Model Context Protocol (MCP) se está convirtiendo rápidamente en uno de los pilares del ecosistema de la IA agéntica. Concebido como una forma estándar para que los agentes de IA interactúen con herramientas, API y sistemas externos, MCP promete una interoperabilidad segura y escalable.
Por eso es fácil entender por qué los principales desarrolladores de modelos y algunas de las empresas más grandes del mundo respaldan MCP como estándar para la interacción entre agentes. Sin embargo, pese a todas sus ventajas, puede que MCP esté resolviendo el problema equivocado en un nivel de abstracción inadecuado.
Al restringir estrictamente el comportamiento de los agentes mediante vías e interfaces rígidas, MCP prioriza la seguridad, pero a costa de la flexibilidad, la adaptabilidad y, paradójicamente, una supervisión eficaz. En otras palabras, se excede en materia de seguridad de formas que pueden limitar la utilidad de los agentes de IA, al tiempo que apenas contribuyen a abordar los riesgos reales en entornos dinámicos.
Lo que MCP hace bien
MCP supone un avance en la seguridad de la IA. Proporciona una forma estructurada y transparente para que los agentes de IA utilicen herramientas mediante APIs, con interfaces y permisos claramente definidos. Esto es importante en un mundo en el que cada vez se espera más que los agentes realicen acciones como activar flujos de trabajo, transferir dinero o escribir código.
Piense en ello como la versión a nivel de protocolo del acceso con privilegios mínimos: permita que los agentes realicen únicamente las operaciones que se les hayan concedido explícitamente.
Desde el punto de vista del diseño, es impecable. Desde la perspectiva del riesgo empresarial, resulta tranquilizador. Pero ¿desde el punto de vista de la seguridad en el mundo real? Es incompleto.
La disyuntiva: protocolos estáticos, agentes dinámicos
MCP funciona bien para tareas sencillas y deterministas. Sin embargo, a medida que los agentes adquieren más capacidades y autonomía, sus decisiones dependen cada vez más del contexto. Necesitan adaptarse sobre la marcha, combinar herramientas de formas novedosas y gestionar situaciones imprevistas sin supervisión humana.
En ese entorno, los esquemas de interfaz estáticos y las estructuras de permisos rígidas empiezan a dejar de funcionar. Reducen la superficie de ataque, pero también limitan la capacidad del agente para razonar en flujos de trabajo complejos. Al priorizar la seguridad, MCP puede reducir involuntariamente las capacidades operativas de los agentes y la capacidad de innovación de una empresa.
Y, lo que es más importante, esta rigidez oculta verdaderas brechas de seguridad. El hecho de que un agente cumpla con MCP no significa que se comporte de forma segura. Por ejemplo:
- Un agente con permisos de solo lectura podría aun así exfiltrar datos a través de canales indirectos
- Una llamada a una herramienta con un alcance limitado podría aun así encadenarse para dar lugar a una acción emergente de mayor envergadura con consecuencias imprevistas
- Que una solicitud esté bien formulada no significa que el agente que la realiza disponga del contexto o el criterio adecuados para hacerlo de forma segura
La seguridad de los agentes no se limita a lo que el agente tiene permitido hacer, sino que también tiene en cuenta lo que pretende hacer y cómo se comporta en cada contexto.
El verdadero riesgo no es solo el protocolo, sino lo que permite hacer.
MCP introduce una forma estandarizada y basada en permisos para que los agentes de IA actúen, pero eso no hace que dichas acciones sean intrínsecamente seguras. El protocolo puede imponer límites estrictos, pero no tiene en cuenta cómo interpretan los agentes el contexto, cómo encadenan herramientas ni cómo se comportan bajo presión.
En otras palabras, MCP protege la conexión, pero no las consecuencias. Y esa es la brecha que las empresas deben cerrar.
El riesgo real de la IA no depende de si un agente puede llamar a una API específica. Depende de lo que decide hacer a lo largo de miles de interacciones y de si sus sistemas pueden detectar y responder cuando ese comportamiento empieza a desviarse.
Piensa más allá de un marco
MCP representa un avance significativo en la protección de las interacciones entre agentes y herramientas. Pero también pone de manifiesto una realidad más amplia: a medida que los agentes adquieren más capacidades, las nociones tradicionales de seguridad a nivel de protocolo pueden no ser suficientes.
Los líderes empresariales deben ir más allá de los marcos de permisos. El comportamiento de los agentes, la deriva del contexto, el uso emergente de herramientas y las acciones encadenadas exigen nuevos enfoques de supervisión y control. Porque el verdadero riesgo no está en el protocolo de enlace, sino en lo que viene después.
Sobre el autor
James White es un ingeniero y líder empresarial de reconocido prestigio, con casi dos décadas de experiencia en el sector del software empresarial.
Más artículos de James WhiteArtículos relacionados del blog
El imperativo empresarial de la IA en un mundo de nube híbrida y multinube
Cómo la IA redefine los patrones de tráfico, el riesgo de las API y el cumplimiento normativo, y por qué el paquete Distributed Cloud Services Enterprise ofrece la profundidad necesaria en entornos híbridos multicloud.
STIG de F5 NGINX: un plan de seguridad para el sector público y los entornos regulados
Descubra cómo las STIG de F5 NGINX proporcionan un modelo de seguridad para el Departamento de Defensa de EE. UU. y los entornos regulados, ayudándole a cumplir la normativa mientras crea una infraestructura sólida de confianza cero con mayor visibilidad y resiliencia.
Cómo el marco AEGIS de Forrester valida un enfoque centrado en la inferencia
El auge de la IA agéntica está transformando el panorama de la seguridad empresarial. Estos agentes de IA autodirigidos funcionan de forma autónoma, toman decisiones en tiempo real y pueden interactuar entre distintos sistemas de maneras para las que las arquitecturas tradicionales de ciberseguridad no fueron diseñadas. Aunque esto abre nuevas posibilidades, también introduce riesgos sistémicos: fallos en cascada, secuestro de objetivos y superficies de ataque hasta ahora invisibles. El reciente […] de Forrester
La nueva superficie de riesgo de la IA: invisible, autónoma y ya está dentro
James White, vicepresidente de Ingeniería de F5 A mediados de 2025, es un buen momento para hacer balance de la adopción de la IA en las empresas y del estado de la seguridad de la IA. El uso de la IA generativa ya es habitual en las empresas En general, las empresas cuentan al menos con unos conocimientos básicos sobre la IA generativa. Entienden qué es y dónde puede […]
Protegiendo el futuro: cómo CalypsoAI se alinea con el Top 10 de OWASP para los LLM
Cuando OWASP publicó su Top 10 de 2025 para grandes modelos de lenguaje (LLM), proporcionó al sector un referente de seguridad muy necesario. Pero los referentes no sirven de nada si no se actúa. CalypsoAI aborda el 80 % del Top 10 de OWASP, dando prioridad a los riesgos reales más urgentes. La plataforma combina protección en tiempo real durante la ejecución y pruebas adversariales exhaustivas, ofreciendo una cobertura inigualable frente a las […]
Implementación de LLM en la empresa: mediante una API local
Por sí solos, sin medidas de protección ni protocolos adicionales de seguridad para la IA, el despliegue de modelos de IA generativa —en particular, modelos de lenguaje de gran tamaño (LLM)— en toda la empresa supone una oportunidad de alto riesgo y grandes beneficios para cualquier organización. Sin embargo, determinar exactamente cómo debe dar su organización este gran paso hacia el ámbito de la IA generativa requiere una planificación minuciosa. Quizá […]