RAG y MCP: cómo dar acceso a documentos a un agente de inteligencia artificial

Publicado el 2026-11-16 por ArduBot

Cómo combinar un servidor MCP con una API RAG para consultar documentación con permisos, citas y herramientas diferenciadas.

Tienes un agente que puede ejecutar herramientas, pero cuando le preguntan por una política o un manual responde de memoria. El protocolo MCP conecta aplicaciones de IA con capacidades externas; RAG sirve para recuperar información relevante de tus documentos. Juntos pueden formar una capa de conocimiento, siempre que separemos lectura, autorización y acciones.

Qué resuelve cada componente

Model Context Protocol (MCP) estandariza la comunicación entre una aplicación de IA y servidores que ofrecen herramientas y otros recursos. RAG es una arquitectura para recuperar fragmentos relevantes y usarlos como contexto de una respuesta. No son competidores ni equivalentes. Un servidor MCP puede exponer una herramienta que consulta una API RAG; alternativamente, un cliente puede llamar la API directamente sin MCP.

Ejemplo: un asistente de operaciones recibe “¿qué procedimiento seguimos antes de reiniciar el servicio?”. No necesita permisos de reinicio para contestar: primero consulta la documentación. Si luego alguien solicita el reinicio, eso corresponde a otra herramienta con autorización independiente.

Diseño recomendado

Cliente de IA
  -> servidor MCP: buscar_documentacion
  -> servicio RAG: aplicar permisos y recuperar fragmentos
  -> respuesta con fuentes
  -> LLM: redactar, citar o abstenerse
El servidor MCP describe la herramienta y su esquema de entrada. El backend recupera el contexto tras verificar la identidad del solicitante. La documentación devuelta es dato no confiable, no una instrucción que pueda anular las reglas del agente.

Una herramienta ilustrativa podría llamarse buscar_documentacion y aceptar pregunta, coleccion y limite. Evita permitir que el modelo pase identificadores arbitrarios de empresas: la identidad y los ámbitos autorizados se calculan en el servidor.

Tools, resources y prompts: elegir sin exagerar

Una tool de búsqueda permite consultas dinámicas. Un resource puede exponer información identificable y seleccionable; su soporte depende del cliente. Un prompt es una plantilla de interacción, no un control de acceso. Si necesitas búsqueda con filtros, usar una tool explícita suele simplificar la observabilidad.

No conectes un mismo usuario MCP a todas las bases documentales del negocio solo porque el asistente sea “interno”. Diseña permisos por empresa, proyecto y tipo de documento.

Errores que el agente debe manejar

Un resultado semánticamente parecido puede pertenecer a una versión antigua. Una fuente puede incluir texto malicioso como “ignora las instrucciones previas”. Una pregunta puede tener cero evidencias. En los tres casos, el agente debe saber abstenerse o mostrar advertencias, y la autorización debe seguir siendo responsabilidad del servicio.

Para auditoría registra identificador de solicitud, identidad, base consultada, fuente recuperada y resultado. Evita guardar contenido confidencial completo en los logs.

Prueba con un caso empresarial

Prepara tres colecciones: documentación pública, manuales privados del equipo A y documentación del equipo B. Pregunta con un agente autorizado para A, luego intenta obtener una frase exclusiva de B. El resultado correcto es que B nunca llegue al modelo. Después verifica que una consulta sí autorizada devuelva la página correcta y que un documento retirado ya no aparezca.

Dónde puede encajar ArduMaker: su infraestructura y herramientas MCP pueden formar parte de esta arquitectura. Estamos evaluando un futuro servicio RAG consultable por API; no debemos confundirlo con una función ya disponible. Si necesitas conectar tus fuentes a agentes, describe el escenario en ArduMaker.

Referencias: Especificación de MCP · RAG en Microsoft · MCP en ArduMaker.

  • RAG
  • MCP
  • agentes IA
  • Model Context Protocol
  • documentación

Seguir leyendo

Todos los artículos · Planes de VPS