Google anunció la disponibilidad de servidores MCP totalmente gestionados para sus servicios, un paso que busca facilitar la conexión entre modelos de inteligencia artificial y las herramientas empresariales que utilizan datos y APIs de forma cotidiana. La compañía integra así el Model Context Protocol (MCP), un estándar impulsado por Anthropic que se ha posicionado como un mecanismo común para que los agentes de IA ejecuten tareas complejas mediante el acceso estructurado a datos y servicios externos.
El anuncio se enmarca en un contexto en el que los modelos avanzados, como Gemini 3, requieren algo más que capacidad de razonamiento para operar como agentes autónomos. Para que puedan ejecutar acciones, necesitan interfaces estables y seguras que les permitan interactuar con sistemas reales, desde bases de datos hasta plataformas de infraestructura. MCP pretende cubrir ese vacío al ofrecer un estándar interoperable que simplifica la integración entre modelos y herramientas empresariales.
Un soporte gestionado para reducir la complejidad
Hasta ahora, muchos desarrolladores dependían de servidores MCP creados por la comunidad, lo que implicaba instalar y mantener componentes locales o desplegar soluciones abiertas que podían resultar frágiles o difíciles de escalar. Con la nueva oferta, Google habilita puntos de acceso remotos y consistentes para todos sus servicios, eliminando la necesidad de gestionar servidores MCP individuales y proporcionando una capa unificada sobre Google Cloud y servicios de Google en general.
La compañía también extiende esta capacidad al ecosistema empresarial mediante Apigee. Esto permite que organizaciones expongan sus propias APIs internas —así como APIs de terceros— como herramientas descubribles para agentes de IA, manteniendo gobernanza y control centralizado sobre su uso.
Primeros servicios compatibles con MCP
Google está desplegando el soporte de forma progresiva, comenzando con cuatro servicios clave:
– Google Maps Platform: A través de Maps Grounding Lite, los agentes pueden acceder a datos geoespaciales actualizados, información sobre lugares, pronósticos del tiempo y detalles de rutas. Esto permite responder preguntas sobre distancias, condiciones meteorológicas o recomendaciones locales sin depender de información generada por el modelo, reduciendo el riesgo de respuestas imprecisas.
– BigQuery: El servidor MCP para BigQuery permite a los agentes interpretar esquemas y ejecutar consultas directamente sobre datos empresariales sin mover información a ventanas de contexto. Esto mantiene los datos gobernados y habilita funciones como pronósticos basados en series temporales dentro del propio entorno de BigQuery.
– Google Compute Engine (GCE): Al exponer capacidades como aprovisionamiento o redimensionamiento de recursos, los agentes pueden gestionar flujos de infraestructura, desde despliegues iniciales hasta operaciones continuas, ajustándose a las necesidades de carga de trabajo.
– Google Kubernetes Engine (GKE): El servidor MCP para GKE ofrece una interfaz estructurada para interactuar con APIs de Kubernetes sin depender de comandos complejos o salidas de texto. Esto facilita diagnósticos, resolución de fallos y optimización de costes, ya sea de forma autónoma o con supervisión humana.
Seguridad y gobernanza como pilares
Google acompaña esta integración con mecanismos de descubrimiento y control. El Cloud API Registry y Apigee API Hub permiten localizar herramientas MCP confiables, ya sean de Google o de la propia organización. Además, la gestión de accesos mediante Google Cloud IAM, el registro de auditoría y la protección frente a amenazas específicas para agentes —a través de Model Armor— buscan asegurar que los agentes operen dentro de límites definidos y con trazabilidad completa.
Desde Anthropic, co-creadora del protocolo, se destaca que la adopción de MCP por parte de Google contribuye a que más desarrolladores puedan construir aplicaciones basadas en agentes que funcionen de forma coherente con los servicios que ya utilizan en su actividad diaria.
Un ejemplo práctico: análisis de ubicaciones comerciales
Google ilustra el potencial de MCP con un caso de uso orientado al comercio minorista. Un agente construido con el Agent Development Kit (ADK) y respaldado por Gemini 3 puede combinar datos de BigQuery para estimar ingresos potenciales con información de Google Maps sobre negocios cercanos y rutas de entrega. Todo ello se realiza mediante servidores MCP gestionados, sin necesidad de integraciones personalizadas o dependencias locales.
Próximos pasos en la expansión del protocolo
En los próximos meses, Google planea extender MCP a más servicios, incluidos Cloud Run, Cloud Storage, Cloud SQL, Spanner, Looker, Pub/Sub, Dataplex, Cloud Logging, Cloud Monitoring y APIs de Android Management, entre otros. La compañía también participa como miembro fundador de la Agentic AI Foundation, desde donde contribuye a la evolución del protocolo en la comunidad abierta.
La estrategia apunta a un ecosistema en el que los agentes de IA puedan interactuar con datos, infraestructura y aplicaciones de forma coherente y segura, permitiendo que los desarrolladores se concentren en diseñar experiencias y soluciones, más que en resolver problemas de integración.
Fuente: Nota de Prensa Google AWS | Editado por CDOL
