El MCP se convierte en la “infraestructura” de la IA en AdTech para conectar modelos con herramientas y data

En AdTech sobran los acrónimos y las demos de IA, pero el MCP (Model Context Protocol) está empezando a destacar por una razón distinta: no es una “feature” dentro de una plataforma, sino una pieza de infraestructura. La idea es simple y ambiciosa a la vez: estandarizar cómo un modelo de lenguaje se conecta a software y fuentes de datos para ejecutar acciones de forma predecible, controlada y gobernable, sin tener que construir conectores a medida para cada caso.

Anthropic presentó el MCP como un estándar abierto para crear conexiones seguras “de doble vía” entre herramientas de IA y sistemas donde viven los datos: CRMs, repositorios, plataformas internas o proveedores externos. MCP se articula en una arquitectura cliente-servidor: los desarrolladores exponen capacidades a través de “MCP servers” y las apps/agents actúan como “MCP clients” que consumen esas capacidades.

Lo importante no es solo “conectar”, sino definir el contrato: qué herramientas puede usar el modelo, cómo invocarlas y con qué límites. Con ese contrato, un agente puede encadenar pasos dentro de un flujo real (por ejemplo, extraer un reporte, construir una audiencia, enviar una instrucción y activar una campaña) manteniendo contexto entre acciones, en lugar de tratar cada prompt como si empezara de cero.

AdCP, WebCP y UCP: protocolos “de industria” construidos encima de MCP

A partir de esa capa base, ya están apareciendo protocolos especializados. En publicidad, uno de los más visibles es AdCP (Ad Context Protocol), que se define como un estándar abierto para automatizar flujos publicitarios con lenguaje natural (“Natural language in. Campaigns out.”) y que funciona sobre MCP como transporte.

En paralelo, el artículo de AdExchanger sitúa a WebCP (acciones y navegación web) y UCP (casos de uso de commerce, desde discovery hasta checkout) como ejemplos de cómo distintos “idiomas” pueden compartir el mismo “cableado” MCP para operar dentro de un ecosistema de agentes sin reinventar integraciones cada vez.

Por qué el sector AdTech lo necesita ahora: orquestación, memoria y workflows reales

El atractivo del MCP para publicidad está ligado a un problema cotidiano: el trabajo real no ocurre dentro de una sola herramienta. Planificación, activación, optimización, medición y reporting atraviesan DSPs, SSPs, walled gardens, clean rooms, vendors de medición, RMNs y herramientas internas. En ese contexto, MCP se plantea como una forma de que la IA actúe a través del stack, no solo “dentro” de un dashboard.

AdExchanger recoge además una cifra que ilustra la complejidad: según Bob Walczak (MadConnect), un marketer típico opera con entre 80 y 120 plataformas en su stack MarTech y AdTech. MCP no elimina esa complejidad por sí solo, pero puede servir como “capa conectora” para automatizar tareas repetitivas entre sistemas, siempre que haya implementación y gobierno en ambos lados.

Primeras implementaciones en Criteo, Similarweb, Adverity y MadConnect

El artículo destaca varios ejemplos tempranos. Criteo utiliza el MCP “por debajo” para que los marketers consulten campañas y catálogos en lenguaje natural, desde recomendaciones de producto hasta construcción de audiencias y setup de campañas.

Similarweb lo aplica sobre todo en planificación, conectando agentes a datos de tráfico web y app, keywords y categorías para responder preguntas sobre competencia y tendencias sin saltar entre herramientas.

Adverity lo enfoca en un punto crítico: que la IA mantenga el estado y el contexto entre preguntas (filtros, marcas, periodos), de forma que un análisis multistep no se “reinicie” a mitad de camino.

Por su parte, MadConnect (antes MadTech) se posiciona como una “capa de conectividad” que unifica APIs de AdTech y MarTech y las expone vía MCP para que agentes operen workflows cross-platform (mover audiencias, sincronizar conversiones, extraer reportes) sin integraciones nuevas caso por caso.

Incentivos, gobernanza y calidad del dato

El potencial del MCP también trae fricción política. Si los agentes consiguen una vista coherente y comparable del performance, eso beneficia al comprador… pero puede chocar con incentivos de negocio basados en fragmentación y opacidad. Esa tensión (más que la técnica) es una de las barreras para que MCP pase de “promesa” a estándar operativo en la compra de medios. A esto se suma la gobernanza: conectar fuentes no basta si no se controlan permisos, definiciones y consistencia. MCP puede ayudar a conservar contexto y ejecutar acciones con orden, pero si los inputs están mal (o incompletos), el riesgo es acelerar decisiones equivocadas con una confianza injustificada.

En resumen, MCP se está convirtiendo en una pieza clave del discurso “agentic” en publicidad porque ataca el cuello de botella real: la integración y la orquestación. Si el ecosistema lo adopta a escala (y si los incentivos acompañan), podría mover la IA de ser un widget dentro de una plataforma a ser una capa transversal capaz de operar flujos completos de campaña.

Puntos clave:

• MCP es un estándar abierto que define cómo los LLMs se conectan a herramientas y datos con permisos y límites, para orquestar tareas sin crear integraciones a medida en cada caso.

• AdTech lo está usando como “capa conectora” para workflows entre planificación, activación y reporting, y ya aparecen protocolos encima como AdCP, WebCP y UCP.

• Su adopción real dependerá menos de la tecnología y más de incentivos, gobernanza y calidad del dato: sin inputs fiables, MCP solo acelera decisiones equivocadas.

Este resumen lo ha creado una herramienta de IA basándose en el texto del artículo, y ha sido chequeado por un editor de PROGRAMMATIC SPAIN.