¿Qué significa MCP en inteligencia artificial?

MCP significa Model Context Protocol. Es un estándar abierto para conectar aplicaciones de IA, como un asistente de chat o de programación, con sistemas externos: archivos, bases de datos, servicios o programas como Blender. Define cómo el asistente descubre qué herramientas hay disponibles y cómo las usa, sin integraciones a la medida para cada caso.

¿Quién creó el Model Context Protocol?

MCP se creó en Anthropic, la empresa detrás de Claude, y se anunció como estándar abierto el 25 de noviembre de 2024. El 9 de diciembre de 2025 Anthropic lo donó a la Agentic AI Foundation, un fondo dirigido de la Linux Foundation cofundado con Block y OpenAI. Según la documentación oficial, hoy lo soportan Claude, ChatGPT, Visual Studio Code y Cursor, entre otros.

¿Qué es un servidor MCP?

Es un programa que expone capacidades a un asistente de IA siguiendo el protocolo. Puede ofrecer herramientas (acciones que el asistente ejecuta), recursos (datos que puede leer) y prompts (plantillas). Puede correr en tu computadora, comunicándose por entrada y salida estándar, o en un servidor remoto por HTTP.

¿Se puede controlar Blender con IA usando MCP?

Sí. Existen servidores MCP de la comunidad que conectan un asistente con Blender mediante un complemento que recibe comandos dentro del programa. No son oficiales de la Blender Foundation y algunos permiten ejecutar código Python arbitrario, así que conviene guardar tu trabajo, usarlos solo en tu equipo y revisar lo que hacen.

El protocolo no hace segura a una herramienta por sí solo: un servidor MCP puede leer archivos o ejecutar acciones con los permisos que le des. Instala solo servidores de fuentes confiables, limita sus permisos, mantén los locales en tu propia máquina y revisa las acciones antes de aprobarlas. La documentación oficial tiene una guía de buenas prácticas de seguridad.

Qué es MCP (Model Context Protocol) y cómo usarlo con Blender

MCP (Model Context Protocol) es un estándar abierto para conectar asistentes de IA con las herramientas y los datos que usas. Esos sistemas pueden ser tus archivos, una base de datos, un servicio web o un programa como Blender. En vez de hacer una integración distinta para cada combinación de asistente y herramienta, la herramienta se expone una vez como "servidor MCP" y cualquier asistente compatible puede usarla. Para quien crea juegos, eso significa que un asistente puede dejar de solo sugerir y empezar a operar herramientas, siempre con los permisos que tú le des.

En ERCMart trabajamos con asistentes de IA a diario, así que te explicamos MCP con los pies en la tierra: qué es, qué permite, qué riesgos tiene y cómo encaja en un estudio pequeño.

Qué es MCP, explicado sin jerga

La documentación oficial de MCP lo compara con un puerto USB-C para aplicaciones de IA. La analogía funciona: antes del USB-C cada aparato tenía su cable; con un conector común, cualquier dispositivo compatible se conecta a cualquier otro. MCP hace lo mismo entre asistentes de IA y sistemas externos.

Sin MCP, si querías que un asistente consultara tu gestor de tareas, alguien tenía que programar esa integración específica para ese asistente. Si cambiabas de asistente, volvías a empezar. Con MCP, el gestor de tareas publica un servidor MCP una vez, y Claude, ChatGPT, un editor como Visual Studio Code o Cursor, o cualquier otro cliente compatible, puede usarlo. La propia documentación menciona esos clientes como ejemplos de soporte.

Algunos ejemplos que la documentación oficial da de lo que MCP permite: un agente que consulta tu calendario y tus notas, un asistente de programación que genera una app web a partir de un diseño en Figma, o un modelo que crea diseños 3D en Blender y los manda a imprimir.

Quién creó MCP y cómo ha cambiado

Origen. MCP se creó en Anthropic y se anunció como estándar abierto el 25 de noviembre de 2024, junto con su especificación, SDKs y servidores de ejemplo para servicios como Google Drive, Slack, GitHub, Git y Postgres. El anuncio atribuye su creación a David Soria Parra y Justin Spahr-Summers.
Gobierno abierto. El 9 de diciembre de 2025, Anthropic donó MCP a la Agentic AI Foundation, un fondo dentro de la Linux Foundation cofundado con Block y OpenAI.
Evolución. El protocolo tiene versiones con fecha; al 3 de noviembre de 2026, la especificación vigente que publica el sitio oficial es la 2026-07-28, que marcó como obsoletas funciones como sampling y logging. Si vas a programar un servidor, trabaja siempre con la documentación de la versión actual.

Cómo funciona MCP

No necesitas programar para entender la idea, pero conocer las piezas te ayuda a saber qué estás instalando.

Host, cliente y servidor

Según la arquitectura oficial, hay tres participantes:

Host: la aplicación de IA que usas, por ejemplo un asistente de escritorio o un editor de código.
Cliente MCP: un componente dentro del host que mantiene la conexión con un servidor. El host crea un cliente por cada servidor al que se conecta.
Servidor MCP: el programa que ofrece capacidades. Puede ser local (corre en tu computadora) o remoto (corre en internet).

Lo que un servidor puede ofrecer

Un servidor MCP expone tres tipos de cosas, que el protocolo llama primitivas:

Primitiva	Qué es	Ejemplo en un estudio de juegos
Herramientas (tools)	Acciones que el asistente puede ejecutar	"Crear un cubo en la escena", "exportar el modelo a .glb"
Recursos (resources)	Datos que el asistente puede leer	La lista de objetos de la escena, un documento de diseño
Prompts	Plantillas para estructurar el trabajo	"Revisa este nivel con este checklist"

La aplicación primero pide al servidor la lista de herramientas (la petición tools/list), con su descripción y sus parámetros; el modelo las ve y decide cuándo llamarlas durante la conversación. Por debajo, los mensajes viajan en formato JSON-RPC 2.0.

Local o remoto

Local (stdio): el host lanza el servidor como un programa en tu máquina y se comunican por entrada y salida estándar. Es el caso típico para controlar programas de escritorio como Blender.
Remoto (Streamable HTTP): el servidor vive en internet y se conecta por HTTP; admite métodos de autenticación estándar y la documentación recomienda OAuth para obtener los tokens.

MCP en Blender: agentes que operan herramientas

Aquí es donde MCP se vuelve interesante para quien hace juegos. Blender se puede controlar con Python, así que un servidor MCP puede traducir lo que pide el asistente a acciones dentro de Blender.

Un ejemplo conocido es BlenderMCP, un proyecto de la comunidad. Su propio README aclara que no está afiliado a la Blender Foundation. Funciona en dos partes: un complemento dentro de Blender que abre un socket y ejecuta comandos, y un servidor MCP que recibe las peticiones del asistente y las reenvía al complemento. Entre sus herramientas hay una para inspeccionar la escena, otra para ver renders desde varios ángulos, importación de assets de bibliotecas como Poly Haven o Sketchfab, y una para ejecutar código Python dentro de Blender.

Eso último es poderoso y delicado. El mismo README advierte que ejecutar código arbitrario es potencialmente peligroso, recomienda guardar tu trabajo antes, y aclara que el socket no tiene autenticación ni cifrado: cualquiera que alcance ese puerto puede ejecutar Python en tu Blender. Por eso aconseja dejarlo en localhost salvo en una red de confianza, y ofrece un modo seguro, desactivado por defecto, que revisa los scripts y bloquea el código riesgoso antes de ejecutarlo. Si lo pruebas, actívalo.

Qué le puedes pedir a un agente con Blender conectado

Con un servidor así, las tareas razonables son las repetitivas y verificables:

Preparar una escena base: luces, cámara, piso, escala correcta.
Renombrar objetos, materiales y huesos según una convención.
Revisar la escena y listar problemas: transformaciones sin aplicar, mallas con demasiados polígonos, materiales duplicados.
Exportar a .glb con la configuración del proyecto.

Lo que no conviene delegar sin supervisión es el juicio artístico. Un agente puede reducir polígonos; decidir si el personaje sigue viéndose bien es tu trabajo. Si quieres entender el lugar de Blender en el flujo completo, lee Blender vs Unreal.

Cómo usar un servidor MCP, paso a paso

Si quieres probarlo, este es el orden que recomendamos:

Elige un host compatible. Un asistente de escritorio o un editor de código con soporte para MCP. Revisa en su documentación dónde se configuran los servidores.
Empieza con un solo servidor local y de una fuente que puedas revisar, idealmente de código abierto. El sitio oficial mantiene servidores de referencia que sirven para aprender.
Configúralo. En la mayoría de los hosts se agrega una entrada con el nombre del servidor y el comando que lo lanza. El host lo ejecuta y descubre sus herramientas.
Limita permisos. Si el servidor accede a archivos, dale solo la carpeta del proyecto. Nunca le des acceso a carpetas con contraseñas o llaves.
Aprueba acciones al principio. Si tu host puede pedir confirmación antes de cada llamada a una herramienta, actívala y úsala hasta que confíes en el flujo.
Trabaja sobre copias. Guarda versiones de tus archivos antes de dejar que un agente los modifique.
Lee la guía de seguridad. La documentación oficial tiene una sección de buenas prácticas de seguridad; está escrita para quien programa clientes y servidores, pero su apartado sobre servidores locales vale la pena antes de instalar uno.

En ERCMart lo hicimos así

Seamos claros: hoy no usamos un servidor MCP para Blender. Programamos con asistencia de Codex y Claude, y cuando el asistente tiene que operar Blender lo hace por otro camino que también vale la pena conocer: scripts de Python y Blender en modo sin ventana.

Así funciona el flujo del modelo 3D de Fer, la cara de ERCMart:

La base editable es un archivo .blend con su rig de 53 huesos.
Un script lanza Blender en línea de comandos, sin interfaz, con un archivo Python que exporta la base. Otros scripts reajustan la ropa a la nueva forma, reducen polígonos de las prendas y empaquetan el resultado en un .glb listo para la web.
El resultado se revisa en una página de control de calidad antes de publicarse.

Datos de ERCMart (medidos en el repositorio al 3 de noviembre de 2026):

El rig de Fer tiene 53 huesos.
El Coliseo de ERCMart Survival, con su arena, sus criaturas y sus reglas, son tres archivos que suman 27 KB.

¿Por qué así y no con MCP? Porque para un proceso que se repite igual cada vez, un script tiene ventajas: queda guardado en el repositorio, se puede leer, se puede volver a correr meses después y da el mismo resultado. El asistente escribe y corrige el script; el script hace el trabajo. MCP brilla en otro tipo de tarea: la exploratoria, cuando no sabes qué hay en la escena y quieres que el agente la inspeccione, pruebe, mire un render y ajuste en una conversación. Los dos enfoques conviven bien: explorar con MCP y, cuando un proceso ya funciona, congelarlo en un script.

La misma lógica aplica al juego. ERCMart Survival se programa con asistencia de IA sobre un motor compartido, y lo que hace que eso funcione no es el protocolo sino la estructura: el motor ya resuelve lo común y cada escenario nuevo es una pieza pequeña encima. El Coliseo completo, con su arena, sus criaturas y sus reglas, son tres archivos que suman 27 KB. Lo contamos en cómo hacer un videojuego.

Riesgos y límites de MCP

MCP no hace al modelo más listo. Le da acceso a herramientas; la calidad del resultado sigue dependiendo del modelo, de tus instrucciones y de tu revisión.
Cada herramienta conectada es un permiso. Más servidores significan más superficie de riesgo. Conecta solo lo que usas.
Los servidores de la comunidad varían mucho. Algunos están muy cuidados y otros son experimentos. Lee el código o, al menos, el README y los issues antes de instalar.
El estándar sigue cambiando. Lo que hoy es una función recomendada puede quedar obsoleta en la siguiente versión. Fíjate en la versión de la especificación que soporta cada servidor.

Siguiente paso

Si quieres ver qué sale de un estudio que trabaja con asistentes de IA, juega ERCMart Survival. Si tu interés es el arte 3D, sigue con crear assets 3D con IA, donde contamos qué se puede generar y qué todavía hay que hacer a mano. Y si lo que buscas es encargar un juego o una experiencia, en Piloko explicamos cómo trabajamos el desarrollo de videojuegos con IA.

En el universo de ERCMart, la corporación conectó todo con todo y nadie leyó los permisos. Tú sí léelos.