MCPs
Los MCPs, o Model Context Protocols, son protocolos diseñados para gestionar y proporcionar información contextual a modelos de inteligencia artificial, lo que permite a estos sistemas comprender mejor el entorno en el que operan y adaptar sus respuestas a situaciones específicas. Su uso principal se encuentra en la personalización de interacciones, la mejora de la precisión de las respuestas y la optimización de procesos automatizados, ya que facilitan que los modelos trabajen con datos relevantes en tiempo real. Entre sus ventajas destacan la flexibilidad para integrarse en diferentes arquitecturas, la capacidad de ofrecer soluciones más personalizadas y eficientes, y la posibilidad de mejorar continuamente el desempeño del sistema mediante el aprovechamiento del contexto disponible.
A continuación, se explicará cómo desarrollar de manera sencilla y eficiente la creación de un MCP, el cual respaldará a un modelo de lenguaje para proporcionar respuestas más precisas y acertadas. Además, se analizará cómo estos sistemas pueden contribuir a la optimización de diversos procesos laborales, incrementando la rapidez y eficiencia en su ejecución.
Como se busca la forma más fácil de desarrollar un MCP vamos a usar la siguiente lista de herramientas:
- Visual Studio 2026 (Con la carga de trabajo de Desarrollo de escritorio de .Net)
- Visual Studio Code o cualquier sistema de IA que admita MCPs
Vamos a comenzar descargando Visual Studio, este se puede descargar desde la liga siguiente:
“https://visualstudio.microsoft.com“
Una vez tenemos descargado el programa, instalamos y al momento de seleccionar las cargas únicamente requeriremos “Desarrollo de escritorio de .Net”.
Ahora una vez que tenemos instalado visual con la carga de trabajo requerida vamos a crear un nuevo proyecto, para ello vamos a abrir el programa y vamos a hacer clic en “Crear un proyecto”
En la página siguiente vamos a seleccionar “Aplicación de consola” y hacer clic en “Siguiente”.
En la página siguiente vamos a definir la ruta donde guardar el proyecto y vamos a definir un nombre al proyecto.
En la página siguiente vamos a configurar la versión del framework a utilizar, en este caso vamos a dejar seleccionada la que tengamos (de .Net 8 hacia arriba) y simplemente vamos a hacer clic en “Crear”.
Ahora instalamos los siguientes paquetes Nuget: “Microsoft.Extensions.Hosting” y “ModelContextProtocol”.
Ahora vamos a reemplazar el código de “Program.cs” por el siguiente.
using Microsoft.Extensions.DependencyInjection;
using Microsoft.Extensions.Hosting;
using Microsoft.Extensions.Logging;
var builder = Host.CreateApplicationBuilder(args);
builder.Logging.AddConsole(data => data.LogToStandardErrorThreshold = LogLevel.Trace);
builder.Services
.AddMcpServer()
.WithStdioServerTransport()
.WithToolsFromAssembly();
await builder.Build().RunAsync();
Con esto ya tenemos lista la configuración de un MCP para uso en local con cualquier plataforma de IA que admita MCPs.
A continuación, vamos a empezar a crear herramientas que pueda ejecutar el modelo de IA donde se valla a utilizar.
Para ello vamos a agregar el siguiente código seguido del código previamente agregado en “Program.cs”.
[McpServerToolType] // Atributo que indica que esta clase contiene herramientas del MCP
public static class MCPTools /// Nombre de la clase que contiene las herramientas del MCP
{
// Atributo que define una herramienta del MCP
[McpServerTool, Description("Texto descriptivo de lo que hace la herramienta")]
// Nombre del método que implementa la herramienta
public static void Accion()
{
// Código de lo que tiene que hacer el MCP
}
}
Ahora vamos a modificar el nombre del método, la descripción y el código interno para definir qué es lo que queremos que realice la herramienta.
En este caso realizaremos una herramienta que recupere mis elementos de trabajo de DevOps, el código se lo pediremos a Copilot y el resultado se muestra a continuación.
