Ask HN: ¿Quién está usando MCP en producción?
Ask HN: Who is using MCP in production?
He estado siguiendo MCP desde que salió. Recibió mucha atención al principio, pero no he visto a mucha gente usándolo en producción. Puede que me haya perdido algunos. Si estás usando MCP en producción, ¿para qué lo usas? ¿Qué ventajas has encontrado frente a una API normal, integración directa de herramientas o simplemente CLI?
Usé uno para una herramienta de IA que permite a la gente reportar bugs/solicitudes de features directamente. Busca para asegurarse de que no sea un duplicado, redacta el ticket y luego lo envía. Como es una herramienta de producción, queremos la más barata posible sin que sea demasiado inexacta. Si usaras una API, terminarías construyendo lo que efectivamente es un adaptador tipo MCP encima de ella de todos modos para que pudiera comunicarse en lenguaje natural en lugar de lidiar con JSON y demás. El MCP de Linear también es muy limpio y bien diseñado, probablemente una de sus ventajas principales sobre, digamos, Jira. No sabría cómo es la API porque el MCP funciona muy bien.
Lo tenemos, una herramienta nueva que aterrizó recientemente en producción. Hace más fácil comunicarse con los recursos de la aplicación. Y es una forma estandarizada para que los agentes hablen con un recurso remoto, más fácil para ellos entender qué está disponible y cómo usarlo. Lee más sobre herramientas/recursos/prompts de mcp.
Encuentro que las CLIs o llamar a las APIs directamente son mucho más baratas y rápidas. El único MCP que uso en este punto es el MCP de Jira solo porque lo configuré hace tiempo y ha estado ahí desde entonces.
- cgarvis
MCP es para cuando tu usuario final (el que maneja un agente LLM) no es técnico. La mayoría de las personas no técnicas no van a instalar una CLI en su computadora. La mayoría no va a manejar el agente LLM a través de una terminal.
También es muy útil cuando necesitas autenticación. MCP OAuth con CIMD lo hace fácil en lugar del engorroso proceso de generar claves de API.
Si eres técnico y ya usas CLIs, entonces MCP no te aporta mucho.
- Aldipower
Usamos MCP en producción desde el 26 de marzo para análisis y planificación de deportes de resistencia orientados al usuario final, que se integra directamente con el host MCP, en este caso las interfaces de chat de ChatGPT, Claude, Grok, Perplexity.ai, Mistral, etc. Todos estos permiten a los usuarios agregar servidores MCP personalizados, lo cual pueden hacer con una explicación simple. Para conectar Claude, por ejemplo: https://www.tredict.com/faq/connect-claude-web-with-tredict/
De esta manera, los usuarios pueden usar Claude para crear y enviar entrenamientos a sus dispositivos Garmin basados en un análisis previo.
También tenemos una App de ChatGPT que usa MCP en segundo plano: https://chatgpt.com/plugins/plugin_asdk_app_69aef5b699a08191...
El punto aquí es que MCP es la columna vertebral detrás del producto y permite a los usuarios comunes hacer cosas sin saber nada al respecto.
Toda la discusión de "¿MCP es inútil?" es totalmente irrelevante desde la perspectiva del consumidor regular; a veces ni siquiera saben qué es MCP. La App de ChatGPT de Tredict se conecta con un clic y un flujo OAuth simple. Eso es todo.
- 5ersi
Los MCP están perdiendo valor un poco, porque los agentes de IA se están volviendo más inteligentes en el uso de APIs/CLIs. Por ejemplo, uso gh cli a través de Claude en lugar de su MCP, porque ya tenía la CLI configurada, así que no necesito usar MCP.
Los MCP pueden tener un gran valor potencial si cruzan múltiples fuentes y combinan resultados. Por ejemplo, en el trabajo usamos un MCP interno para búsqueda de logs/métricas en cinco sistemas (heredados) diferentes. Encuentra correlación entre eventos en diferentes sistemas en minutos.
- konart
Mi empresa (no soy parte del equipo responsable de nada relacionado con IA) tiene MCPs para Jira, Confluence, un fork de Mattermost y algunas otras integraciones.
No tengo idea sobre la cuestión de MCP vs API, pero siempre asumí que el punto de MCP era una abstracción entre el modelo y la herramienta/servicio.
Es decir, el modelo no tiene que conocer una API específica (y mucho menos una versión particular de ella) para trabajar con un servicio.
