De LLMs aislados a modelos que actúan en el mundo real. Los 3 actores, los 4 primitivos y el protocolo que los une.

¿Qué es MCP y por qué te importa? (Parte 1)

¿Qué es MCP y por qué te importa? (Parte 2)

Slides del módulo 1

Quiz: Fundamentos MCP

¿Qué es MCP y por qué cambia cómo trabajas con IA?

Anatomía completa de un servidor MCP: ciclo de vida de una petición, JSON-RPC 2.0, transports stdio vs HTTP, tools, recursos, prompts y sampling. Cinco ejemplos reales descargables: base de datos, API REST, búsqueda de código, firewall multiplataforma y organizador de archivos.

Cómo funciona por dentro (Parte 1)

Cómo funciona por dentro (Parte 2)

Configurar un servidor MCP

Resolución de problemas típicos en Python

Instalación de NPX y problemas típicos en Node.js

Ejemplo: MCP con base de datos

Ejemplo: MCP con API REST

Ejemplo: MCP de búsqueda en código

Ejemplo: Firewall MCP

Ejemplo: File Organizer MCP

Slides del módulo 2

Quiz: Anatomia de un Servidor MCP

Anatomía de un Servidor MCP

Los Skills son ficheros Markdown que definen comportamientos reutilizables para agentes de IA como Claude Code, Codex y Gemini. Este tema cubre el problema que resuelven (el contexto se pierde entre sesiones), cómo escribirlos correctamente y un catálogo de 17 ejemplos listos para descargar y adaptar.

¿Qué es un Skill y para qué sirve? (Parte 1)

¿Qué es un Skill y para qué sirve? (Parte 2)

Ejemplos de Skills en acción

Slides del módulo 3

Quiz: Skills y Comportamientos Reutilizables

Skills: Comportamientos Reutilizables

De un agente único a sistemas que colaboran. Patrones jerárquicos, paralelismo con git worktrees y comunicación entre agentes.

Orquestación Multi-Agente

Demo: Orquestación con Claude Code

Demo: Orquestación con Python

Ejemplo guiado paso a paso

Slides del módulo 4

Quiz: Orquestacion Multi-Agente

Amenazas específicas de MCP — tool poisoning, prompt injection, path traversal — y el checklist mínimo antes de poner en producción.

Seguridad en MCP (parte 1)

Seguridad en MCP (parte 2)

Ejemplo: servidor MCP seguro

Quiz: Seguridad en MCP

Slides del módulo

Seguridad en MCP

Sistema multi-agente que revisa pull requests automáticamente usando el patrón de orquestación mixto secuencial-paralelo-secuencial.

Enunciado

Práctica interactiva

Solución

Quiz: PR Review

Ejercicio 01 - PR Review

Sistema multi-agente para triaje de alertas de seguridad en un SOC. Patrón de orquestación paralela con agentes especializados.

Quiz: SOC Triage

Ejercicio 02 - SOC Triage

Sistema multi-agente en paralelo para generar todas las piezas de comunicación de un lanzamiento de producto simultáneamente.

Quiz: Lanzamiento de Producto

Ejercicio 03 - Lanzamiento de Producto

Sistema multi-agente para gestionar el pipeline editorial de un libro: desde outline hasta revisión final.

Quiz: Editorial

Ejercicio 04 - Editorial

Tres cheatsheets descargables: MCP, Skills y seguridad. Referencia rápida para usar en tus propios proyectos.

Cheatsheet MCP

Cheatsheet Skills

Cheatsheet Seguridad

MCP vs CLI: cuándo usar cada uno

Skill vs MCP: cuándo usar cada uno

Quiz: Extras -- MCP, Skills y Seguridad

Extras: Cheatsheets de Referencia

Evaluación final del curso. Aprobarlo desbloquea el certificado.

Examen de certificación

Examen Final

<h3>El curso para programadores que han oído &quot;MCP&quot; por ahí y quieren saber de una vez qué es y para qué sirve.</h3>
Llevas meses usando ChatGPT o Claude para programar.
Te ayudan. Bien. A veces.
Pero te has dado cuenta de una cosa: el chat no puede hacer nada de verdad.
No puede leer tus ficheros. No puede mirar tu base de datos. No puede abrir un ticket de Jira. No puede tocar tu API interna. Cuando quieres que haga algo útil, tienes que copiar y pegar como un mono. Tú abres el fichero, tú lo pegas, tú lees la respuesta, tú aplicas el cambio, tú vuelves a copiar el error.
El modelo &quot;piensa&quot;. Tú haces el trabajo sucio.
Y lo peor: cada vez que intentas automatizar ese paseo, aparece un problema distinto. Que si la forma de conectar herramientas al modelo de OpenAI no es la misma que la de Anthropic. Que si Gemini hace otra cosa. Que si cambias de proveedor, reescribes medio código.
No es culpa tuya. Es que hasta hace poco no había una forma estándar de conectar un LLM con el mundo real.
Ahora sí la hay. Se llama MCP (Model Context Protocol). Lo publicó Anthropic a finales de 2024, es un protocolo abierto (como HTTP, no es propiedad de nadie), y lo están adoptando Cursor, Zed, Sourcegraph y media industria de tooling de IA.
Este curso va de eso. De entender qué es MCP, para qué sirve, y de construir uno tú mismo desde cero. Sin necesidad de saber nada del tema previamente.
<h2>Qué incluye este curso</h2>
Duración y acceso
<ul>
<li>~13 horas de contenido en vídeo</li>
<li>Acceso de por vida</li>
</ul>
Código y práctica
<ul>
<li>5 servidores MCP completos listos para usar</li>
<li>16 Skills de ejemplo reales</li>
<li>4 ejercicios interactivos para practicar solo: revisión de PRs, triaje SOC, lanzamiento de producto y editorial</li>
</ul>
Evaluación
<ul>
<li>12 quizzes repartidos a lo largo del curso</li>
<li>Examen final (umbral de aprobado: 70%)</li>
<li>Certificado de finalización automático</li>
</ul>
Materiales descargables
<ul>
<li>3 cheat sheets en PDF: MCP, Skills, Seguridad</li>
<li>+25 ejemplos de código descargables</li>
</ul>
<hr />
<h2>Al terminar el curso tienes todo esto funcionando en tu máquina</h2>
Cinco servidores MCP propios, escritos por ti. Un servidor MCP es, resumiendo, un programa que expone herramientas y datos para que un LLM los pueda usar. Los conectas a Claude Desktop o a Claude Code y ya está: el modelo habla con tu código.
Tus primeros Skills. Un Skill es un comportamiento reutilizable que le das a Claude (una especie de plantilla de actuación) para que no tenga que reinventar la rueda cada vez que le pides lo mismo.
Un sistema multi-agente básico: tres programas controlados por un LLM trabajando a la vez sobre una misma tarea y coordinándose entre ellos.
No es un &quot;hello world&quot; con un eco de texto. Es código que corre, que se testea, y que puedes enseñar el lunes en el trabajo.
<h2>Para quién es este curso</h2>
Programas en Python a nivel medio. Con saber escribir una función, leer un JSON y llamar a una API, te sobra.
Usas ChatGPT, Claude, Cursor o Claude Code como usuario y quieres pasar de copiar y pegar a construir algo.
Has oído hablar de MCP, te suena, pero no sabrías explicarlo en dos frases.
No necesitas saber nada de MCP previamente. Ni de agentes. Ni de &quot;function calling&quot;. Ni de protocolos raros. El curso empieza desde cero en ese terreno. Lo único que doy por sabido es que programas y que has usado un LLM como usuario.
<h2>Para quién no es</h2>
No has escrito código nunca. Este curso no es de programación.
Buscas un tutorial de &quot;cómo hacer un chatbot con la API de OpenAI&quot;.
Quieres filosofía sobre la singularidad, AGI y si los LLMs sueñan.
Esperas que te prometa un sueldo de 120k trabajando desde Bali.
