Model Context Protocol (MCP)
la tecnologia que converteix la IA en un empleat que actua, no només que respon.
La IA que coneixes ja no n'hi ha prou
És probable que hagis provat ChatGPT o Copilot, o que a l'equip ja s'hi faci servir intel·ligència artificial per redactar, resumir textos o generar idees. En aquest ús, la tecnologia respon, però gairebé sempre com a suport puntual: redactar un correu, polir un paràgraf o treure idees per a una reunió.
El problema és que aquesta IA viu aïllada. No sap què hi ha al teu CRM. No pot consultar l'estat d'una comanda. No pot actualitzar un full de càlcul, obrir un tiquet de suport ni enviar una comunicació a un client. Només pot dir-te com fer-ho.
El Model Context Protocol (MCP) elimina aquest aïllament.
Amb MCP, la IA deixa de ser un assistent de text i es converteix en un agent que accedeix als teus sistemes, executa tasques reals i s'adapta quan les coses no surten segons el pla.
En aquest article expliquem què és el MCP, cap a on evoluciona i quin tipus de resultats pot generar, amb exemples com els que veuràs a continuació.
Què és el Model Context Protocol (MCP)?
El Model Context Protocol és un estàndard obert, impulsat per Anthropic i adoptat ràpidament per l'ecosistema de desenvolupament d'IA, que defineix com un model d'intel·ligència artificial pot descobrir, connectar-se i utilitzar eines externes de manera estructurada i segura.
El MCP estandarditza aquest procés. És, en la pràctica, el protocol USB de la intel·ligència artificial: en lloc de construir un connector diferent per a cada dispositiu, defines un estàndard i qualsevol eina compatible funciona a l'instant.
Com funciona en la pràctica?
Quan una IA treballa amb MCP, opera en un cicle continu que anomenem AI Agent Loop:
Percepció
Rep un objectiu o detecta un esdeveniment (alerta, sol·licitud o canvi de dades)
Raonament
Decideix quina eina usar i com
Acció
Executa la crida a l'eina (consulta, actualització o missatge)
Avaluació
Analitza el resultat repeteix o finalitza
El que diferencia aquest cicle de l'automatització tradicional és el pas de raonament. Si el resultat no és l'esperat, si les dades estan incompletes o si l'eina retorna un error, l'agent no s'atura: raona, s'adapta i continua.
Per què el MCP és diferent del que ja coneixes
Així es compara el MCP amb categories habituals d'automatització.
- Davant dels chatbots convencionals
Un chatbot et diu com fer una cosa. Un agent amb MCP la fa. La diferència no és de grau; és de naturalesa.
- Davant de l'automatització RPA (Robotic Process Automation)
Les eines RPA segueixen scripts fixos. Funcionen mentre el procés no canvia. Qualsevol excepció, per petita que sigui, trenca el flux i requereix intervenció humana.
Un agent amb MCP pot gestionar la variabilitat. Si el client no és al CRM, busca alternatives. Si el sistema retorna un error temporal, ho reintenta. Si la situació no encaixa amb cap patró previst, raona sobre què fer. - Davant dels fluxos d'eines com Zapier o Make
Aquestes plataformes connecten aplicacions de forma lineal: si passa A, executa B. Són útils per a processos simples i previsibles.
El MCP no segueix un arbre de decisions prefixat. L'agent decideix quins passos fer segons el context real de cada cas. Això permet automatitzar processos que abans es consideraven massa complexos o variables per a una màquina.
Cap a on evoluciona el MCP: el context estratègic
El MCP no és una tendència passatgera. Forma part d'un canvi estructural en com les organitzacions operaran els propers anys.
D'eines a agents
El paradigma està canviant: les empreses passen d'usar IA a desplegar agents d'IA. Sistemes que no només responen preguntes sinó que executen tasques de manera autònoma, coordinada i contínua.
El MCP és la infraestructura que fa possible aquest desplegament de manera ordenada i escalable.
L'ecosistema d'eines MCP creix ràpidament
Empreses com Salesforce, HubSpot, Atlassian, Linear i desenes de proveïdors de programari empresarial ja publiquen els seus propis servidors MCP. Això vol dir que la barrera d'integració continua baixant: connectar un agent al teu stack tecnològic serà cada cop més ràpid i barat.
Multi-agent: la següent frontera
El pas natural després dels agents individuals són els sistemes multi-agent: equips d'IA especialitzats que col·laboren. Un agent detecta la incidència, un altre gestiona la comunicació amb el client, un altre actualitza els sistemes interns i un quart genera l'informe de seguiment. Tot de manera coordinada, sense intervenció humana en els casos estàndard.
Les empreses que construeixin ara la seva infraestructura d'agents tindran un avantatge significatiu quan aquesta capacitat sigui mainstream.
Casos reals: com AlamedaDev aplica el MCP
Aquests exemples provenen de projectes reals amb equips amb colls d'ampolla operatius.
Cas 1, Logística: gestió d'incidències de lliurament amb HubSpot CRM + Twilio
El client: un operador logístic que gestiona més de 2.000 lliuraments diaris en tres àrees metropolitanes. A mesura que creixia el volum, l'equip d'operacions va topar amb un sostre: cada incidència de lliurament obligava un operador humà a saltar entre quatre sistemes diferents.
El problema concret: quan un paquet arribava tard o es marcava com a perdut, un operador havia de consultar manualment el tauler de tracking intern, extreure la fitxa del client a HubSpot CRM, redactar un correu personalitzat via Gmail i registrar la incidència a Notion. Cada cas trigava entre 15 i 20 minuts. Amb 40 a 60 incidències al dia, l'equip dedicava més de dues hores a una tasca que no aportava valor estratègic.
La solució: vam construir un servidor MCP que connecta quatre eines, l'API de tracking pròpia de l'operador, HubSpot CRM (mitjançant el seu servidor MCP oficial), Twilio SendGrid per al correu transaccional i Notion per al registre d'incidències, i vam desplegar un agent que executa de manera autònoma el flux complet de resolució.
Quan el sistema de tracking dispara una alerta de retard, l'agent executa la seqüència següent:
Consulta l'API de tracking → recupera l'estat de l'enviament, la finestra estimada de retard i l'última ubicació coneguda
Crida HubSpot CRM → obté la fitxa del client, l'historial de compres i el nivell comercial (Standard, Priority o VIP)
Genera i envia el correu via Twilio SendGrid → assumpte, to i oferta de compensació s'ajusten dinàmicament segons el nivell del client i la gravetat del retard
Crea una entrada d'incidència estructurada a Notion → amb tots els camps rellevants pre-omplerts per a la revisió diària de l'equip d'operacions
Si HubSpot no retorna cap registre coincident amb el destinatari, l'agent no s'atura. Registra la incidència no emparellada en una base de dades dedicada a Notion, l'etiqueta per a revisió manual i envia un correu neutre de resposta, així el client rep sempre una resposta en minuts, encara que faltin dades al CRM.
El resultat: el temps mitjà de gestió per incidència va passar de 18 minuts a menys de 90 segons en els fluxos estàndard. La càrrega diària de l'equip d'operacions va baixar de més de 2 hores a 20 minuts de revisió de casos límit marcats per l'agent. La satisfacció del client en la resolució d'incidències va pujar un 31% en els primers 60 dies posteriors al desplegament.
Cas 2, Assessoria legal: automatització del due diligence amb Reedy + Notion + Jira
El problema: en un despatx boutique d'assessoria en fusions i adquisicions, els analistes dedicaven el 40% de la jornada a un sol flux: coordinar la revisió documental del due diligence. El procés implicava obrir manualment centenars de PDFs no estructurats (contractes, escriptures, escanejos financers), extreure les clàusules clau i crear tiquets a Jira per cada lot de documents. Un associat senior invertia 90 minuts al dia només en triatge manual i coordinació.
