MCP es un estándar de conexión para aplicaciones de LLM: escriba un servidor de herramientas una vez, y cualquier cliente compatible con MCP podrá usarlo.
Cómo funciona
La especificación describe tres roles que se comunican con mensajes JSON-RPC 2.0:
- Hosts: “LLM applications that initiate connections” (traducción: aplicaciones de LLM que inician las conexiones), como un agente en un IDE o una aplicación de chat.
- Clientes: “Connectors within the host application” (traducción: conectores dentro de la aplicación host), uno por servidor.
- Servidores: “Services that provide context and capabilities.” (traducción: servicios que proporcionan contexto y capacidades.)
Los servidores pueden ofrecer herramientas (funciones que el modelo puede ejecutar), recursos (datos y contexto) y prompts (plantillas de mensajes). La especificación define dos transportes estándar: stdio para un subproceso local, y Streamable HTTP, donde cada mensaje es un HTTP POST y las respuestas vuelven como JSON o como un flujo de server-sent events.
Para las herramientas, el cliente envía tools/list y recibe nombres, descripciones y un inputSchema en JSON Schema. Se los pasa al modelo como definiciones de herramientas. Cuando el modelo devuelve una llamada a herramienta, el cliente envía tools/call con los argumentos y le devuelve el resultado al modelo.
{"jsonrpc": "2.0", "id": 2, "method": "tools/call",
"params": {"name": "get_weather", "arguments": {"location": "New York"}}}
El modelo nunca habla con el servidor MCP. Solo ve las definiciones de herramientas y los resultados, y por eso MCP funciona con cualquier modelo que maneje bien las llamadas a herramientas.
Por qué importa
- Reutilización. Un solo servidor de GitHub o de base de datos sirve a todo agente y editor que hable MCP.
- Costo en tokens. El nombre, la descripción y el esquema de cada herramienta listada se envían como entrada en cada turno. Muchos servidores con muchas herramientas alargan cada solicitud. Active solo lo que la tarea necesite.
- Seguridad. La especificación dice que las herramientas “represent arbitrary code execution” (traducción: representan ejecución de código arbitrario) y que los hosts deben obtener el consentimiento del usuario antes de invocar cualquier herramienta. Los resultados de las herramientas también son una vía para la inyección de prompts.
En BroadNet Inference
La documentación de BroadNet no incluye un servidor MCP ni un endpoint específico para MCP. Usted ejecuta MCP en su cliente (Cline, Continue, opencode y otros) y apunta el modelo del cliente a la API compatible con OpenAI de BroadNet. La documentación de BroadNet indica llamadas a herramientas para GLM 5.3 y Qwen3.8 27B. El artículo MCP con modelos compatibles con OpenAI muestra configuraciones de clientes y un puente en Python.