/AI-native: AWS + Claude
Servidores MCP que conectan tus agentes con sistemas internos y AWS
Diseñamos y construimos servidores Model Context Protocol (MCP) para que Claude y otros agentes consulten y operen tus APIs, bases de datos, tickets y observabilidad. Cada servidor tiene autenticación, permisos mínimos y auditoría, y se despliega en tu cuenta AWS sobre Lambda, ECS o Amazon Bedrock AgentCore.
/Diagnóstico
Señales de que es el momento
Tus agentes no ven tus sistemas
Claude responde bien en general, pero no puede consultar tu CRM, tus tickets ni tu base de datos, y el equipo copia y pega contexto a mano.
Integraciones duplicadas por herramienta
Cada asistente o agente tiene su propia integración con las mismas APIs, con código repetido y permisos distintos en cada una.
Servidores MCP de terceros sin revisar
Ingenieros instalan servidores MCP públicos con tokens personales, y nadie sabe qué datos exponen ni qué acciones permiten.
Seguridad pide trazabilidad
Antes de dejar que un agente toque sistemas internos, tu equipo de seguridad quiere identidad, permisos acotados y registro de cada llamada.
/Qué entregamos
Entregables concretos, en tu repositorio
Diseño de herramientas y recursos
Catálogo de tools y resources MCP por sistema, con nombres, descripciones y esquemas pensados para que el modelo los use bien.
Servidores MCP en producción
Código en TypeScript o Python con los SDK oficiales de MCP, tests, validación de entradas y manejo de errores claro para el agente.
Autenticación y permisos
OAuth o IAM según el cliente, roles de mínimo privilegio por herramienta y separación entre operaciones de lectura y de escritura.
Auditoría y observabilidad
Registro estructurado de cada llamada con identidad, herramienta y parámetros, métricas en CloudWatch y alarmas ante errores o abuso.
Despliegue en AWS con Terraform
Infraestructura en Lambda, ECS Fargate o AgentCore, con redes privadas, secretos en Secrets Manager y pipeline de CI/CD.
/Cómo lo hacemos
Nuestro proceso
Mapa de sistemas y casos de uso
Identificamos qué preguntas y acciones necesitan los agentes, qué sistemas las resuelven y qué riesgos tiene cada una.
Diseño de la interfaz MCP
Definimos tools y resources, esquemas, permisos y el modelo de autenticación, y lo validamos con Claude sobre casos reales.
Construcción y pruebas
Implementamos los servidores en tu repositorio por pull request, con tests automatizados y evaluación del uso por parte del agente.
Despliegue y operación
Desplegamos en tu cuenta AWS, conectamos los clientes MCP aprobados y monitoreamos uso, errores y costos.
Qué es un servidor MCP y para qué sirve
Model Context Protocol (MCP) es un protocolo abierto, creado por Anthropic y hoy alojado en la Agentic AI Foundation de la Linux Foundation, que estandariza cómo un agente de IA se conecta con herramientas y datos externos. Un servidor MCP expone herramientas, recursos y prompts; un cliente MCP, como Claude Code o un agente propio, los descubre y los usa.
La ventaja práctica es la reutilización. En lugar de escribir una integración distinta para cada asistente, construís un servidor MCP por sistema y lo conectás a todos los clientes que lo necesiten. Tu sistema de tickets, tu base de datos de clientes o tu plataforma de observabilidad quedan disponibles para cualquier agente autorizado, con las mismas reglas.
Diseño de herramientas que un modelo usa bien
Copiar tu API endpoint por endpoint rara vez da un buen servidor MCP. Si exponés cien endpoints con nombres crípticos, el modelo elige mal, gasta contexto y comete errores. Diseñamos herramientas pensando en las tareas del agente: pocas, con nombres claros, descripciones precisas, parámetros validados y respuestas compactas que entren bien en el contexto.
También cuidamos los errores. Un mensaje del tipo "cliente no encontrado, probá buscar por email" permite que el agente corrija su próximo paso, mientras que un error genérico lo deja adivinando. Probamos cada servidor con Claude sobre casos reales y ajustamos descripciones y esquemas según cómo el modelo los usa.
Seguridad en MCP: autenticación, permisos y auditoría
Un servidor MCP le da a un agente la capacidad de leer datos y ejecutar acciones, así que lo tratamos como cualquier API sensible. Autenticamos a cada cliente con OAuth o con IAM, asignamos permisos de mínimo privilegio por herramienta y separamos las operaciones de lectura de las de escritura, que pueden requerir confirmación humana.
Cada llamada queda registrada con la identidad del usuario o del agente, la herramienta invocada y sus parámetros. Esos registros van a CloudWatch y se pueden cruzar con CloudTrail. También revisamos los servidores MCP de terceros que tu equipo quiere usar, para decidir cuáles se aprueban y con qué alcance.
- Lectura por defecto; escritura solo donde hace falta y con límites.
- Secretos en AWS Secrets Manager, nunca en el código ni en la configuración local.
- Validación de entradas para reducir el riesgo de prompt injection hacia tus sistemas.
Despliegue de servidores MCP en AWS
Para servidores livianos con tráfico irregular, AWS Lambda detrás de API Gateway es una opción simple y económica. Cuando el servidor necesita conexiones persistentes, más memoria o acceso a redes privadas, usamos Amazon ECS sobre Fargate. Todo se define en Terraform, con redes, roles y secretos versionados en tu repositorio.
Amazon Bedrock AgentCore suma piezas pensadas para agentes: AgentCore Runtime permite alojar servidores MCP y agentes, y AgentCore Gateway ofrece un punto de entrada único que agrupa herramientas y aplica autenticación. Evaluamos si esas capacidades administradas convienen en tu caso o si alcanza con Lambda y ECS.
/FAQ
Preguntas frecuentes: Servidores MCP
¿Tenés otra duda? Escribinos a hello@nubent.com y te responde un ingeniero.
¿Qué es Model Context Protocol (MCP)?
MCP es un protocolo abierto que define cómo los agentes de IA se conectan con herramientas, datos y servicios externos. Lo creó Anthropic en 2024 y en diciembre de 2025 pasó a la Agentic AI Foundation, dentro de la Linux Foundation. Hoy lo soportan Claude y muchas otras herramientas, lo que permite reutilizar un mismo servidor con distintos clientes.
¿Conviene construir un servidor MCP propio o usar uno existente?
Para servicios públicos conocidos, muchas veces existe un servidor MCP oficial que conviene evaluar primero. Para tus sistemas internos, o cuando necesitás controlar permisos, auditoría y formato de respuestas, un servidor propio suele ser la mejor opción. Revisamos los existentes, decidimos con vos y construimos solo lo que aporta valor.
¿Dónde se despliega un servidor MCP en AWS?
Las opciones habituales son AWS Lambda con API Gateway para cargas livianas, Amazon ECS sobre Fargate para servidores con conexiones largas o acceso a redes privadas, y Amazon Bedrock AgentCore, que ofrece runtime y gateway administrados para agentes y herramientas MCP. Elegimos según tráfico, latencia, requisitos de red y cómo se autentican los clientes.
¿Es seguro conectar un agente de IA a sistemas internos con MCP?
Lo es si se diseña con los mismos controles que cualquier API sensible: autenticación de cada cliente, permisos mínimos por herramienta, separación entre lectura y escritura, validación de entradas y registro de cada llamada. Para acciones con impacto, agregamos confirmación humana. El riesgo crece cuando se instalan servidores sin revisar con credenciales personales amplias.
¿Los servidores MCP funcionan con Claude Code?
Sí. Claude Code es un cliente MCP y puede conectarse a servidores locales o remotos definidos en la configuración del proyecto. Así, un ingeniero puede consultar tickets, documentación o métricas desde la misma sesión de trabajo. Los mismos servidores también sirven para agentes construidos con el Claude Agent SDK o con otros frameworks.
Servicios relacionados
Claude Code para equipos
Adopción de Claude Code en equipos de ingeniería: configuración, CLAUDE.md, permisos, MCP, CI/CD, revisión de código, seguridad de credenciales y medición del impacto.
Ver másAgentes de IA con Bedrock
Agentes que ejecutan tareas reales con Amazon Bedrock y AgentCore: tool use, MCP, Knowledge Bases, orquestación multi-agente, identidad y observabilidad.
Ver másClaude en Amazon Bedrock
Integración de los modelos Claude vía Amazon Bedrock: selección de modelo, prompt caching, tool use, guardrails, evaluación y cuotas, con los datos en tu cuenta AWS.
Ver másServerless en AWS
Lambda, API Gateway, Step Functions, EventBridge, DynamoDB y SQS: arquitecturas event-driven que escalan solas, toleran fallas y cobran solo por uso real.
Ver másSiguiente paso
Hablemos de tu proyecto de Servidores MCP
30 minutos con un ingeniero. Próximos pasos concretos, trabajes o no con nosotros.