La solució
Vam desplegar un agent MCP que orquestra Reedy (intel·ligència documental), Jira (gestió de tasques) i Notion (base de coneixement). Quan es puja un document nou, l'agent executa de manera autònoma tot el flux d'extracció i coordinació:
Escaneig del repositori via Reedy → l'agent detecta fitxers no estructurats nous i usa el servidor MCP de Reedy per convertir PDFs i imatges en dades netes i estructurades.
Extracció de clàusules jurídiques clau → Reedy identifica passius, dates de venciment i clàusules de canvi de control amb precisió multipàs i lliura la sortida estructurada a l'agent.
Estructura del projecte a Jira → l'agent omple tiquets fills per categoria de documents segons l'extracció de Reedy, assignant prioritats i dates límit de manera automàtica.
Actualització de l'espai a Notion → totes les dades estructurades dels contractes es sincronitzen en una base central de Notion, amb una vista en temps real de l'estat del due diligence.
Digest d'estat diari → cada matí, l'agent compila parts obertes i percentatges de compleció en una pàgina estructurada de Notion per als socis.
El resultat: la sobrecàrrega de coordinació i triatge dels associats seniors va passar de 90 minuts a menys de 15 minuts al dia. En integrar Reedy a la pila MCP, el despatx va reduir el temps mitjà del cicle de due diligence un 28%, eliminant l'entrada manual de dades i assegurant zero notificacions perdudes.
Però, les meves dades estan segures?
És el dubte més freqüent que ens plantegen: «Si dono a la IA accés al meu CRM o als meus documents legals, on van aquestes dades?»
La resposta curta és: es queden on tu vulguis que es quedin.
A diferència dels xats públics que «aprenen» de tot el que escrius, un agent MCP construït per AlamedaDev segueix regles de seguretat de nivell empresarial:
1. Sense entrenament amb les teves dades: Els secrets del teu negoci, les llistes de clients i els contractes privats no s'utilitzen mai per entrenar els models d'IA públics. La IA «presta» la informació per resoldre una tasca i segueix endavant.
2. Permisos granulars: No li dones a la IA «les claus de l'edifici». Li dones una clau que només obre una sala concreta. Si vols que l'agent llegeixi el teu tauler de logística però no toqui els teus comptes financers, així configurem els permisos.
3. Túnels xifrats: El MCP funciona mitjançant connexions segures. Imagina-ho com un túnel privat i blindat entre el teu programari i la IA. Ningú pot veure què passa a l'interior mentre es fa la feina.
En quins processos s'hi pot aplicar el MCP?
Més enllà dels casos anteriors, aquests són els àmbits on veiem més impacte per a startups i empreses mitjanes:
- Suport al client autònom
Agents que consulten l'estat de les comandes, gestionen devolucions i escalen a una persona només quan la complexitat ho requereix. Disponibles 24/7, sense cost marginal per volum.
- Reporting automatitzat
La IA es connecta a les fonts de dades, extreu la informació rellevant, l'analitza i genera l'informe en el format requerit. Sense fulls de càlcul manuals, sense errors de consolidació.
- Gestió d'inventari i aprovisionament
Monitorització contínua de l'estoc amb activació automàtica de comandes quan s'assoleixen els llindars definits. L'agent considera històrics de consum, terminis de lliurament i condicions amb proveïdors.
- Enriquiment i qualificació de leads
L'agent enriqueix automàticament els leads amb informació pública i senyals d'intenció, els qualifica segons els criteris de negoci definits i actualitza el CRM abans del primer contacte comercial.
- Coordinació entre departaments
Fluxos d'aprovació, notificacions i actualitzacions entre sistemes que avui requereixen intervenció manual en cada pas.
Si el teu producte ja té API, ja tens la meitat de la feina feta
Hi ha un punt d'entrada al món MCP que moltes empreses encara no han considerat: si la teva plataforma o programari ja té una API, AlamedaDev pot construir el servidor MCP a sobre en setmanes, no en mesos.
Una API és, en essència, la porta del darrere del teu sistema. Defineix quines operacions es poden fer des de fora: consultar dades, crear registres, llançar processos. El servidor MCP és simplement la capa que tradueix aquesta porta al llenguatge que entenen els agents d'IA.
El resultat és que el teu producte, que avui respon a peticions d'altres aplicacions, passa a ser una eina que qualsevol agent d'IA pot utilitzar de manera autònoma i raonada.
Encara no tens API? També la podem definir i implementar nosaltres: fa anys que dissenyem i construïm APIs com a capa d'accés a productes i sistemes; és el mateix punt de partida que usem abans de muntar el servidor MCP.
Quins beneficis concrets aporta tenir un servidor MCP sobre la teva API
Això són els avantatges que veiem més sovint quan despleguem MCP sobre l'API del client:
- El teu producte s'integra en fluxos d'IA sense fricció
Cada cop més empreses construeixen stacks d'agents que orquesten múltiples eines. Si la teva plataforma no té servidor MCP, no entra en aquests fluxos. Si en té, es converteix en una peça nativa de l'ecosistema.
- Redueixes el temps d'integració dels teus clients
Avui, quan un client vol connectar el teu producte al seu sistema, necessita un desenvolupador que estudiï la documentació i construeixi la integració. Amb MCP, la IA descobreix les eines disponibles i aprèn a usar-les sola. El temps d'integració passa de setmanes a hores.
- Obres un canal de distribució nou
Els marketplaces de servidors MCP creixen ràpidament. Tenir-ne un publicat vol dir que qualsevol empresa que use agents d'IA pot descobrir el teu producte i començar a usar-lo sense intervenció comercial per part teva.
- Els teus clients actuals automatitzen més amb la teva eina
Un client que avui usa la teva plataforma de manera manual pot, amb el servidor MCP, delegar aquestes tasques a un agent. Més ús, més valor percebut, menys churn.
- La inversió és baixa comparada amb el retorn
Construir un servidor MCP sobre una API existent i ben documentada és un projecte d'abast acotat. No cal reescriure el producte. És una capa nova sobre el que ja funciona.
Com ho fem a AlamedaDev
El procés sempre comença per l'anàlisi de la teva API: quins endpoints hi ha, quines operacions tenen més valor per automatitzar i com estructurar les eines perquè un agent les usi de manera fiable.
A partir d'aquí construïm el servidor MCP, el provem amb casos d'ús reals dels teus clients i el lliurem amb documentació llesta per desplegar. Si la teva API encara no és a producció o cal ampliar-la per als casos d'ús que identifiquem, també ho cobrim.
El resultat és un servidor MCP que converteix el teu producte en una eina de primera per a l'ecosistema d'agents d'IA que està prenent forma ara mateix.
Com saber si la teva empresa està preparada?
No cal tenir una infraestructura tecnològica avançada per començar. Els projectes MCP més exitosos que hem desenvolupat a AlamedaDev comparteixen tres trets:
Hi ha un procés repetitiu amb passos clars. No cal que sigui simple, però sí que tingui una lògica identificable. Si avui pots explicar-li a un empleat nou com fer-ho, un agent ho pot aprendre.
El cost del procés és mesurable. Temps de l'equip, errors, retards, cost d'oportunitat. Com més clar és l'impacte actual, més fàcil és justificar i mesurar el retorn de la implementació.
Hi ha sistemes amb els quals integrar-se. CRM, ERP, plataformes de comunicació, sistemes propis. La majoria d'empreses mitjanes ja tenen el stack necessari; el que falta és l'agent que els connecti.
Si reconeixes algun d'aquests patrons a la teva organització, és probable que hi hagi un cas d'ús de MCP amb retorn ràpid.
Construïm junts
Unim experiència i innovació per portar el teu projecte al següent nivell.