Ir al contenido principal

Cliente MCP IA de Zendesk: nueva era del servicio con IA

Las resoluciones de servicio requieren datos, y el Protocolo de Contexto de Modelo está redefiniendo cómo los agentes de IA se conectan a todo.


Shashi Upadhyay

Shashi Upadhyay

President, Products, Engineering and AI at Zendesk

Última actualización en 17 de abril de 2026

Cliente MCP IA de Zendesk: nueva era del servicio con IA

Las interacciones de soporte al cliente dependen en gran medida de información personalizada en tiempo real, como estados de pedidos, detalles de cuentas, historial de interacciones y más. Pero hoy en día, conectar estos datos con asistentes de IA requiere APIs, un desarrollador experimentado (o dos) y largos tiempos de espera.

Por ejemplo, para renovar la suscripción de streaming de un cliente, un agente de IA necesitaría su ID de cuenta, plan de suscripción e información de facturación, detalles que podrían estar almacenados en múltiples sistemas de CRM o pago.

Recuperar estos datos requiere múltiples integraciones, pero la mayoría de los equipos de servicio carecen de la experiencia técnica para hacerlo. Esto obliga a los líderes a presupuestar tiempo y desarrolladores para comprender las APIs y los métodos de autenticación antes de poder construir la integración personalizada. Incluso si existe una integración prediseñada para un sistema, es posible que no conecte fácilmente los campos que el agente de IA necesita.

Puedes hacer que funcione, si tienes el tiempo y el dinero para invertir. Pero hay una mejor manera.

En Zendesk, nuestra misión es mejorar las experiencias del cliente con soluciones de IA más inteligentes, fáciles y adaptables. Por eso estamos incorporando el Protocolo de Contexto de Modelo (MCP) en la Plataforma de Resolución de Zendesk. El modelo de código abierto de MCP ofrece un camino simple y estandarizado hacia la integración de la IA con datos empresariales. **Con el cliente MCP IA, los agentes de IA y Copilots de Zendesk obtienen los datos relevantes en tiempo real** que necesitan para ir más allá de los modelos de lenguaje aislados, mejorar la precisión de la IA e impulsar mejores resultados para agentes y clientes.

¿Qué es un Protocolo de Contexto de Modelo (MCP)?

Los asistentes de IA pueden conectarse a herramientas externas con APIs, pero esto a menudo requiere integraciones personalizadas únicas con extensibilidad y escalabilidad limitadas. El Protocolo de Contexto de Modelo (MCP), presentado por Anthropic, cambia esto. Es un marco estándar y abierto que brinda a los asistentes de IA una forma simple y unificada de acceder e interactuar con datos externos.

Piensa en MCP como tu conserje personal. Para integrar un sistema de servicio y CRM hoy, necesitarías revisar documentos de desarrollador y descubrir cómo conectar tus datos. Cada punto de datos (ej. ID de cuenta, plan de suscripción, etc.) también podría requerir una integración API separada. Si bien las APIs son flexibles, evolucionan con el tiempo, lo que requiere que los administradores estén atentos a nuevos cambios y capacidades. Esta no es la era de "configúralo y olvídalo".

Integrando con APIs vs integrando con MCP

Pero, ¿qué pasaría si tuvieras un conserje personal que hiciera todo este trabajo por ti? A diferencia de las APIs, las integraciones MCP solo necesitan configurarse una vez. Y una vez que se establece una conexión, los asistentes de IA pueden usar MCP para acceder a capacidades nuevas y existentes dentro de un sistema, sin necesidad de configuración adicional. Este proceso simplificado reduce la cantidad de tiempo y recursos invertidos en integraciones personalizadas. Mejor aún, también ayuda a los agentes y copilots de IA a alcanzar decisiones más inteligentes y rápidas sin perder contexto.

¿Cómo funciona MCP?

MCP utiliza un modelo "cliente-servidor" para seguir un proceso simple de cuatro pasos:

  1. Solicitud del cliente: El agente de IA, o copilot, identifica la información necesaria para completar la solicitud de un cliente.
  2. Solicitud MCP: El asistente de IA envía una solicitud a un cliente MCP, pidiendo los datos necesarios o solicitando que se complete una acción externamente.
  3. Recuperación de datos: El cliente MCP transmite la solicitud a un sistema externo (ej. un CRM) a través de su servidor MCP.
  4. Respuesta del servidor: El servidor devuelve información al cliente, quien la entrega de vuelta al asistente de IA para informar su próxima respuesta.
Diagrama del flujo de trabajo del cliente MCP IA

En este caso, los clientes MCP actúan como un puente entre plataformas anfitrionas, como Zendesk, y servidores externos, permitiendo a los asistentes de IA enviar y recibir información desde una única interfaz. Este enfoque modular garantiza que los asistentes de IA siempre tengan conciencia del contexto sin una gran participación de desarrolladores, mejorando tanto la escalabilidad como el mantenimiento.

