Now Reading: MCP vs API: Caso de uso interesante y solución inesperada
-
01
MCP vs API: Caso de uso interesante y solución inesperada
El disparador de todo esto…
Un comercial recibe una llamada:
«He visto en redes vuestro evento, pero no me ha llegado ninguna invitación.»
Tras colgar, el comercial consulta el CRM y ve que el correo asociado al cliente está obsoleto. Llama a marketing. Marketing responde: «El email era el que teníamos en la lista. Rebotó.»
Este tipo de escenas ocurren a diario. Y muchos pensarán: «Automatizo con Power Automate, detecto rebotes, limpio la lista.» Bien. Pero insuficiente.
Imagina que el comercial en lugar de llamar o mandar un correo interno, simplemente habla con su asistente de IA, Claude.
«Claude, acabo de hablar con un cliente. No recibió el email de la campaña. ¿Puedes ver qué pasó y ayudarme a solucionarlo?»
Ese asistente empieza a trabajar:
- Consulta la campaña enviada (mock: conjunto de campañas predefinidas)
- Clasifica la respuesta como rebote (mock: lista de emails con errores y causas simuladas)
- Lanza una investigación del email actual del contacto (mock: respuesta ficticia con datos inventados pero verosímiles)
- Sugiere actualizar el CRM (simulado como log en consola o tarea generada)
- Y analiza si hay más contactos con el mismo patrón (mock: búsqueda dentro de una tabla simulada)
Todo esto es posible porque el asistente tiene acceso a un servidor MCP que expone capacidades. No un flujo cerrado, no un script aislado. Un conjunto de herramientas agénticas que cualquier IA puede usar.
El enfoque correcto: capacidades primero, agente después
En la era de la IA agéntica, un agente no necesita saberlo todo, sino acceder a las herramientas correctas en el momento adecuado. Por eso el diseño de un buen MCP Server es tan importante: se convierte en el punto de entrada a un conjunto de funcionalidades vivas, invocables, semánticamente ricas.
Este proyecto no busca construir un agente completo. Busca acercar el diseño y exposición de capacidades para que cualquier agente —Claude, Copilot Studio, ChatGPT— pueda actuar sobre un problema de negocio real.
Blueprint de arquitectura de la solución
Este MCP Server expone un conjunto de herramientas que permiten modelar todo el ciclo de vida de una campaña , aqui os dejo un poquito de codigo:
# --------- Herramientas MCP ---------
@mcp.tool()
def validate_email(email: str) -> dict:
"""Validación básica de email (formato y dominio)"""
import re
pattern = r"^[^@s]+@[^@s]+.[^@s]+$"
if not re.match(pattern, email):
return {"email": email, "valid": False, "reason": "Invalid format"}
if "invalid.domain" in email:
return {"email": email, "valid": False, "reason": "Invalid domain"}
return {"email": email, "valid": True}Estas son las acciones que simulamos en este MCP Server conceptual:
- Validación pre-campaña
- Verifica la sintaxis de los emails (función real con expresión regular)
- Simula validación MX/DNS (respuestas ficticias para dominios marcados como incorrectos)
- Análisis post-campaña
- Consulta Microsoft Graph API (simulado: datos precargados de mensajes de campaña)
- Recupera correos relacionados con la campaña mediante un ID en el asunto (mock: lista JSON con sujetos y tipos de rebote)
- Aplica reintentos inteligentes ante errores transitorios (429, 503) (comentado, sin invocación real)
- Clasificación de respuestas
- Devolución permanente: usuario no existe (simulado con keywords en subject/body)
- Devolución temporal: buzón lleno, servidor temporalmente no disponible (mock con lógica simple)
- Respuesta automática: fuera de oficina, autoresponder (simulado con keywords)
- Respuesta humana: lead potencial (por descarte o validación positiva)
- Investigación de correo actualizado
- Dado el nombre y apellido, simula la búsqueda de un nuevo correo válido usando fuentes como Hunter.io, People Data Labs o LinkedIn Sales Navigator (mock: devuelve combinaciones plausibles con diferentes dominios)
- Generación de tareas para comerciales
- Si detecta un mensaje de vacaciones, crea una actividad asociada al contacto (simulado como inserción en lista de tareas o log de acción)
Una arquitectura pensada para agentes
Este servidor MCP no tiene UI. No tiene interfaz humana. Está pensado desde su esencia para ser utilizado por agentes.
Un agente en Copilot Studio podría, por ejemplo:
- Detectar un email devuelto tras un envío
- Llamar al MCP Server para clasificar el mensaje
- Consultar si hay un nuevo email sugerido
- Crear una acción automática en el CRM (simulado como respuesta JSON positiva)
Un asistente como Claude podría:
- Resumir un informe post-campaña generado por el servidor
- Planificar próximos pasos en función de la tasa de rebote
El valor disruptivo está en el diseño
Lo realmente disruptivo no es el agente final. Es el diseño de las capacidades modulares que permiten que un agente pueda operar con eficacia.
En otras palabras: no estamos creando magia. Estamos haciendo que la magia sea posible.
Magic!!
Conclusión
La pregunta en Copilot Talks lanzaba una necesidad real. Este MCP Server es una forma clara y técnica de responderla.
Es un ejercicio conceptual, sí. Pero también es un punto de partida muy real para introducir automatización basada en IA en el marketing operativo.
Y lo mejor: es ampliable, invocable y entendible para cualquier agente que hable MCP.
Nota final:
Estoy preparando una pequeña demo funcional donde podrás ver cómo un asistente como Claude interactúa con este MCP Server para resolver situaciones reales tras una campaña.
En cuanto esté lista, actualizaré este artículo para incluir el vídeo y el flujo completo.
Recordad esto porque ayuda mucho
Suscríbete al canal (anima y da ese empujón a todo esto).
Pulsa «like» si te ha gustado.
Si no quieres perderte nada, ya sabes, pulsa la campana.
En los comentarios déjame cualquier idea, duda, corrección o aportación. Todo será bien bienvenido.
Nota: El contenido de este artículo ha sido generado con la ayuda de IA, para más información accede a la pagina sobre responsabilidad AI del blog
Original Post https://techspheredynamics.com/2025/05/26/mcp-vs-api-caso-de-uso-interesante-y-solucion-inesperada/
