Si es uno de los primeros artículos que lees de nuestro blog, soy Tom, co-founder y CTO de Detrics. Y este es el artículo donde te cuento por qué nos metimos de cabeza en una tecnología que tiene menos de dos años de vida.
La historia corta
Nos enteramos de que Anthropic sacaba un protocolo abierto para conectar AI con herramientas externas, y dijimos: vamos all-in.
La historia larga es más interesante.
Detrics antes del MCP
Detrics es una plataforma de datos para marketing digital. Conectamos más de 50 fuentes — Facebook Ads, Google Ads, TikTok, Shopify, Google Analytics, Stripe, y más — y le damos a nuestros usuarios una manera de consultar esos datos desde Google Sheets, Looker Studio o nuestra web app.
Llevamos años construyendo la infraestructura que traduce las APIs de cada plataforma a un formato unificado. Cada métrica, cada dimensión, cada filtro. Es un trabajo ingrato y detallado que solo apreciás cuando funciona, porque cuando funciona simplemente ves tus datos donde los necesitás.
Pero siempre tuvimos una frustración: por más que simplifiquemos la consulta de datos, el usuario todavía tenía que saber qué preguntar y cómo preguntarlo. Tenías que saber que “CPC” se llama “cost_per_click” en una plataforma y “average_cpc” en otra. Tenías que armar la query vos.
El momento “ah, esto es lo que faltaba”
Cuando Anthropic anunció el MCP, algo hizo click. No era solo una API más. Era un estándar que decía: “así es como una AI se conecta con herramientas externas, de manera segura y estructurada.”
Y nosotros ya teníamos toda la infraestructura de datos construida. Lo que nos faltaba era el último kilómetro: dejar que una AI haga la consulta por el usuario.
En vez de que vos te sientes a armar un reporte, le decís a Claude: “¿Cuánto gasté en Facebook esta semana y cómo se compara con la anterior?” y Claude usa nuestro MCP para ir a buscar la respuesta. Sin que vos tengas que saber qué campos pedir, en qué formato, con qué filtros.
Rápidamente hubo aprobación por empresas grandes. Slack, Notion, GitHub, todas se subieron. Hoy hay más de 8,600 MCPs en el mundo, apenas un año después del lanzamiento. No estábamos solos en ver el potencial.
La decisión de ir all-in
Ni siquiera me parece la gran cosa un MCP ahora, siendo honesto. Técnicamente es una capa relativamente simple. Pero lo que habilita es enorme.
El potencial real es meter a la AI en cada proceso de manera más integrada. Que puedas desde el mismo lugar donde estás trabajando — tu editor de código, tu chat, tu IDE — acceder a tus datos de negocio sin cambiar de contexto. Sin abrir otra pestaña. Sin exportar un CSV.
Y para nosotros en Detrics, significaba que toda la infraestructura de datos que habíamos construido durante años de repente tenía un canal de distribución completamente nuevo. Ya no dependíamos de que el usuario aprenda a usar nuestra interfaz. La interfaz era la conversación.
Lo que construimos
Nuestro MCP conecta a Claude (y pronto a otros modelos) con todas las plataformas que ya soportamos:
- Publicidad: Facebook/Meta, Google Ads, TikTok, Pinterest, LinkedIn, Bing, Twitter/X, Amazon Ads
- E-commerce: Shopify, WooCommerce, MercadoLibre, TiendaNube
- Pagos: Stripe
- Analytics: Google Analytics, Google Search Console
Le podés preguntar cosas como:
- “¿Cuáles son mis 5 campañas con mejor ROAS este mes?”
- “Compará mis ventas de Shopify de enero vs febrero”
- “¿Cuánto gasté en total en ads esta semana, sumando todas las plataformas?”
Y la AI va, consulta los datos reales y actualizados, y te responde. En segundos.
Por qué Anthropic y no otro
Acá voy a ser directo porque esto es más opinión que hecho: Anthropic es una empresa de alto cómputo, alta densidad de inteligencia e inversión heavy en R&D. Claude no es solo un modelo más — es el modelo que más se acerca a entender instrucciones complejas y ejecutarlas con criterio.
El MCP como estándar fue una jugada brillante. En vez de construir un ecosistema cerrado, abrieron el protocolo para que cualquiera pueda construir sobre él. Eso genera confianza, adopción, y al final del día un ecosistema más rico.
Nosotros no somos una empresa de AI. Somos una empresa de datos. Pero entendemos que el futuro de los datos pasa por cómo los consume una AI, no solo un humano mirando un gráfico.
Lo que aprendimos
Construir un MCP nos enseñó algo que ya intuíamos: lo más difícil no es la conexión técnica. Lo más difícil es la calidad del contexto.
La AI es tan buena como la información que recibe. Si le pasás datos crudos sin estructura, te va a dar respuestas genéricas. Si le pasás campos bien nombrados, con descripciones claras, con las unidades correctas, la AI entiende qué está mirando y te da respuestas que realmente sirven.
Por eso en Detrics no solo conectamos datos — los traducimos. Cada campo tiene su nombre normalizado, su descripción, su categoría. Cuando la AI consulta nuestro MCP, sabe que “spend” en Facebook es lo mismo conceptualmente que “cost_micros” en Google Ads (dividido por un millón). Esa capa de traducción es donde está el valor real.
Lo que viene
Hoy nos enfocamos en las fuentes de datos más populares para negocios digitales. Pero la dirección es clara: queremos ser la capa de datos que le da contexto de negocio a cualquier AI.
No se trata solo de conectar más plataformas — se trata de que la AI pueda entender tu negocio de punta a punta. Que pueda cruzar tus datos de ads con tus ventas, tus ventas con tu inventario, tu inventario con tus finanzas. Todo en una conversación.
Porque al final de todo, nosotros trabajamos con robots en todas nuestras operaciones desde hace tiempo. Usamos AI para escribir código, para analizar datos, para diseñar features. Y creemos que esa es la dirección correcta: no reemplazar humanos, sino darles herramientas más potentes.
El MCP es una de esas herramientas. Y estamos recién empezando.
Si querés probar el MCP de Detrics, lo podés configurar en 2 minutos con Claude Desktop o Claude Code.
Si te interesa cómo esto cambia el reporting, leé: Por qué los MCP son el futuro del reporting →