¿Cómo MCP está marcando la siguiente era de agentes de IA?

A diferencia de los marcos propietarios, que pueden estar aislados y ser difíciles de escalar, el modelo de código abierto de MCP está en constante evolución. Y con sus integraciones estandarizadas, los agentes de IA pueden recuperar, actualizar e interactuar sin esfuerzo con datos de cualquier sistema que tenga un servidor MCP. Esto transforma a los agentes de IA en motores de resolución dinámicos que pueden personalizar conversaciones de forma autónoma con información fresca y relevante.

Esto ofrece oportunidades infinitas tanto para agentes de IA como para administradores. Más específicamente:

  • Mayor eficiencia operativa: Los administradores pueden configurar un cliente MCP una vez y usarlo para acceder continuamente a cientos de acciones y puntos de datos. Esto les brinda mayor control sobre sus asistentes de IA y libera capacidad tanto para administradores como para desarrolladores.
  • Resolver más problemas de forma autónoma, más rápido: MCP brinda a los agentes de IA acceso a un conjunto más amplio y extenso de acciones, permitiéndoles realizar tareas que tradicionalmente requerían intervención humana. Ahora, los agentes impulsados por MCP pueden acceder instantáneamente a las herramientas que necesitan, mejorando la precisión de la IA, reduciendo la carga de trabajo de los agentes y acelerando el tiempo de resolución.
  • Innovación acelerada en servicio: Cada vez que los clientes y servidores MCP se conectan, los servidores pueden promover nuevas acciones a los agentes de IA. Con el tiempo, los agentes se vuelven capaces de resolver problemas de formas creativas, dentro de límites establecidos. A medida que los agentes de IA evolucionan, los administradores pueden pasar menos tiempo construyendo integraciones y procedimientos, y más tiempo innovando experiencias del cliente de primer nivel.

Por ejemplo, un cliente que busca una mezcla de café específica podría preguntarle a un agente de IA si está disponible para envío inmediato. Tradicionalmente, un agente de IA ofrecería información general de envío, pero con MCP, el agente de IA puede consultar el sistema de gestión de inventario, confirmar disponibilidad de stock y sugerir productos alternativos si el artículo está agotado. También puede configurar el envío y establecer el seguimiento del paquete. Esto no solo resuelve instantáneamente el problema del cliente, sino que ofrece información precisa que conduce a un resultado generador de ingresos, todo sin intervención humana.

El futuro de los MCP en el servicio basado en IA

Como líderes en servicio impulsado por IA, Zendesk cree que MCP es fundamental para construir asistentes de IA más inteligentes y conectados. Desde que Anthropic lanzó por primera vez el estándar MCP, hay cientos de servidores MCP con más poniéndose en línea cada día. Por eso pronto lanzaremos un nuevo Cliente MCP de Zendesk para agentes de IA y Copilot.

Con este lanzamiento, los administradores de Zendesk pueden crear acciones personalizadas de cliente MCP con servidores MCP y usarlas con Copilot, agentes de IA y flujos de trabajo de Action Builder. Por ejemplo, para automatizar un flujo de trabajo de CRM integrado, los administradores simplemente crean una Acción Personalizada, seleccionan el servidor CRM al que desean conectarse y seleccionan una acción o capacidad de una lista de herramientas disponibles. Desde ahí, pueden hacer referencia a la acción en un flujo de acciones. Cada vez que se activa el flujo, la integración se procesa a través del Cliente MCP de Zendesk, que utiliza el servidor MCP del CRM para obtener los datos necesarios y devolverlos al agente de IA o Copilot para informar sus respuestas.

Interfaz del cliente MCP de Zendesk y Action Builder

*Cliente MCP de Zendesk y Action Builder. Las imágenes pueden diferir del producto final.

Para estar entre los primeros en acceder anticipadamente, los clientes pueden unirse a la lista de espera del EAP del Cliente MCP. Y para conocer más sobre las últimas innovaciones de Zendesk, regístrate en el AI Summit 2025.

Shashi Upadhyay

Shashi Upadhyay

President, Products, Engineering and AI at Zendesk

Shashi Upadhyay is Zendesk’s President of Product, Engineering, and AI, responsible for developing innovative products that leverage advanced AI. With a proven track record of creating transformative solutions, he combines a deep understanding of AI's potential for business transformation with a strong commitment to customer-centric design.