Per què un MVP amb MCP?
Perquè et permet veure, de forma molt tangible, què pot fer realment un agent d’IA més enllà de conversar. És la diferència entre “tenir un chatbot” i “tenir un ajudant que consulta dades, executa accions i t’estalvia temps de debò”. En comptes d’un agent que només respon preguntes, amb MCP pots construir un agent que:- llegeix el teu calendari
- envia correus amb propostes
- et recorda tasques
- o fins i tot mou fitxa dins el teu CRM
Com es construeix un MVP basat en MCP?
Hi ha moltes maneres d’enfocar-ho, però en general, el procés es pot dividir en cinc passos bàsics:- Definir el cas d’ús. El més important. Què vols que faci el teu agent? Respon correus? Crea esdeveniments? Actualitza dades d’un client?
- Identificar les fonts de dades. Amb quines eines ha d’interactuar? Google Calendar? Notion? Un CRM ?
- Seleccionar el servidor MCP. Aquí hi ha opcions per a tots els gustos. Ara ho veurem amb més detall.
- Configurar les funcions accessibles. Cada acció que l’agent podrà fer (per exemple, “crear un esdeveniment”) es defineix com una “funció” que el servidor MCP exposa.
- Connectar el model (LLM) al servidor MCP. Això es pot fer via API, SDK o eines com ViaSocket que ja tenen connectors preconfigurats.
Tipus de servidors MCP: tria el que necessites
Com que MCP és una arquitectura més que un producte concret, hi ha moltes formes d’implementar-lo. En general, els servidors es poden agrupar en tres grans tipus:1. Servidors plug-and-play
Perfectes per a qui vol prototipar sense gaire codi. Et donen una interfície per definir accions, controlar permisos i connectar-ho tot ràpid.- ViaSocket: Ideal per fer proves ràpides i desplegar MVPs sense complicacions.
- CrewAI + LangChain Agents: Per muntar equips d’agents amb comportaments coordinats.
2. Servidors corporatius o orientats a integració interna
Més pensats per entorns d’empresa, amb integracions a bases de dades, sistemes interns i control d’accessos més fi.- AutoGen (Microsoft): per desplegar sistemes complexos d’agents amb rols i accions ben definits.
- LangGraph: grafs d’estat i control sobre la persistència i la seqüència d’accions.
3. Servidors experimentals o open source
Per desenvolupadors que volen trastejar, adaptar, fer fork del projecte i construir-lo a mida.- OpenAgents: molt modular, amb arquitectura propera a MCP, però amb molta llibertat.
- HypeAGI: ideal per jugar amb lògiques complexes d’acció-reacció en entorns auto-hostejats.
Un exemple de MVP, pas a pas
Suposem que vols crear un agent que gestioni les reunions del teu equip.- Cas d’ús: llegir esdeveniments del calendari, crear nous segons disponibilitat i enviar invitacions.
- Fonts de dades: Google Calendar + Slack
- Servidor MCP: ViaSocket, perquè és fàcil d’enllaçar amb aquests serveis.
- Funcions MCP: get_calendar_events, create_event, send_message_slack
- Model: GPT-4o, Claude 3.5 o el que prefereixis, connectat al teu servidor MCP
I després què…
És fàcil deixar-se portar per l’entusiasme tecnològic, però cal preguntar-se: quin paper jugaran els MCP a mitjà termini? I com afectaran la manera com entenem la integració entre IA i sistemes empresarials?
El que sembla clar és que aquesta arquitectura no és una moda passatgera. MCP no és una eina concreta, sinó un canvi de paradigma: passem d’un món d’interfícies dissenyades per humans a un món d’interfícies dissenyades per a màquines, on els agents d’IA poden accedir, entendre i modificar la informació de manera segura i estructurada. Aquest salt implica nous reptes: governança, seguretat, control d’accessos i, sobretot, confiança.
Els servidors MCP, en aquest context, poden esdevenir la nova capa intermitja entre els sistemes d’informació i els nous “usuaris”: les IA. I això obre preguntes molt interessants: com es programaran les regles d’accés? Quines auditories caldrà fer? Quin paper hi jugaran els humans?
Per ara, la millor manera d’entendre els MCP és experimentant. Muntar un MVP, fer proves reals, connectar agents a dades i veure com responen. La tecnologia hi és, les eines hi són, i el moment és ara. Perquè MCP no només permet construir millors productes: ens obliga a repensar com interactuem amb la informació, i quin rol volem que jugui la IA dins els nostres sistemes.
El futur és modular, distribuït i orientat a agents. I MCP n’és una de les peces clau.