Si buscas algo de lo anterior, mejor que no lo compres. Yo prefiero que no te inscribas a que te inscribas y me pidas devolución. Los dos ganamos tiempo.
<h2>Qué vas a construir</h2>
Concreto, porque lo abstracto no enseña nada.
Cinco servidores MCP reales en Python, cada uno con sus tests:
MCP de base de datos: conecta un LLM a una base de datos real. El modelo consulta tablas, filtra registros y devuelve resultados. Tools con schema de entrada y salida, validación de parámetros, manejo de errores. Lo conectas a Claude Desktop y funciona.
MCP de API REST: envuelve una API externa y la expone al modelo como tools. El LLM hace peticiones HTTP, interpreta las respuestas y actúa en consecuencia. Incluye gestión de autenticación y manejo de errores de red.
MCP de búsqueda de código: un servidor que indexa tu propio código usando el árbol de sintaxis abstracta (AST) y lo expone como recurso consultable. El modelo puede buscar funciones, clases y símbolos, y entender tu repositorio sin que tú copies y pegues nada.
MCP de gestión de firewall: controla reglas de firewall en Linux, Windows y macOS desde lenguaje natural. Modo dry-run, recetas predefinidas, validación de reglas peligrosas. Incluye despliegue como servicio remoto con autenticación.
MCP organizador de archivos: limpia y reorganiza tu sistema de ficheros con límites explícitos. Detecta duplicados por hash de contenido (no solo por nombre), localiza ficheros grandes, reorganiza por fecha. El MCP sabe exactamente qué hay y dónde; el modelo decide qué hacer con eso.
Los cinco exponen los 4 primitivos de MCP: Tools (funciones que el LLM ejecuta), Resources (datos que el modelo lee como contexto), Prompts (plantillas reutilizables) y Sampling (el modelo puede pedir al host que genere texto). Todo hablando por dentro en JSON-RPC 2.0.
Tus primeros Skills para Claude Code: comportamientos reutilizables, con su estructura, su lógica de cuándo se activan, y escritos de forma que no acaben olvidados en un <code>.md</code>.
Un orquestador multi-agente con tres agentes trabajando en paralelo sobre una tarea compartida, comunicándose entre ellos, con los patrones que funcionan y los que no.
Una checklist de seguridad aplicada: validación de rutas para que un prompt malicioso no te lea medio <code>/etc</code>, saneado de comandos, detección de prompt injection, control de fuga de datos.
Todo funcionando. Todo tuyo. Todo en tu repo al terminar.
<h2>Qué te llevas al terminar</h2>
<ul>
<li>Sabes qué es MCP y puedes explicárselo a otro en dos minutos sin dudar.</li>
<li>Entiendes el protocolo de extremo a extremo: los 3 actores (Host, Cliente, Servidor) y los 4 primitivos (Tools, Resources, Prompts, Sampling).</li>
<li>Sabes leer y escribir mensajes JSON-RPC 2.0 sin mirar la documentación.</li>
<li>Construyes un servidor MCP desde cero, lo pruebas con MCP Inspector, y lo conectas a un Host real (Claude Desktop, Claude Code).</li>
<li>Despliegas un servidor MCP en remoto con autenticación y lo accedes desde Claude Code.</li>
<li>Ves la diferencia entre un Skill y una Tool de MCP. Dejas de mezclar churras con merinas.</li>
<li>Sabes cuándo usar MCP y cuándo un CLI cuando quien automatiza es una IA, y por qué la diferencia importa.</li>
<li>Diseñas sistemas multi-agente sabiendo qué patrón aplicar y cuál evitar.</li>
<li>Identificas los vectores de ataque principales en servidores MCP —incluyendo tool poisoning y prompt injection indirecto— antes de que te exploten en producción.</li>
</ul>
<h2>El contenido</h2>
Tema 1 — Qué es MCP y por qué cambia cómo trabajamos con IA
