Cuando piensas en un agente de IA que te ayuda a planificar un viaje, a analizar tus datos de negocio o a gestionar servidores en la nube, lo normal es esperar que se conecte “solo” a todo. La realidad, hasta ahora, es que muchos desarrolladores acaban montando cables y parches a mano para unir modelos como Gemini, Claude o ChatGPT con APIs, bases de datos y sistemas internos. El resultado suele ser frágil, caro de mantener y con dudas de seguridad.
Google quiere cortar este lío técnico con una idea clara: hacer que sus servicios sean “agent-ready by design”. Es decir, listos de serie para que un agente de IA los use sin que tú tengas que pelearte con integraciones raras. Para eso ha lanzado servidores MCP gestionados que conectan a los modelos de IA con Google Maps, BigQuery y otros servicios de Google Cloud usando un estándar abierto.
Si te preguntas qué es exactamente MCP (Model Context Protocol), puedes verlo como un idioma común que usan los agentes de IA para hablar con herramientas y datos externos. Anthropic lo creó hace aproximadamente un año como un estándar de código abierto pensado justo para esto: que un modelo pueda llamar a APIs, bases de datos y servicios sin que cada empresa invente su propio formato.
Con el tiempo, este protocolo MCP se ha ido extendiendo en el ecosistema de agentes de IA y hoy lo admiten muchas herramientas. Anthropic lo ha entregado incluso a un fondo específico de la Linux Foundation para que se consolide como base abierta de la infraestructura de agentes.
Hasta ahora seguía faltando algo clave: servidores MCP listos, estables y seguros que conecten directamente con servicios críticos como Google Maps o BigQuery.
Para resolver este hueco, Google ha lanzado servidores MCP remotos completamente gestionados. Con ellos vas a poder conectar un agente de IA a servicios como Google Maps, BigQuery, Compute Engine o Kubernetes Engine sin desarrollar conectores a medida. En vez de semanas de integración, la idea es que solo tengas que apuntar a una URL gestionada y listo.
También te puede interesar:GitHub y Microsoft Impulsan el Estándar MCP para Conectar IA con Fuentes de DatosEn este primer lanzamiento, Google ofrece servidores MCP específicos para:
Todo esto llega alineado con el nuevo modelo Gemini 3, que apuesta por un razonamiento reforzado. La jugada de Google es clara: combinar ese razonamiento con conexiones fiables a herramientas y datos del mundo real a través de estos servidores MCP gestionados.
Hasta ahora, si querías conectar un agente de IA a una API de tu empresa o a un servicio tipo Maps, lo normal era montar un cóctel de SDKs, microservicios y autenticaciones. Los desarrolladores acababan escribiendo código “pegamento” para que el modelo llamara a las herramientas correctas, con muchos puntos débiles y problemas de escalado y gobernanza.
Con los servidores MCP gestionados de Google, ese trabajo manual se reduce drásticamente. En lugar de construir y mantener conectores, te limitas a usar un endpoint MCP estándar ya gestionado por Google. Giannini, responsable del proyecto, lo explica como que Google se encarga de “toda la fontanería” técnica, y tú solo te preocupas de lo que el agente debe hacer con los datos o servicios.
Para que lo veas claro, imagina un asistente de analítica dentro de tu empresa. En lugar de extraer datos a mano, este agente se conecta por MCP a BigQuery y lanza consultas en tiempo real. Vas a poder pedirle cosas como “compara ventas de este trimestre con el anterior” y que responda directo contra tu almacén de datos, sin pasos intermedios raros.
Otro caso habitual es un agente de operaciones (ops). A través de los servidores MCP para Compute Engine y Kubernetes Engine, ese agente puede listar máquinas, reiniciar servicios o revisar el estado de un clúster siguiendo tus políticas de acceso. Ya no hace falta que expongas scripts o paneles adicionales, porque el agente habla con los servicios de infraestructura usando el mismo estándar MCP.
Cuando un modelo como Gemini, Claude o ChatGPT “sabe” algo sobre ciudades o rutas suele basarse en conocimiento estático aprendido durante su entrenamiento. Eso significa que los datos pueden estar desactualizados y que el modelo no ve cambios recientes en negocios, carreteras o puntos de interés.
Al conectar un agente a Google Maps mediante el servidor MCP, la historia cambia por completo. El agente ya no depende de memoria antigua, sino que consulta la API de Maps en tiempo real. Así vas a poder pedirle que encuentre lugares concretos, que proponga rutas realistas o que planifique un viaje con información geográfica real, actualizada y precisa.
Piensa en algo tan cotidiano como preparar un viaje de fin de semana: el agente puede buscar alojamientos, calcular distancias entre puntos, proponer paradas intermedias y ajustar el plan si cambias de idea. Todo esto apoyado en Google Maps via MCP, no en lo que el modelo “recuerda” de cuando se entrenó.
Una de las grandes ventajas de MCP es que, al ser estándar, no se ata a un proveedor de modelo concreto. Según Giannini, cualquier servidor MCP de Google puede conectarse a cualquier cliente compatible que hable este protocolo, sin necesidad de adaptadores específicos para cada caso.
En el ecosistema de Google, ya tienes dos clientes MCP listos para empezar: Gemini CLI y AI Studio. Ambos pueden conectarse a los nuevos servidores y llamar a las herramientas que exponen. Giannini ha probado también estos servidores MCP con Claude (Anthropic) y ChatGPT (OpenAI) como clientes y confirma que funcionan sin problemas.
