Curso de MCP con Python: integra agentes de IA con APIs, bases de datos y herramientas

Name: MCP con Python: integra agentes de IA con APIs, bases de datos y herramientas
Price: 150 EUR

Da el salto de usar IA a conectarla con sistemas reales: APIs, bases de datos y herramientas con Model Context Protocol y Python, con foco en seguridad.

PRÓXIMAMENTE

Presentación
Contenido

PRÓXIMAMENTE

Si ya utilizas Claude, ChatGPT, Copilot u otros asistentes de inteligencia artificial, sabes que pueden ayudarte a redactar, analizar información o generar código. Pero también tienen una limitación importante: por sí solos no siempre pueden consultar una base de datos interna, llamar a una API, leer documentación corporativa ni ejecutar acciones controladas sobre herramientas externas.

MCP, Model Context Protocol, es un estándar diseñado para resolver ese problema. Permite conectar agentes de IA con datos, APIs y sistemas externos mediante servidores que exponen herramientas, recursos y acciones de forma estructurada, controlada y mantenible.

En este curso aprenderás a crear servidores MCP con Python desde cero, probarlos con clientes y herramientas compatibles como Claude Desktop, VS Code, Claude Code y MCP Inspector, y conectarlos con APIs REST, archivos, bases de datos o servicios externos. El enfoque es práctico y orientado a casos reales: no se trata solo de instalar servidores MCP ya existentes, sino de entender cómo diseñar y construir tus propias integraciones con criterios técnicos sólidos.

Además, trabajarás los criterios de seguridad esenciales en este tipo de proyectos: validación de entradas, gestión de secretos, control de permisos, principio de mínimo privilegio, trazabilidad de llamadas, prevención de fugas de información, prompt injection indirecto y riesgos asociados al uso de herramientas por parte de modelos de IA.

Al finalizar, tendrás una base sólida para aplicar este estándar en proyectos reales de automatización, desarrollo de agentes de IA e integración con sistemas empresariales.

Dirigido a
- Curso dirigido a desarrolladores, técnicos de sistemas, perfiles de automatización, analistas de datos, consultores tecnológicos, responsables IT y formadores técnicos que quieran aprender a conectar agentes de inteligencia artificial con sistemas reales mediante MCP, Model Context Protocol.
- Está especialmente indicado para profesionales que ya utilizan herramientas de IA generativa como Claude, ChatGPT, GitHub Copilot, Gemini u otras, y quieren dar el salto de usarlas como asistentes a construir sus propias integraciones con APIs, bases de datos, documentos y herramientas empresariales mediante Python.
- También resulta útil para equipos y responsables técnicos que necesitan comprender cómo funcionan los servidores MCP, cuándo conviene utilizar uno ya existente y cuándo es mejor crear uno propio, aplicando criterios de seguridad, control de permisos y mantenibilidad.
¿Qué competencias vas a adquirir?

Crear servidores MCP con Python para conectar agentes de IA como Claude, ChatGPT o Copilot con APIs, bases de datos y herramientas externas.
Requisitos
- Para realizar este curso se recomienda tener conocimientos básicos de programación en Python, ya que es el lenguaje utilizado en los ejemplos y el proyecto final. Los contenidos se plantean de forma guiada y progresiva, por lo que no es necesario un nivel avanzado.
- También es conveniente estar familiarizado con el uso de la terminal, archivos JSON, conceptos básicos de APIs REST y el funcionamiento general de herramientas de inteligencia artificial generativa como Claude, ChatGPT, GitHub Copilot o asistentes similares.
- No es necesario tener experiencia previa creando servidores MCP. Sí se recomienda cierta comodidad trabajando con entornos técnicos: instalación de dependencias, edición de archivos de configuración y lectura de documentación técnica. Aunque el curso utiliza Python, los conceptos de arquitectura, seguridad y diseño de herramientas MCP son transferibles a otros lenguajes como TypeScript o JavaScript.

