MCP (Model Context Protocol)

Antes, cada aplicación que quería dar a un modelo acceso a una agenda, una base de datos o un repositorio de código escribía su propio conector. MCP reparte el trabajo en dos. Un servidor envuelve una capacidad, como un sistema de archivos o un gestor de tickets, y describe lo que ofrece. Un cliente dentro de la aplicación de IA descubre esa descripción y se la pasa al modelo, que ya puede usarlas. Los servidores pueden ofrecer herramientas que ejecutan acciones, recursos que aportan datos para leer y prompts que agrupan instrucciones ya preparadas. Los típicos conectan un calendario, una aplicación de notas, un gestor de errores, una hoja de cálculo, una base de datos, un buzón de correo, un repositorio de código o un navegador web, todos con la misma interfaz previsible. Los recursos pueden ser archivos, filas de tablas, capturas o registros; los prompts, plantillas como una lista de revisión de código o un resumen de reunión. Piensa en un cajón de cargadores incompatibles sustituido por una toma universal.

Los servidores corren en tu equipo, hablando con la aplicación por entrada y salida estándar, o en remoto por HTTP. Es una capa distinta de la llamada a herramientas. Con la llamada a herramientas, un modelo pide una función dentro de una solicitud; con MCP, la aplicación encuentra y alcanza de entrada muchas de esas funciones. La aplicación suele traducir las herramientas MCP descubiertas a definiciones ordinarias para el modelo: ambas se complementan, y el modelo nunca se conecta directamente a un servidor. Los servidores remotos plantean además la autenticación: averigua cómo comprueba un servidor quién lo llama y dónde acaban tus credenciales. Un ayudante local sirve para la primera opción; un servicio compartido de equipo, para la segunda.

Esa comodidad trae riesgos que merecen atención. Un servidor puede leer y modificar todo lo que le permitas, y uno malicioso o descuidado puede filtrar datos o lanzar acciones dañinas. Las descripciones y resultados de un servidor son texto que el modelo leerá, así que pueden ocultar instrucciones pensadas para dirigirlo. Instala servidores de fuentes de confianza, concede los permisos más estrechos, revisa qué hace cada herramienta y prefiere avisos de aprobación para todo lo que escriba, envíe o borre. Lee la lista de herramientas que anuncia un servidor antes de activarlo, como los permisos de una app. La trampa más conocida es la inyección de prompts: un resultado envenenado pide al modelo filtrar un archivo.

Hoy, para ser exactos: en las Misiones, NeverNo puede conectarse a un servidor MCP remoto que añades tú (su dirección y un token opcional), mientras que la API no aloja servidores MCP ni se conecta a ellos por sí misma. Ofrece la llamada a funciones en las completaciones de chat, donde tu código define y ejecuta las herramientas, además de un punto de acceso Messages compatible con Anthropic. Los modelos cuyo capabilities.tools es true en la lista /models aceptan herramientas.

Una herramienta propia que hable MCP puede aun así usar NeverNo como modelo si apunta su dirección base a https://neverno.ai/api/v1, ya que los puntos de acceso siguen los formatos de OpenAI y de Anthropic. Las conexiones MCP viven entonces en esa herramienta, no en NeverNo. DeepSeek V4 Flash, un modelo privado y gratuito con una ventana de contexto de 128 000 tokens, es uno de los de la lista.