Por qué elegimos MCP para nuestro agente de IA y por qué fue una buena decisión
Anthropic
Un desarrollador de Bitrix24 explica la elección de la empresa del Protocolo de Contexto de Modelo (MCP) para su asistente de IA Marta. El artículo detalla la transición de simples llamadas a funciones a una arquitectura basada en MCP más flexible que permite el descubrimiento dinámico de herramientas por usuario, y la evolución del protocolo de uso interno a externo con autenticación adecuada. El autor también analiza los desafíos del Infierno de Herramientas y soluciones como usar MCP a través de la CLI y el manejo de respuestas largas basado en archivos.
Michael Vasiliev, desarrollador en Bitrix24, explica por qué la empresa eligió MCP (Protocolo de Contexto de Modelo) para su asistente de IA, que comenzó como Marta y evolucionó hasta convertirse en BitrixGPT. Inicialmente, el asistente utilizaba llamadas a funciones, lo que era suficiente para unas pocas acciones fijas, pero se volvió engorroso a medida que crecía el número de herramientas, requiriendo actualizaciones constantes del código y cargando todas las herramientas para cada usuario. MCP permitió mover las herramientas fuera del agente hacia un servicio externo, habilitando la disponibilidad dinámica de herramientas según los permisos del usuario. La primera versión fue interna, usando un proxy MCP con identificadores de usuario firmados para la autorización. Para soportar clientes externos, agregaron OAuth y cambiaron de transporte SSE a HTTP Streamable. MCP fue presentado oficialmente por Anthropic en noviembre de 2024, y Bitrix24 lo adoptó en marzo de 2025. La adopción temprana tuvo ventajas, como construir la arquitectura alrededor de un protocolo que luego mejoró, pero también desafíos, como adaptarse a los cambios del protocolo. También introdujeron servidores MCP virtuales para diferentes áreas de dominio (tareas, calendario, CRM) y un mcp-cli para evitar el Infierno de Herramientas, que ocurre cuando demasiadas descripciones de herramientas saturan el contexto del modelo. Las respuestas largas de las herramientas se guardan en archivos para prevenir la sobrecarga del contexto, y en general, MCP ayudó a construir una infraestructura escalable para la gestión de herramientas.
Fuente: Habr — хаб ИИ —
original
