemas de plugins/tools que NO son MCP. Si necesitas el mismo backend funcionando en múltiples LLMs, podemos diseñar la lógica core y exponerla como MCP server + adapters específicos para otros sistemas (ticket más alto, evaluamos caso a caso).
No por defecto. El MCP server corre en TU infra (o en local en máquinas del equipo en modo stdio). Cuando el usuario consulta desde Claude Desktop, el flujo es: cliente local → MCP local → tu API → MCP local → cliente local → API de Claude para procesar la respuesta. Tus datos van a Anthropic SOLO si el cliente LLM los incluye en el prompt para razonar — pero NO se almacenan en Anthropic para entrenamiento (consumer API tiene esa política). Para casos muy sensibles (sanitario, jurídico, financiero), evaluamos despliegue con LLM on-premise (Llama 3 / Qwen / etc.) en lugar de Claude — el MCP server es el mismo, solo cambia el cliente.
MCP es spec abierta, no producto cerrado. Aunque Anthropic dejara de empujarla mañana, el código que escribimos es TypeScript estándar con SDK open source. Si el estándar evoluciona (versión 2.0 con cambios), el coste de actualizar es proporcional al cambio. Pero MCP en su forma actual ya tiene momentum real: lo soportan Cursor, Zed, Continue, Goose, y crece — no veo escenario realista donde desaparezca a 18 meses vista. A 5 años, evaluable.
Depende de cómo se acceda. Si tu sistema es web (interfaz HTML) podemos scrapear pero es frágil — no lo recomendamos para producción. Si es app desktop legacy sin nada expuesto, ahí necesitas primero construir una capa de API (proyecto aparte). Si lo que tienes es base de datos directa, ahí sí — un MCP server contra Postgres/MySQL es perfectamente viable y muy útil.
30 minutos de discovery. Te decimos si tu caso encaja en uno de los 5 patrones o si es custom, qué cuesta y qué tarda.