Qué es MCP y por qué cambia la forma de integrar la IA
- El problema de la IA aislada: por qué los agentes de IA necesitan conectarse al mundo real
- Qué es MCP y de dónde viene
- MCP frente a integraciones directas, function calling y frameworks como LangChain
- Diferencia entre chatbot, asistente, agente de IA y sistema MCP
- Cuándo tiene sentido crear un servidor MCP propio y cuándo usar uno ya existente
- Casos de uso reales por perfil
- Resumen
Arquitectura MCP: cómo funciona el protocolo por dentro
- Los tres componentes: host, cliente y servidor MCP
- Los tres primitivos: tools, resources y prompts
- Flujo completo de una llamada a una herramienta MCP
- JSON-RPC: qué es y qué papel tiene en el protocolo MCP
- Transportes: STDIO para entornos locales y Streamable HTTP para servidores remotos
- Servidores MCP locales frente a servidores MCP remotos: diferencias y casos de uso
- Herramientas de depuración: MCP Inspector
- Lectura e interpretación del esquema de una herramienta MCP
- Resumen
Crea tu primer servidor MCP con Python
- Preparación del entorno de trabajo con Python
- Estructura mínima de un servidor MCP
- Creación de una primera herramienta funcional
- Definición y validación de parámetros de entrada
- Respuestas estructuradas desde el servidor MCP
- Pruebas del servidor con MCP Inspector
- Pruebas desde Claude Desktop como cliente MCP
- Depuración de errores frecuentes en servidores MCP
- Buenas prácticas para nombrar herramientas y describir capacidades para agentes de IA
- Resumen
Conecta tu servidor MCP con APIs, bases de datos y servicios externos
- Cómo conectar un servidor MCP con una API REST externa desde Python
- Gestión de autenticación en las llamadas del servidor: API keys, tokens y cabeceras
- Consulta de datos desde una base de datos ligera mediante herramientas MCP
- Diferencia entre herramientas de consulta y herramientas de acción
- Diseño de esquemas para que el agente de IA use las herramientas de forma predecible
- Control de errores y respuestas parciales: qué devolver cuando algo falla
- Límites de acceso: qué datos puedes exponer y cuáles no deberías
- Implicaciones de diseño y seguridad en integraciones con herramientas externas
- Caso práctico completo: servidor MCP con API y base de datos reales
- Resumen
Integración MCP con Claude Desktop, VS Code y Claude Code
- Qué es un cliente MCP y qué clientes existen
- Configuración de un servidor MCP local en Claude Desktop
- Configuración en VS Code y Claude Code
- Archivos de configuración: estructura, rutas y variables de entorno
- Ejecución local del servidor MCP: arranque, logs y parada limpia
- Pruebas de herramientas desde el cliente: flujo de verificación
- Interpretación de errores de conexión más frecuentes
- Opciones de despliegue en producción
- Resumen
Seguridad en servidores MCP
- Por qué la seguridad en MCP es diferente a la seguridad en una API convencional
- Principio de mínimo privilegio aplicado a herramientas MCP
- Validación de entradas: por qué el modelo de IA no es una fuente de datos de confianza
- Gestión segura de secretos: API keys, tokens y variables de entorno en Python
- Control de permisos por herramienta MCP
- Acciones sensibles y confirmación humana: cuándo el agente no debe actuar solo
- Prompt injection indirecto en servidores MCP
- Tool poisoning y manipulación de herramientas: qué es y cómo prevenirlo
- Checklist de seguridad para servidores MCP listos para entregar
- Resumen

Este curso se encuentra en desarrollo

Avísame cuando esté disponible

Curso de MCP con Python: integra agentes de IA con APIs, bases de datos y herramientas

Presentación

Contenido

Dirigido a

¿Qué competencias vas a adquirir?

Requisitos

Otros cursos que te pueden interesar

Curso de Claude Code: automatiza procesos y crea herramientas con IA sin código

Curso de Claude desde cero: tu flujo de trabajo con inteligencia artificial

Curso de Uso seguro de la IA generativa en el trabajo: protección de datos y buenas prácticas

Curso de Python avanzado para proyectos de seguridad

Curso de Introducción a SQL Server

Curso de n8n desde cero: automatización de flujos y agentes IA sin código

Curso de LangGraph: desarrollo de agentes de IA avanzados

Curso de ChatGPT, Gemini, Copilot y otras herramientas de IA

Curso de Web scraping con Selenium: extracción y automatización de datos

Curso de Diseño y gestión de agentes autónomos de IA para la optimización de procesos