Tu primer servidor MCP, tus primeros Skills, tu primer sistema multi-agente
Tu IA no puede abrir un fichero
En 13 horas pasas de copiar y pegar en una ventana de chat a tener 5 servidores MCP, tus primeros Skills y un sistema multi-agente corriendo en tu máquina. En Python.
MCP es el protocolo que publicó Anthropic a finales de 2024 para que un modelo pueda leer tu repositorio, consultar tu base de datos y llamar a tus APIs sin que tú le pegues nada por el chat. Ya lo hablan Cursor, Zed, Sourcegraph y media industria de tooling.
Todo el mundo lo nombra en LinkedIn y casi nadie ha escrito uno. Ahí es donde te saca ventaja este curso.
Es para ti si programas en Python a nivel medio y usas un modelo como usuario. De MCP y de agentes no hace falta que sepas nada: se empieza desde cero y se acaba con cosas tuyas funcionando.
No es para ti si no has escrito código nunca, porque doy por sabido que sabes escribir una función y llamar a una API. Tampoco si lo que buscas es montar un chatbot con la API de OpenAI, que no va de eso. Y si necesitas MCP a escala de banco, con OAuth y Kubernetes delante, todavía no lo he grabado.
Qué vas a saber hacer cuando termines
Es lunes por la mañana. Abres Claude Code, le preguntas algo sobre el repo del trabajo, y el modelo consulta la base de datos, busca la función por el árbol de sintaxis y te contesta con datos de verdad. Tú no has pegado nada.
Eso es lo que hay al otro lado de estas 13 horas.
En concreto, acabas con cinco servidores MCP escritos por ti, en Python y con sus tests: uno que habla con una base de datos real, otro que envuelve una API REST con su autenticación, otro que indexa tu propio código por AST para que el modelo entienda tu repositorio sin que le pegues ficheros, uno que gestiona reglas de firewall en Linux, Windows y macOS desde lenguaje natural con modo dry-run, y otro que reorganiza tu disco detectando duplicados por hash de contenido.
Te llevas también tus primeros Skills para Claude Code, escritos de forma que se activen solos cuando toca en vez de acabar olvidados en un .md que no lee nadie.
Y un orquestador con tres agentes trabajando a la vez sobre la misma tarea, con los patrones que aguantan y los que se rompen siempre.
Es código que corre, que se testea y que puedes enseñar el lunes en el trabajo.
El temario
13 horas de vídeo en 10 módulos. Cada módulo acaba con un test para que sepas si te has enterado antes de seguir, y el curso cierra con un examen de 30 preguntas y su certificado.
- Qué es MCP y por qué cambia cómo trabajas con IA. De modelos aislados a modelos que leen ficheros, consultan bases de datos y llaman APIs. Los 3 actores, los 4 primitivos y JSON-RPC 2.0 por debajo.
- Anatomía de un servidor MCP. Ciclo de vida de una conexión, transports (stdio y HTTP/SSE), Tools con sus schemas, Resources, Prompts y Sampling. Testeo con MCP Inspector. Los problemas de entorno de Python y de Node.js que te van a pasar. Y los cinco servidores completos.
- Skills: comportamientos reutilizables. Anatomía de un Skill que se activa solo, la regla de las 500 líneas, progressive disclosure, y cómo escribirlos para reutilizarlos entre proyectos.
- Orquestación multi-agente. Patrones en paralelo, secuencial y jerárquico. Demo con 3 agentes sobre una tarea real, en Claude Code y en Python con asyncio. Y los anti-patrones que salen caros.
- Seguridad en MCP. Tool poisoning, prompt injection indirecto, command injection, path traversal y fuga de datos por contexto mal aislado. Validación con Pydantic y checklist defensiva.
- Ejercicio 1: revisión automática de Pull Requests. Un sistema multi-agente que revisa un PR antes de que llegue a main.
- Ejercicio 2: triaje de alertas SOC. Eres el analista, llegan alertas y decides con un agente especializado al lado.
- Ejercicio 3: lanzamiento de producto. Agentes en paralelo para copy, estrategia y comunicación.
- Ejercicio 4: de manuscrito a libro publicado. Un pipeline editorial multi-agente de principio a fin.
- Extras. Cheatsheets de MCP, Skills y seguridad, más dos vídeos: MCP frente a CLI, y Skill frente a MCP.