El problema del LLM aislado del mundo. Por qué cada proveedor (OpenAI, Anthropic, Google) tiene su propia forma de conectar herramientas al modelo y por qué eso es un problema para cualquiera que quiera construir algo portable. Qué aporta un protocolo abierto frente a una API cerrada. Los 3 actores (Host, Cliente, Servidor) y los 4 primitivos (Tools, Resources, Prompts, Sampling) explicados con ejemplos, no con diagramas bonitos. JSON-RPC 2.0 por debajo: qué viaja por el cable y por qué importa.
Tema 2 — Anatomía de un servidor MCP
Ciclo de vida completo de una conexión: handshake inicial, intercambio de capacidades, mensajes, cierre. Transports: cuándo usar stdio (local) y cuándo HTTP/SSE (remoto o multi-cliente). Definición de Tools (con sus schemas de entrada y salida), Resources (estáticos y dinámicos), Prompts parametrizados y Sampling. Testeo con MCP Inspector antes de conectar nada a un cliente real. Problemas típicos de entorno en Python (múltiples versiones, pip en el intérprete equivocado) y en Node.js (npx, permisos). Configuración en Claude Desktop y Claude Code, con scope de usuario y de proyecto. Cinco servidores MCP reales y completos: base de datos, API REST, búsqueda de código por AST, firewall multiplataforma con despliegue remoto y autenticación, y organizador de archivos.
Tema 3 — Skills en Claude Code
Qué son los Skills y en qué se diferencian de las Tools de MCP (no son lo mismo, aunque muchos los confunden). Anatomía de un Skill bien escrito: frontmatter YAML, cuerpo Markdown, campo <code>description</code> como criterio de activación automática. Skills rígidos (proceso inamovible) vs. flexibles (principios adaptables). La regla de las 500 líneas y el sistema de progressive disclosure para no agotar la ventana de contexto. Scripts embebidos dentro del skill para automatizar validaciones. Cómo escribir Skills que se reutilizan entre proyectos en lugar de acabar olvidados en un <code>.md</code>.
Tema 4 — Orquestación multi-agente
Patrones de orquestación: paralelo (todos a la vez sobre tareas independientes), secuencial (la salida de uno es la entrada del siguiente) y jerárquico (orquestadores por subsistema). Cómo se comunican los agentes entre sí sin acabar en un bucle infinito de alucinaciones. Demo con 3 agentes corriendo en paralelo sobre una tarea real, implementada en Claude Code y en Python con asyncio y el SDK de Anthropic. Cómo asignar distintos modelos a distintas tareas para optimizar coste y calidad. Anti-patrones: el agente que se pisa a sí mismo, el bucle de consulta que nunca acaba, el orquestador que no orquesta.
Tema 5 — Seguridad en MCP
Los vectores críticos explicados sin jerga: tool poisoning (instrucciones maliciosas escondidas en la descripción de una tool de terceros), prompt injection indirecto (datos externos que contienen instrucciones disfrazadas para el modelo), command injection (una Tool que llama a shell y recibe veneno por parámetro), path traversal (el modelo acaba leyendo rutas que no debería) y fuga de datos por contexto mal aislado. Validación de inputs con Pydantic, manejo de errores con correlation ID, logging correcto. Checklist defensivo aplicable hoy. Cinco preguntas que hacer antes de instalar un servidor MCP de terceros.
Ejercicios interactivos
Cuatro ejercicios para practicar lo aprendido sin que nadie te lleve de la mano. Cada uno plantea un problema real, te da el entorno para resolverlo y te permite ver la solución cuando terminas.
Ejercicio 1 — Revisión automática de Pull Requests. Construye un sistema multi-agente que analice el código de un PR y detecte problemas antes de que llegue a main.
Ejercicio 2 — Triaje de alertas SOC. Eres analista de seguridad. Llegan alertas. Tienes que investigar, priorizar y tomar una decisión con la ayuda de un agente especializado.
Ejercicio 3 — Lanzamiento de producto. Coordina agentes para preparar el lanzamiento completo de un producto: copy, estrategia, comunicación.