- throwup238
Uso MCP para dos tipos de cosas: aquellas donde necesito dar acceso a la memoria del proceso, como un servidor MCP para inspeccionar una GUI de Qt, y aquellas donde necesito dar acceso autenticado a mis datos a las aplicaciones web/móviles de ChatGPT/Claude. Para estos usos, las CLIs serían demasiado engorrosas en uso o autenticación.
Para esto último, Cloudflare Tunnels + Zero Trust + GitHub SSO significa que asegurarlos es bastante fácil y con el reciente cf cli el agente hace todo el trabajo. Su soporte nativo para imágenes codificadas en base64 también es útil para "animar" al LLM a mirar cosas sin tener que insistir constantemente.
- navigate8310
Escaneé mis libros de texto de chino y creé un MCP sin estado que me permite basar mis estudios de idioma chino únicamente en el libro de texto. Con esto puedo iniciar un cuestionario, entender diferencias entre palabras con significados similares sabiendo que no se agrega gramática extra al repasar. Lo uso específicamente con glm 5.3, ya que es el LLM más específico para idiomas que entiende matices.
Aquí está el repositorio: https://github.com/iodize6399/xuexi-keben
Y aquí está el servidor en sí: https://keben.555420.xyz
- MitziMoto
Usamos MCP en producción para nuestros agentes de voz orientados al cliente. Nuestro servidor MCP personalizado define herramientas y recursos a los que los agentes de voz necesitan acceder para interactuar con nuestros clientes. (Por ejemplo, programar citas, verificar el estado de un pedido, etc.)
Ahora podemos apuntar cualquier plataforma de agente de voz que elijamos -- eleven labs, vapi, pipecat, lo que sea -- a nuestro servidor MCP personalizado y al instante tiene una comprensión de las herramientas disponibles, sus entradas y cómo usarlas.
En comparación con las alternativas que todos en HN defienden, como CLIs y APIs, esto es una obviedad. Honestamente, ni siquiera estoy seguro de cuál sería la alternativa realista.
¿Se supone que debo empaquetar y distribuir una CLI a ElevenLabs y pedirles que la usen? ¿Darles una especificación de API completa para que la implementen por mí?
Les doy un endpoint y credenciales y su plataforma al instante sabe cómo hablar con la mía. Nadie en ElevenLabs sabe o le importa nuestros detalles de implementación.
HN tiene problemas para ver más allá del caso de uso de "desarrollador en una terminal programando con Claude Code" para usar IA. ¡Los agentes de producción reales tienen casos de uso muy diferentes!
Cuando no eres dueño de cada pieza de una integración con otro sistema, necesita haber un estándar bien definido. Eso es lo que proporciona MCP.
- cagz
Sí, bastantes usos en producción, el caso de uso principal es abstraer el acceso a APIs para agentes. En nuestro caso, estos son principalmente servidores MCP internos, construidos específicamente para el agente dado.
¿Por qué MCP en lugar de CLI o acceso directo del agente a la API?
Acceso directo (Curl/función propia pequeña): Esto requiere que el agente tenga una comprensión completa de la especificación de la API. Sí, el contexto se puede proteger usando divulgación progresiva, pero esto esencialmente significa que el agente necesita entender la API una y otra vez, antes de cada uso en ese contexto. Además, una especificación de API típica puede o no ser amigable para agentes. Si hay matices al llamar a un endpoint, ¿dónde los ponemos? ¿En la descripción de OAS? Funciona, pero es torpe.
CLI: Funciona maravillosamente, especialmente cuando ya existe una CLI de terceros para un backend complejo. Asume una CLI bien documentada y amigable para agentes; la mayoría de las CLIs están diseñadas para consumo humano o CI/CD. Hablando de que MCP ocupa demasiado contexto, piensa en un agente que comienza con my_cli --help y baja por los interruptores y parámetros uno a uno para descubrir cómo se debe llamar a la CLI. Es menos problema cuando se llama a una CLI conocida (por ejemplo, aws), pero cualquier cosa más especializada (o personalizada) requiere múltiples turnos para componer el comando CLI final.
MCP: Tiene sus problemas, pero ofrece una solución nativa para agentes. Todo lo que el agente necesita saber sobre una herramienta está disponible de una vez. En un entorno empresarial, los MCP pueden servirse a través de un MCP Gateway, proporcionando gobernanza y gestión de permisos, esto es bastante contra [...]