Lo que te vas a ahorrar
Llevas meses con Claude o con ChatGPT abierto en una pestaña. Te ayuda, a ratos bastante, pero no toca nada tuyo: abres el fichero, lo pegas, lees la respuesta, aplicas el cambio, copias el error y lo vuelves a pegar.
El modelo piensa y tú haces el trabajo sucio.
Y el día que te hartas y decides automatizar ese paseo, descubres que conectar herramientas a un modelo de OpenAI no se hace igual que en Anthropic, y que Gemini va por libre. Cambias de proveedor y reescribes medio código.
Hasta hace poco no había forma estándar de hacer esto, así que no es culpa tuya. Ahora la hay, y lo que te ahorras aquí son los quince desvíos que a mí me costaron un mes hasta dar con la que aguanta.
Por qué fiarte de lo que hay dentro
Me llamo Daniel Alfocea. En Banco Santander fui technical lead del equipo core de IA mientras montaban el área: 185.000 empleados y OpenAI de partner. Antes construí producto desde cero en 42Crunch. Tengo más de 150 proyectos publicados en GitHub y alguna de mis herramientas acabó dentro de Kali.
Eso es el currículum y sirve para una cosa: que sepas que lo de dentro no lo he sacado de la documentación. Monto servidores MCP para gente que paga, se me rompen, y lo que vas a ver es lo que quedó en pie después de romperlos.
Lo que no está en la documentación oficial
Casi todo lo demás sí está. Estas cosas no, porque salen de haberse pegado con ello:
Por qué un servidor MCP que va perfecto en tu máquina se cae en cuanto lo conectas al cliente de otro, y qué parte de la configuración tiene la culpa casi siempre.
La diferencia entre un Skill y una Tool de MCP, que suena a matiz de listillo y es la razón por la que mucha gente monta lo segundo cuando necesitaba lo primero.
Cuándo MCP no es la respuesta y lo que te hace falta es un CLI de toda la vida, aunque quien lo vaya a usar sea una IA.
Qué es el tool poisoning, cómo alguien te cuela instrucciones dentro de la descripción de una tool de terceros, y las cinco preguntas que hago yo antes de instalar un servidor MCP que no he escrito.
Por qué el agente que se pisa a sí mismo es el anti-patrón más caro de los sistemas multi-agente, y cómo se ve venir antes de que te coma el presupuesto de tokens.
Aquí no te adelanto ninguna respuesta. Están todas dentro.
Qué cuesta
180 €, una vez.
Tú facturas eso en una mañana, o en dos si vas justo. Se paga solo la primera tarde que no pasas peleándote con un handshake que no entiendes.
Por ese dinero tienes 13 horas de vídeo en 10 módulos, 4 ejercicios interactivos con su enunciado y su solución, 3 cheatsheets en PDF, más de 25 ejemplos de código que se copian y funcionan, y un examen final con certificado verificable.
Entras además en el Discord de la plataforma, donde ya hay 250 personas y donde se resuelven las dudas que no caben en un vídeo. Y me escribes a mí si te atascas.
El acceso es de por vida. Cuando actualice el curso, la versión nueva la tienes sin pagar otra vez.
Lo que me preguntáis siempre
«Nunca he tocado MCP en serio, ¿me voy a enterar?» Es justo el punto de partida: no doy por sabido nada de MCP ni de agentes. Lo único que doy por sabido es que programas y que has usado un modelo como usuario.
«No sé Python avanzado.» No hace falta. Con nivel medio te sobra.
«¿Y si el protocolo cambia dentro de seis meses?» MCP lleva estabilizándose desde finales de 2024, y los cimientos (los 4 primitivos, JSON-RPC, la arquitectura cliente-servidor) no se van a mover. Si se mueve algo, actualizo el curso y lo tienes sin pagar.
«13 horas es mucho.» Son 10 módulos que se ven sueltos. Dos ratos a la semana y lo cierras antes de que acabe el mes.
«¿Esto es una suscripción?» No. Pagas una vez y el curso es tuyo.
Daniel Alfocea
P. D. Si lo que te frena es el precio, haz una cuenta rápida: cuántas horas llevas este año copiando y pegando código en una ventana de chat. Multiplícalas por lo que cobras la hora. 180 € es lo que te cuesta dejar de hacerlo.