Ejercicio 4 — De manuscrito a libro publicado. Un equipo de agentes editoriales transforma un borrador en texto listo para publicar.
Extras
3 cheatsheets descargables: MCP (protocolo, primitivos, mensajes, ciclo de vida completo), Skills (anatomía, activación, plantillas listas para copiar) y Seguridad (13 amenazas, checklists de despliegue y pre-instalación, patrones de código seguro).
Dos vídeos de criterio: MCP vs CLI (cuándo usar cada uno cuando quien automatiza es una IA, y por qué el CLI sin capa de control es una apuesta arriesgada) y Skill vs MCP (por qué no son alternativas sino capas complementarias, con el caso real del movimiento de principios de 2026 que declaró los MCP &quot;obsoletos&quot; y el rápido retroceso).
Examen final de 30 preguntas con explicación de cada respuesta. Umbral de aprobado: 70%. Certificado emitido automáticamente al terminar.
<h2>Algunas preguntas que me llegan</h2>
&quot;Nunca he oído hablar de MCP en serio, ¿voy a enterarme?&quot; Ese es exactamente el punto de partida del curso. No doy por sabido nada de MCP ni de agentes ni de protocolos raros. Empiezo desde &quot;qué problema resuelve esto y por qué merece la pena mirarlo&quot;. Si programas y has usado un LLM como usuario, vas sobrado.
&quot;No sé Python avanzado.&quot; No hace falta. Con Python a nivel medio sobra. No vas a escribir metaclases ni historias raras. Vas a escribir servidores que reciben JSON y responden JSON.
&quot;¿Por qué no espero al curso avanzado?&quot; Porque el avanzado (OAuth, permisos por rol, observabilidad, testing serio, Kubernetes, GDPR) da por sentado que ya sabes lo de este. Saltártelo es como empezar por Rust async sin haber escrito un <code>main</code> antes. No te ahorras tiempo, lo pierdes.
&quot;Esto lo puedo aprender en YouTube gratis.&quot; Puedes. Yo te animo a intentarlo. Vuelve después de 20 horas de vídeos deslavazados, documentación en inglés a medio leer, y tutoriales de 2024 que ya no compilan porque el protocolo ha movido cosas. O te lo ahorras y en unas pocas horas lo tienes estructurado, probado y explicado en orden.
&quot;¿Esto no es muy nuevo? ¿Y si cambia?&quot; MCP lleva estabilizándose desde finales de 2024. Lo usan Anthropic, Cursor, Zed, Sourcegraph, y media industria de tooling de IA. El protocolo va a evolucionar, pero los fundamentos (los 4 primitivos, JSON-RPC, la arquitectura cliente-servidor) no se van a tocar. Lo que aprendes aquí sirve.
<h2>Qué NO es este curso</h2>
Prefiero decírtelo antes de que saques la tarjeta.
No es un curso avanzado. No hay OAuth, ni permisos por rol, ni Kubernetes, ni seguridad de la cadena de suministro. Todo eso va en el nivel 2, que da por sentado lo de aquí.
No es un curso de IA. No hay transformers, ni backpropagation, ni embeddings. No te voy a explicar cómo funcionan los modelos por dentro ni vamos a hablar de AGI ni de filosofía. Esto es protocolo y código.
<h2>Una última cosa</h2>
Este curso no te va a hacer ingeniero de IA. Ningún curso de unas pocas horas lo hace, y el que te lo prometa te está mintiendo.
Lo que sí va a hacer es llevarte del &quot;me suena MCP pero no sé qué es&quot; al &quot;tengo un servidor MCP funcionando, sé cómo funciona por dentro y sé cuándo usarlo&quot;. Con eso, cuando la siguiente ola de tooling llegue (y va a llegar en meses, no en años), estarás escribiendo el código en lugar de leyendo hilos de Twitter intentando entender de qué va.
El que entiende el protocolo va por delante. El que solo sabe usar la app del mes, va detrás.

Tu IA no puede abrir un fichero, llamar a una API ni mirar tu base de datos. MCP lo resuelve. 5 servidores MCP, Skills, multi-agente, seguridad y 4 ejercicios interactivos. 13 horas. Código que corre.

Tu primer servidor MCP, tus primeros Skills, tu primer sistema multi-agente