Agentes MCP en Sistemas Corporativos: Cómo SimpleOne y Ainergy Integraron IA en Procesos de Negocio

Los agentes IA corporativos ya saben escribir correos, resumir reuniones y encontrar respuestas en bases de conocimiento. Pero el equipo de SimpleOne, junto con el socio tecnológico Ainergy, fue más allá: incrustaron agentes MCP directamente en la propia plataforma corporativa — para que la IA no solo aconseje junto a los procesos, sino que se convierta en su participante pleno.

El Límite del Agente Textual

Un agente IA estándar en entorno corporativo es un chatbot inteligente junto al sistema, no dentro de él. Ayuda a formular tareas, resumir correspondencia o encontrar la sección correcta de la documentación. Pero crear un ticket en ITSM, verificar el estado del incidente, encontrar un objeto relacionado en la base de datos o acceder a un sistema externo de RR.

HH. — eso ya está fuera de sus capacidades. Como resultado, el empleado sigue alternando entre el agente y el sistema corporativo, transferindo datos manualmente de un lado a otro.

La IA ayuda a pensar, pero no ayuda a hacer. Para escenarios empresariales como ITSM, SDLC o gestión de activos, esta es una limitación fundamental: lo que importa no es el texto, sino la acción concreta en el sistema. Esta misma contradicción — un agente como consultor versus un agente como ejecutor — se convirtió en el punto de partida para SimpleOne y Ainergy.

MCP: Acceso Gestionado a Acciones

Model Context Protocol (MCP) es un estándar abierto desarrollado por Anthropic que formaliza la interacción entre un modelo de lenguaje y herramientas y sistemas externos. La diferencia clave respecto a llamadas de API directas: el agente no accede directamente a la base de datos. En su lugar, recibe un conjunto de herramientas formalmente descritas con derechos de acceso claros y lógica de ejecución explícita.

Cada herramienta se describe como un contrato: qué recibe como entrada, qué devuelve, qué derechos se necesitan para llamarla. El propio LLM elige la herramienta necesaria, la llama y pasa el resultado al usuario — en un bucle gestionado, sin acceso directo a la arquitectura interna del sistema.

• recuperación de datos sobre un ticket, incidente u objeto del sistema
• verificación del estado actual de una tarea o cambio
• creación de un nuevo registro — un ticket, tarea, objeto relacionado
• búsqueda de objetos relacionados por criterios especificados
• acceso a un sistema externo (ERP, RR.HH., CMDB) con resultado devuelto al agente

Cómo se Implementa en SimpleOne

En la plataforma SimpleOne, un servidor MCP actúa como una capa entre el modelo de lenguaje y la lógica empresarial. Ainergy desarrolló la capa de infraestructura de la plataforma GenAI que permite describir herramientas MCP en el nivel del modelo de objeto de SimpleOne — sin dar al LLM acceso directo a la base de datos y la lógica interna de la plataforma. En la práctica, esto significa que el mismo agente se configura de forma diferente para diferentes roles.

Un especialista en TI ve herramientas para trabajar con incidentes y cambios, un gerente de proyecto — herramientas para tareas y estados, un usuario externo — solo un conjunto limitado para enviar tickets. Los derechos para llamar herramientas se configuran por separado y se vinculan al rol del usuario o contexto de la operación. El agente solo ve acciones permitidas y funciona estrictamente dentro de los límites establecidos por el equipo de seguridad.

Para un entorno empresarial, esto es crucial: la auditabilidad, seguridad y capacidad de gestión se preservan, mientras que la IA obtiene herramientas reales para participar en procesos — no como consultor, sino como ejecutor con derechos claramente limitados.

Lo Que Esto Significa

La arquitectura MCP cambia el papel de la IA en un contexto corporativo: de asistente textual — a participante en procesos de trabajo. Para plataformas como ITSM, SDLC y otros sistemas empresariales, esto abre un camino hacia la automatización de operaciones rutinarias sin comprometer el control sobre derechos de acceso y seguridad de datos. Las empresas obtienen una IA que no solo piensa junto al proceso, sino que actúa dentro de él — dentro de límites gestionados y auditables.