Al ser código generado con IA es recomendable revisarlo y solicitarle a otro modelo de IA verificar que no existan vulnerabilidades ni errores.
Al ser código generado por IA es posible hacer herramientas que hagan flujos complejos o que interactúen con apartados del sistema u otras plataformas como el correo o sistemas de mensajería como Teams.
A continuación, vamos a generar un proyecto de pruebas para verificar que nuestra herramienta funciona, para ello vamos a la solución, hacemos clic derecho en la solución y seleccionamos la opción de “Nuevo proyecto…”
Nos volverá a aparecer la ventana de selección de proyecto, volveremos a seleccionar “Aplicación de consola” y hacemos clic en “Siguiente”.
A continuación, vamos a asignar un nombre para el proyecto de pruebas.
Ahora seleccionamos la versión del framework y damos clic en “Crear”
Ahora vamos a instalar los siguientes Nuget para la creación de las pruebas:
- Microsoft.NET.Test.Sdk
- Nunit
- Nunit.Analyzers
- Nunit3TestAdapter
Ahora en el proyecto de pruebas vamos a hacer clic derecho y vamos a seleccionar la opción de “Agregar referencia del proyecto…”.
En la ventana que se abra vamos a seleccionar el proyecto principal del MCP y vamos a hacer clic en “Aceptar”.
Ahora en el fichero de “Program.cs” del proyecto de pruebas vamos a escribir el siguiente código como base para la creación de la prueba.
using NUnit.Framework;
[TestFixture] // Atributo que indica que esta clase contiene pruebas unitarias
public class Pruebas // Nombre de la clase que contiene las pruebas unitarias
{
// Atributo que define un método de prueba unitaria
[Test]
// Método de prueba unitaria
public async Task TestEjemplo()
{
///Código de la prueba
}
}
Ahora vamos a usar Copilot para la creación de la prueba.
Para ejecutar la prueba simplemente hay que hacer clic derecho al fichero de “Program.cs” y seleccionamos “Ejecutar pruebas” o “Depurar pruebas”.
En caso de que el código tenga errores le pediremos a Copilot que itere el código hasta que pase los test.
Puede requerir más de una iteración y solicitarle a la IA que mejore los test.
Una vez que la IA tenga lista la corrección ya tendremos lista la herramienta en el MCP y este mismo proseo se puede aplicar para realizar una herramienta que haga cualquier cosa.
Ahora vamos a configurar nuestra herramienta en Visual Code para poder usarlo a través de Copilot.
Para ello vamos a abrir o a crear una carpeta donde queramos trabajar con el MCP, dentro crearemos una carpeta con el nombre “.vscode” y dentro de esta crearemos un fichero con el nombre “mcp.json”.
Ahora vamos a configurar el MCP con el siguiente código en el fichero “mcp.json”.
{
"inputs": [],
"servers":
{
"MCPEjemplo":
{
"type": "stdio",
"command": "dotnet",
"args": [
"run",
"--project",
"Ruta de nuestro proyecto .csproj"
]
}
}
}Y una vez configurado en la parte superior del MCP nos aparecerá un botón de iniciar, le hacemos clic y listo tendremos nuestro MCP funcionando en Visual Code.
Para verificar el funcionamiento del MCP, podemos hacer clic en el botón de herramientas en el apartado de chat de Copilot en Visual Code y en la parte superior nos aparecerá una ventana con el MCP que creamos con la lista de herramientas que tiene disponibles.
Ahora simplemente vamos a asegurarnos de estar en modo agente, seleccionar un modelo y escribir un mensaje que solicite el uso de la herramienta.
A continuación, podemos ver un ejemplo del uso del MCP desde el modelo de lenguaje con Copilot.
Y listo, con esto ya sabemos cómo crear un MCP que nos permita dotar a modelos de IA con herramientas que nos faciliten el trabajo del día a día.
Este tipo de herramientas facilitan la integración de modelos de IA en nuestro flujo de trabajo y mejoran nuestra productividad diaria, así como simplificar nuestro trabajo diario.
