El ecosistema MCP pasó de una docena de servidores en 2024 a cientos en 2026. Eso es bueno y malo: bueno porque hay más opciones, malo porque no todos tienen la misma calidad. Después de probar docenas de servidores en proyectos reales, aquí está la guía de cuáles son sólidos.

Los servidores que funcionan bien en producción

Filesystem

El servidor de filesystem oficial de Anthropic es el más básico pero también el más usado. Lee y escribe archivos, lista directorios, busca en archivos.

{
  "mcpServers": {
    "filesystem": {
      "command": "npx",
      "args": ["-y", "@modelcontextprotocol/server-filesystem", "/ruta/permitida"]
    }
  }
}

Estado: maduro, estable, recomendado.

PostgreSQL

Permite al LLM hacer queries SQL a tu base de datos. Muy útil para análisis exploratorio de datos o cuando quieres que el modelo genere queries sobre tu esquema real.

Estado: estable. Ten cuidado con los permisos: usa un usuario de solo lectura a menos que quieras que el modelo pueda escribir.

GitHub

Accede a repositorios, issues, PRs, y contenido de archivos en GitHub. Muy útil para análisis de código o gestión de issues.

Estado: estable. Necesitas personal access token con los permisos adecuados.

Búsqueda web via Brave Search API. Útil para dar al modelo acceso a información reciente.

Estado: estable. Requiere API key de Brave Search.

Fetch

El más simple: hace requests HTTP y devuelve el contenido. Útil para que el modelo lea páginas web o APIs REST.

Estado: estable. Úsalo con cuidado si el modelo puede determinar la URL (riesgo de SSRF si los inputs vienen de usuarios no confiables).

Servidores con caveats importantes

Servidores de bases de datos con escritura

Varios servidores MCP para bases de datos permiten tanto lectura como escritura. En producción, esto es arriesgado: un prompt mal diseñado o un usuario malicioso podría modificar datos.

Recomendación: usa usuarios de BD con permisos mínimos. Si solo necesitas lectura, crea un usuario de solo lectura.

Servidores de ejecución de código

Algunos servidores permiten al modelo ejecutar código arbitrario. Útil en entornos controlados (notebooks de datos), potencialmente peligroso en aplicaciones expuestas a usuarios.

Recomendación: solo en entornos aislados (contenedores, sandboxes). Nunca directamente en producción con inputs de usuarios.

Servidores de terceros sin auditoría

El ecosistema de servidores de la comunidad creció rápido pero la calidad es variable. Algunos servidores de terceros:

  • No manejan errores correctamente
  • Exponen más información de la necesaria
  • No tienen actualizaciones de seguridad

Recomendación: antes de usar un servidor de terceros en producción, revisa el código fuente. La mayoría son cientos de líneas de TypeScript; se puede auditar en 15 minutos.

Cómo gestionar múltiples servidores MCP

Para aplicaciones con varios servidores, la configuración puede crecer:

{
  "mcpServers": {
    "filesystem": {
      "command": "npx",
      "args": ["-y", "@modelcontextprotocol/server-filesystem", "/proyectos"]
    },
    "postgres": {
      "command": "npx",
      "args": ["-y", "@modelcontextprotocol/server-postgres"],
      "env": {
        "POSTGRES_URL": "postgresql://readonly_user:pass@localhost/mydb"
      }
    },
    "brave-search": {
      "command": "npx",
      "args": ["-y", "@modelcontextprotocol/server-brave-search"],
      "env": {
        "BRAVE_API_KEY": "tu-api-key"
      }
    }
  }
}

Los servidores que más espero que mejoren

Email: hay varios servidores MCP para email pero todos tienen limitaciones. El acceso a Gmail o Outlook via MCP existe pero la experiencia no es robusta todavía.

Calendar: similar a email. La integración con calendarios existe pero el manejo de timezones, recurrencias, y conflictos necesita más trabajo.

Slack/Teams: para uso de empresa, la integración con mensajería es muy útil. Los servidores existentes son funcionales pero no tan pulidos como los oficiales de filesystem o GitHub.

Seguridad: lo que no puedes ignorar

MCP expone capacidades reales a los LLMs. Hay que tratarlo con el mismo cuidado que cualquier API de tu infraestructura:

  1. Principio de mínimo privilegio: dale al servidor MCP solo los permisos que necesita
  2. Auditoría: registra qué herramientas usa el modelo y cuándo
  3. Rate limiting: si el servidor MCP llama a APIs externas, añade rate limiting para evitar uso accidental excesivo
  4. Validación de inputs: si los inputs del usuario llegan a las herramientas MCP, valídalos

El ecosistema MCP maduró mucho en 2025-2026. La calidad de los servidores más usados es buena. El trabajo pendiente está en la cola larga de integraciones menos populares.

Estado del ecosistema a abril 2026. El inventario de servidores disponibles cambia rápidamente.