Intensivo Gratis 21–22.11Intensivo gratuito de 2 días en Vibecoding (21–22 nov, 16:00 MSK) · Cohorte 3 inicia 23.11Registrarse gratis →Cohorte 3 (23.11)
LanzamientoAPI / Producto · Listo para usarHabr AI→ original

YooMoney lanza un servidor MCP para pagos y explica cómo escribir una API pensada para redes neuronales

YooMoney ha lanzado un servidor MCP: mediante el protocolo MCP, la red neuronal llama por sí misma a las funciones del servicio de pagos. Resultó que, sin la línea «no inventes el importe, pregúntaselo al usuario», el modelo creaba de forma intermitente pagos por una cantidad inventada. Por eso, las descripciones de los parámetros y los textos de error se redactan allí como instrucciones para el modelo. Conclusión: en MCP, el campo description funciona como parte del prompt y decide si la integración funciona o no.

Procesado por IA desde Habr AI; editado por Hamidun News
YooMoney lanza un servidor MCP para pagos y explica cómo escribir una API pensada para redes neuronales
Fuente: Habr AI. Collage: Hamidun News.
Escuchar artículo
Ficha técnica y cifras clave
ParámetroDatos
Fuente originalHabr AI ↗
Editor jefe
Dato clave #1Las operaciones con dinero a través de MCP sin intervención humana están prohibidas por ahora
Dato clave #2Todos los métodos deben soportar repeticiones: los modelos débiles reintentan las peticiones
Dato clave #3Se recomienda separar la autorización de MCP de la de la API convencional

YooMoney ha lanzado un servidor MCP para pagos y facturas. MCP (Model Context Protocol) es un protocolo mediante el cual un modelo de lenguaje (LLM, es decir, una red neuronal del tipo de ChatGPT) llama por sí mismo a las funciones de un servicio externo: crear un pago, enviar un recibo, comprobar un estado. Hasta ahora, esas funciones se exponían a través de una API REST convencional: un conjunto de peticiones que invoca código escrito por una persona.

Roma, desarrollador backend de YooMoney que lleva casi diez años desarrollando la API pública de pagos, cuenta que la interfaz para una red neuronal hay que diseñarla de otra manera. El ejemplo principal: sin una sola línea en la descripción de un parámetro, el modelo creaba de forma intermitente un pago por un importe inventado.

La descripción de un parámetro es un prompt

En una API clásica, la documentación se escribe para personas. Si un campo está mal descrito, el desarrollador consulta un foro o escribe a soporte. En MCP, la descripción de la herramienta pasa a ser, en la práctica, parte del prompt de sistema, es decir, una instrucción que el modelo ejecuta al pie de la letra. Por eso, el nombre y la claridad de description determinan si la integración funciona.

En la documentación habitual de YooMoney, el importe del pago se describe con todos sus matices: comisiones de los socios de YooKassa, código de divisa, correspondencia con la divisa de la subcuenta o de la tienda. Para MCP, la descripción se acortó y se añadió una instrucción directa: está prohibido inventar el valor y, si no se indica el importe, hay que preguntárselo al usuario. Para una persona es obvio que el importe lo dice el cliente; para un modelo, no. Sin esa línea, el modelo creaba un pago por una cantidad inventada.

Con los errores ocurre lo mismo. Una respuesta como insufficient_funds es cómoda para el código, pero para el modelo es un callejón sin salida. En las respuestas de MCP se añade un texto: «Fondos insuficientes para realizar la operación. Díselo al usuario. No intentes realizar el pago de nuevo». Un error comprensible permite al modelo corregir la petición y enviarla otra vez, o bien detenerse y explicar la situación con honestidad.

Otra trampa son los esquemas sobrecargados. Si una petición incluye campos de significado parecido, como billing_address, shipping_address y user_address, una persona se aclara y lo revisa antes de lanzar; el modelo, en cambio, puede colocar los datos donde no toca. El autor aconseja evitar campos cercanos en significado, dejar en el servidor solo los escenarios más necesarios o detallar en qué caso se rellena cada campo.

Seguridad y llamadas repetidas

El servidor MCP no sabe quién lo llama: un potente modelo en la nube o uno local pequeño de 7000 millones de parámetros (7B). Los modelos débiles confunden el orden de las llamadas y repiten las peticiones ante la menor duda. De ahí la regla: todos los métodos deben ser idempotentes, es decir, una llamada repetida no debe cobrar el dinero por segunda vez. YooMoney, por ahora, va más lejos y no permite en absoluto operaciones financieramente significativas a través de MCP sin intervención humana.

El autor recomienda separar la autorización de MCP de la de la API convencional. De lo contrario, el modelo, por cumplir la tarea, puede acudir a la API clásica con su propia clave. Además, los datos de entrada deben validarse con más rigor que de costumbre: el modelo puede generar una petición inválida o incluso maliciosa.

De paso, se desmonta el mito de la «libertad de versiones». En MCP, la lista de herramientas se actualiza al vuelo mediante tools/list y el modelo vuelve a leer el esquema cada vez. Aun así, no se puede eliminar una función en uso: los procesos de negocio de los clientes dejarían de funcionar, aunque el cliente sea una red neuronal.

Tokens, integración y latencia

En una API convencional, el tamaño del esquema JSON importa, a lo sumo, por el tráfico. En MCP, cada descripción de función y cada campo entra en la ventana de contexto del modelo, es decir, gasta tokens y dinero del usuario. Los esquemas y las respuestas concisos reducen directamente el coste.

La integración también cambia. En REST se ofrecen métodos atómicos y el cliente escribe el código: crear el pago, enviar el recibo, confirmar la operación. En MCP no hay una secuencia rígida: el orden de las llamadas lo elige el modelo según la petición y el contexto de la conversación. El usuario puede fijar los escenarios típicos con reglas (Rules) y conjuntos de instrucciones (Skills) en su agente de IA, sin escribir una sola línea de código. En opinión del autor, el coste de la integración mediante LLM tiende a cero.

Con la latencia la cosa se complica. El tiempo que percibe el usuario suma el «razonamiento» del modelo, los retardos de red y el procesamiento de la petición en el servidor, y el ciclo puede repetirse con aclaraciones y errores. El desarrollador del servidor influye sobre todo en lo último y, de forma indirecta, en el número de iteraciones: cuanto más claras son las descripciones, menos intentos innecesarios.

Qué se desprende de todo esto

El artículo es la mirada de un profesional, no una investigación: no incluye métricas medibles, y que «el coste de la integración tiende a cero» sigue siendo una previsión del autor. Aun así, el conjunto de reglas es válido para cualquier equipo que prepare un servidor MCP. Escriba description como una instrucción, haga los errores conversacionales, recorte los esquemas, haga idempotentes los métodos, separe la autorización y mantenga a una persona en la cadena de las operaciones con dinero. El autor espera que las grandes empresas apliquen MCP cada vez más en B2C, sobre todo donde un error del modelo no acarree una catástrofe. YooMoney tiene previsto ampliar la funcionalidad y planea un hackathon público en línea.

Historia

Preguntas frecuentes sobre la noticia

¿Qué se sabe sobre La descripción de un parámetro es un prompt?

En una API clásica, la documentación se escribe para personas. Si un campo está mal descrito, el desarrollador consulta un foro o escribe a soporte. En MCP, la descripción de la herramienta pasa a ser, en la práctica, parte del prompt de sistema, es decir, una instrucción que el modelo ejecuta al pie de la letra. Por eso, el nombre y la claridad de description determinan si la integración funciona.

¿Qué se sabe sobre Seguridad y llamadas repetidas?

El servidor MCP no sabe quién lo llama: un potente modelo en la nube o uno local pequeño de 7000 millones de parámetros (7B). Los modelos débiles confunden el orden de las llamadas y repiten las peticiones ante la menor duda. De ahí la regla: todos los métodos deben ser idempotentes, es decir, una llamada repetida no debe cobrar el dinero por segunda vez. YooMoney, por ahora, va más lejos y no permite en absoluto operaciones financieramente significativas a través de MCP sin intervención humana.

¿Qué se sabe sobre Tokens, integración y latencia?

En una API convencional, el tamaño del esquema JSON importa, a lo sumo, por el tráfico. En MCP, cada descripción de función y cada campo entra en la ventana de contexto del modelo, es decir, gasta tokens y dinero del usuario. Los esquemas y las respuestas concisos reducen directamente el coste. La integración también cambia. En REST se ofrecen métodos atómicos y el cliente escribe el código: crear el pago, enviar el recibo, confirmar la operación.

ZK
Zhemal Khamidun — CPO de Alpina Digital, product manager de AlpinaGPT. Crea productos de IA desde 2019. Hamidun News es un proyecto personal que creció hasta ser un agregador en producción con más de 6.000 lectores.
✦ Hands-On AI Engineering · Hamidun Academy

Build & Ship Production AI Agents Without Boilerplate Code

Start your free 72-hour trial at Hamidun Academy (academy.hamidun.com) — interactive lessons on Claude Code & Cursor, live Tech Radar, and production agent templates.

Start 72h Free Trial →Vibe-Coding Intensive
¿Qué te parece?
Cargando comentarios…