De REST a MCP: cómo los protocolos de IA están cambiando las decisiones de arquitectura en las startups
El Model Context Protocol (MCP) no es solo una moda: está redefiniendo cómo las startups diseñan sus sistemas de IA. Entendé qué cambia y por qué importa elegir bien el protocolo desde el día uno.
REST fue diseñado para un mundo donde las aplicaciones consumen recursos. MCP fue diseñado para un mundo donde los agentes toman decisiones.
Esa diferencia, aunque suena sutil, cambia todo en términos de arquitectura.
El problema con REST en sistemas agénticos
REST funciona bien cuando sabés exactamente qué querés: dame el usuario con ID 42, actualizá este pedido, eliminá ese registro. El modelo mental es simple: cliente, servidor, recurso.
Pero un agente de IA no opera así. No pide recursos fijos. Necesita contexto, necesita herramientas, necesita poder actuar sobre sistemas sin que un humano defina cada paso del flujo.
Ahí es donde REST empieza a crujir.
Qué es MCP y por qué importa
El Model Context Protocol, desarrollado por Anthropic y adoptado rápidamente por el ecosistema, es un estándar abierto que define cómo un modelo de lenguaje se conecta con herramientas, datos y sistemas externos.
En lugar de exponer endpoints, exponés capacidades. En lugar de describir recursos, describís acciones con contexto suficiente para que el modelo entienda cuándo y cómo usarlas.
La diferencia práctica: con REST necesitás orquestar vos la lógica. Con MCP, el agente puede razonar sobre qué herramienta usar según la situación.
Por qué esto le importa a una startup hoy
Si estás construyendo un producto con IA en el centro, la decisión de protocolo no es un detalle técnico menor. Define cuánto control delegás al modelo y cuánta lógica de orquestación tenés que mantener vos.
Un ejemplo concreto: Cursor, el editor de código con IA, adoptó MCP para permitir que su agente acceda a documentación, ejecute comandos y consulte bases de código externas sin que el equipo tenga que hardcodear cada integración. El resultado es un sistema más flexible y más fácil de extender.
Otro caso: startups que construyen sobre la API de Claude o GPT-4 están migrando sus integraciones a servidores MCP porque reduce el código de glue que necesitan mantener y hace los agentes más capaces sin aumentar la complejidad del prompt.
Lo que no te cuentan
MCP no es una bala de plata. Tiene overhead de implementación, la tooling todavía está madurando y no todos los casos de uso justifican la complejidad adicional.
Si tu sistema de IA es básicamente un wrapper de LLM que responde preguntas sobre documentos, REST o incluso llamadas directas a la API son suficientes. No necesitás MCP para eso.
Donde MCP brilla es en sistemas donde el agente necesita autonomía real: que decida qué herramienta usar, que combine múltiples fuentes de información, que actúe sobre sistemas externos con criterio propio.
La decisión práctica
Antes de adoptar MCP en tu startup, respondé estas tres preguntas:
- ¿Tu agente necesita elegir entre múltiples herramientas según el contexto, o siempre sigue un flujo predecible?
- ¿Vas a integrar más de tres sistemas externos en el corto plazo?
- ¿Querés que el modelo razone sobre cómo resolver un problema, o solo que ejecute instrucciones específicas?
Si respondiste sí a las tres, MCP probablemente vale la inversión. Si no, no rompas lo que ya funciona.
La arquitectura correcta no es la más moderna. Es la que te permite iterar rápido hoy sin bloquearte mañana.