La expectativa de Google es que aparezcan muchos más clientes MCP en el futuro gracias a esta estandarización. En la práctica, esto significa que podrás cambiar de modelo o combinar varios sin tener que reescribir las integraciones con Maps, BigQuery o tus propias APIs corporativas.
Si estás pensando en probar estos servidores MCP gestionados, conviene tener claro su estado actual. Google los ha lanzado en modalidad de public preview, lo que implica que todavía no están totalmente cubiertos por los términos de servicio estándar de Google Cloud. Ya se consideran lo bastante maduros para que los clientes empresariales empiecen a experimentar con ellos.
Durante este periodo de vista previa pública, los servidores MCP se ofrecen sin coste adicional a las empresas que ya pagan por servicios de Google. En la práctica, si tu organización ya usa Google Maps Platform, BigQuery o Google Cloud, puedes enganchar tus agentes a estos servidores MCP sin una factura nueva específica por MCP.
Google ha anunciado que planea llevar estos servidores MCP a disponibilidad general a comienzos del próximo año y que su catálogo crecerá rápido. La idea es ir añadiendo nuevos servidores MCP de forma semanal, ampliando progresivamente los servicios cubiertos dentro de su ecosistema.
Más allá de Maps o BigQuery, la parte más estratégica para empresas está en la conexión entre MCP y Apigee, la plataforma de gestión de APIs de Google Cloud. Muchas organizaciones ya usan Apigee para emitir claves de API, definir cuotas de consumo y monitorizar el tráfico de sus aplicaciones clásicas.
Según Giannini, Apigee va a poder “traducir” una API estándar en un servidor MCP. Imagina que tienes un catálogo de productos expuesto como API interna: con esta traducción, ese catálogo pasa a ser una herramienta MCP que un agente de IA puede descubrir y usar directamente. De esta forma, tus endpoints habituales se convierten en capacidades accesibles para agentes sin rehacerlos desde cero.
La ventaja es que los controles de seguridad y gobernanza existentes en Apigee se mantienen. Las mismas cuotas, límites y reglas que hoy aplicas a aplicaciones humanas que llaman a tus APIs se aplican también a los agentes de IA que las consumen vía MCP. Eso reduce riesgos y evita montar un sistema paralelo solo para agentes.
Cuando dejas que un agente de IA toque datos sensibles o recursos de infraestructura, la seguridad se vuelve crítica. Los nuevos servidores MCP de Google no se limitan a exponer herramientas: vienen protegidos por varias capas que ya conoces del entorno de Google Cloud.
Por un lado, se integran con Google Cloud IAM (Identity and Access Management). Con IAM defines de forma explícita qué puede hacer cada agente con cada servidor MCP: qué tablas puede consultar en BigQuery, qué recursos puede gestionar en Compute Engine o qué rutas puede usar en Google Maps. Esto te permite aplicar el principio de mínimo privilegio también en el mundo de los agentes.
Por otro lado, los servidores MCP usan Google Cloud Model Armor, descrito como un cortafuegos especializado para cargas de trabajo basadas en agentes. Este sistema está pensado para defenderse de amenazas propias de la IA, como la inyección de prompts (cuando alguien intenta manipular el comportamiento del agente) o la exfiltración de datos a través de respuestas aparentemente inocentes.
Para completar el cuadro, los administradores cuentan con registros de auditoría detallados. Eso significa que puedes revisar qué ha hecho exactamente un agente a través de los servidores MCP, qué llamadas ha realizado y con qué parámetros. Esta trazabilidad ayuda tanto en seguridad como en cumplimiento normativo y resolución de incidentes.
Los primeros servidores MCP para Maps, BigQuery, Compute Engine y Kubernetes Engine son solo el principio. Google ya ha anunciado que quiere extender el soporte MCP a nuevas áreas clave dentro de su nube en los próximos meses, aumentando el abanico de cosas que un agente va a poder hacer de forma segura.
Entre los servicios previstos aparecen almacenamiento, bases de datos adicionales, sistemas de logging y monitorización y servicios de seguridad. Cuando estos nuevos servidores estén disponibles, un mismo agente de IA podría leer datos de un bucket, consultar registros de errores, ver métricas de rendimiento y actuar sobre recursos protegidos, todo a través del mismo protocolo MCP.
La idea general, como resume Giannini, es que Google se ha ocupado de “toda la fontanería” técnica. Tú no tendrás que construir integraciones desde cero cada vez que quieras que un agente llame a una API nueva de Google Cloud o a una API propia traducida vía Apigee: solo tendrás que elegir qué servidor MCP usas, qué permisos das y qué tarea quieres resolver.
Al juntar los servidores MCP gestionados con el modelo Gemini 3 y con clientes MCP como Gemini CLI, Claude o ChatGPT, Google está montando un entorno en el que vas a poder conectar agentes de IA a Google Maps, BigQuery, Compute Engine y muchos otros servicios con mucha menos fricción.
Eso abre la puerta a asistentes que planifican viajes con datos actualizados, agentes de analítica que consultan tus datos en vivo y sistemas de operaciones que gestionan infraestructura, todo apoyado en un estándar abierto, controles de seguridad maduros y una integración cada vez más amplia dentro de Google Cloud.
Me dedico al SEO y la monetización con proyectos propios desde 2019. Un friki de las nuevas tecnologías desde que tengo uso de razón.
Estoy loco por la Inteligencia Artificial y la automatización.
La Newsletter Diaria Sobre Inteligencia Artificial. Además: Portal de Noticias, Tutoriales, Tips y Trucos de ChatGpt, Openai e Inteligencia Artificial.
Nuestra web está alojada en:
