Saltar al contenido
Revisión pendiente desde 29 jul 20263 fuentes primarias

MCP para herramientas locales

MCP es útil cuando el agente necesita contexto y herramientas reales, pero cada tool local es una puerta. Empieza por lectura, allowlists y trazas antes de exponer comandos o escritura.

Qué vas a conseguir ahora

Una decisión o prueba aplicada a «MCP para herramientas locales».

  1. 1Entiende el criterio
  2. 2Haz una práctica pequeña
  3. 3Guarda una evidencia
Evidencia

Una nota breve con qué hiciste, qué salió bien, qué falló y qué revisarías después.

Objetivos de aprendizaje
  • Diseñar tools pequeñas, auditables y con permisos mínimos.
  • Separar lectura, búsqueda, escritura y ejecución.
  • Crear un contrato claro para aprobar acciones peligrosas.
En cristiano: tool MCP. Es una función que un servidor MCP ofrece al agente: buscar archivos, consultar una base de datos, leer documentación o ejecutar una acción acotada.
Terminal
tools:
  search_notes:
    mode: read
    allowed_paths: ["./docs", "./notes"]
    max_results: 10

  read_file:
    mode: read
    allowed_extensions: [".md", ".txt", ".json"]
    max_bytes: 20000

  run_check:
    mode: execute
    allowed_commands:
      - "npm run lint"
      - "npm test"
    requires_human_approval: false

  delete_file:
    enabled: false
Idea clave. La primera versión de un MCP interno debería leer y verificar, no modificar. La escritura llega después de tener logs y revisión humana.

Diseño por riesgo

  • Riesgo bajo: buscar, leer, listar, resumir.
  • Riesgo medio: crear borradores, escribir en carpeta temporal.
  • Riesgo alto: borrar, publicar, enviar, cobrar, tocar producción.
Cuidado. No expongas una shell genérica como tool “porque es cómodo”. Si el agente puede ejecutar cualquier comando, el control ya no está en el prompt.
Terminal
trace:
  task_id: "agent-2026-07-05-001"
  tool: "read_file"
  args:
    path: "docs/precios.md"
  decision: "allowed"
  reason: "extension .md, path inside ./docs"
  bytes_returned: 4821
Comprueba que funciona. Intenta acceder a `../.env`, borrar un archivo y ejecutar `curl`. Un MCP local bien diseñado debe rechazar esas acciones por diseño, no por buena voluntad del modelo.
Guardar y reabrir el proyecto.
MCP bien usado no da más poder al agente: le da poder más estrecho, observable y reversible.

Si has guardado la evidencia de esta lección, continúa con «GitHub Actions». Si no, repite la comprobación antes de avanzar.

Mapa completo de AulafyConsulta cómo encaja esta lección sin salir de tu ruta.

Mapa completo de Aulafy

Cómo se relacionan todos los cursos

No es una lista que debas completar. Empieza por la base, elige un resultado y profundiza solo cuando tu proyecto necesite más control.

  1. 1Comprender
  2. 2Aplicar o construir
  3. 3Operar con confianza
01

Empieza aquí

Crea una base común: qué puede hacer la IA, cómo pedir resultados y cómo comprobarlos antes de especializarte.

Desde esta base puedes aplicar la IA a una tarea o aprender a construir con código.

02

Elige una aplicación

Convierte la base en un resultado visible: una web, una mejora de negocio, contenido o una experiencia interactiva.

Si necesitas mantener código, datos o infraestructura, continúa por la rama técnica.

03

Construye con código

Prepara el entorno, trabaja con agentes de programación y aprende a ejecutar modelos con control sobre tus proyectos.

Esta rama prepara los conocimientos necesarios para diseñar y operar sistemas de IA fiables.

04

Lleva sistemas a producción

Combina recuperación, agentes, evaluación, seguridad, despliegue y adaptación de modelos cuando el problema lo exija.

No es obligatorio completarlo todo: elige solo la pieza que tu sistema necesita y vuelve al mapa cuando crezca.

Ver catálogo completo