MCP para SEOs: por qué un servidor Model Context Protocol importa en la visibilidad en IA

Desde hace más o menos un año, la mitad de las herramientas SEO del mercado le han puesto "IA" a la caja y se han quedado tan anchas. MCP es la primera sigla en mucho tiempo que se merece de verdad el ruido que genera, y casi nadie en nuestro sector la está usando todavía como toca.

Aviso antes de seguir: yo construyo LLM Pulse, una plataforma de visibilidad en búsquedas con IA, y trae servidor MCP. Así que aquí soy parte interesada. Aun así voy a intentar contártelo sin trampa, incluido dónde MCP todavía cojea y dónde otras herramientas lo hacen bien.

Te explico qué es esto y por qué importa para el trabajo concreto de medir cómo aparecen las marcas en ChatGPT, Perplexity y Gemini.

Qué es MCP en realidad

MCP son las siglas de Model Context Protocol. Lo propuso Anthropic y desde entonces se ha adoptado de forma amplia en la industria, OpenAI incluido.

La versión sencilla es esta. Un LLM por su cuenta solo sabe hablar. No puede leer tu analítica, consultar tu rank tracker ni sacar las menciones de marca de la semana pasada. Para hacer algo útil con tus datos necesita un puente.

Antes de MCP, cada uno de esos puentes era a medida. Escribías un plugin para una herramienta, otra integración distinta para la siguiente, y nada era reutilizable. El mismo lío que teníamos con los conectores de datos hace quince años.

MCP es una forma estándar de exponer tus datos y tus acciones a cualquier modelo de IA que hable el protocolo. Una herramienta construye un servidor MCP. Claude lo puede usar. ChatGPT lo puede usar. Lo que uses el año que viene lo podrá usar. Una integración, muchos clientes.

Piénsalo como el USB de las herramientas de IA. Antes del USB, cada dispositivo tenía su conector. Después, un puerto y ya está. La idea es esa, y no tiene más misterio.

Para un SEO, la versión práctica es la siguiente: en vez de entrar a un panel, exportar un CSV, limpiarlo y pegarlo en una presentación, le haces una pregunta a Claude en lenguaje normal y él va a buscar la respuesta directamente en tu herramienta.

Por qué importa justo en visibilidad en IA

El reporting del SEO clásico está maduro. Tienes Looker Studio, tienes APIs, tienes una década de conectores. Funciona.

La visibilidad en IA es distinta porque el dato es más sucio y las preguntas son más difusas. No preguntas "qué posición tengo para esta keyword". Preguntas cosas como "cuál de mis competidores se ha mencionado más que yo en ChatGPT este mes, y por qué motivo".

Esas preguntas son conversacionales. Encajan fatal en un panel fijo y de maravilla en un chat que puede consultar datos en vivo.

Ahí está el encaje. La visibilidad en IA es el único subcampo del SEO donde la superficie de reporting y la de análisis quieren ser la misma ventana de chat.

Un ejemplo real de mi semana. Conecté nuestro servidor MCP a Claude y le pedí: "Compara el share of voice de estas tres marcas en ChatGPT y Perplexity en los últimos 30 días y dime qué prompts han generado las mayores diferencias". Sacó los números, hizo la comparación y escribió el resumen. Sin panel, sin exportación, sin tabla dinámica.

Antes eso era una hora de trabajo. Ahora es una frase.

Cómo funciona en la práctica

Conectas un servidor MCP a un cliente MCP. El cliente es eso con lo que ya chateas: Claude de escritorio, ChatGPT o una lista cada vez más larga. El servidor es la herramienta que expone sus datos.

Una vez conectado, el modelo ve un menú de "herramientas" que ofrece el servidor. Cada una es una acción concreta: traer menciones, sacar el share of voice, listar los prompts que sigues, sacar los accesos de crawlers para una URL, y así. El modelo elige las que necesita para responderte y las encadena.

Las buenas implementaciones usan OAuth. Entras una vez desde el navegador, das acceso y listo. Nada de copiar una API key en un archivo de configuración, nada de rotar secretos, nada de dejar credenciales en texto plano. Esto importa más de lo que parece, porque las API keys son justo por donde se filtran las integraciones.

Estas son las cosas que puedes hacer de verdad una vez montado:

• Pedir un informe de cliente en lenguaje natural y que te lo escriba, con los números sacados en vivo.
• Que el modelo vigile las caídas de sentimiento negativo y te las explique.
• Cruzar tus menciones en IA con tu tráfico de GA4 sin abrir dos pestañas.
• Montar el relato mensual de un cliente y dejar que el modelo redacte el comentario a partir de datos reales.

La última es la funcionalidad silenciosa que mata para las agencias. La parte aburrida del reporting, escribir las palabras que rodean los números, es precisamente lo que un LLM con acceso en vivo hace bien.

Qué herramientas de visibilidad en IA traen servidor MCP de verdad

Este espacio es joven, así que la respuesta honesta es: pocas, de momento. Dos merecen nombre.

LLM Pulse (la mía) trae un servidor MCP alojado con más de 45 herramientas por OAuth, y va incluido en todos los planes, también en la prueba de 14 días. Lo conectas a Claude o ChatGPT y te llevas al chat tus datos de visibilidad, menciones, sentimiento, share of voice de competencia y seguimiento de crawlers. Sin API key, sin add-on aparte, sin llamada comercial para desbloquearlo. Lo construí pronto porque creo que ahí va el reporting, y lo quería en manos de quien paga 49 € al mes, no solo de las cuentas enterprise.

Otterly.ai también trae servidor MCP, además de una API pública y una skill de Claude. Otterly es la entrada barata más honesta de la categoría, con un plan Lite de 29 $ al mes, y que hayan sacado MCP tan pronto te dice que piensan en los mismos problemas que yo. Si vas justo de presupuesto y quieres experimentar con reporting vía MCP, es un sitio la mar de razonable para empezar. Crédito para quien lo merece.

Más allá de esas dos, el soporte de MCP en este nicho es escaso. El gran actor enterprise, Profound, tiene el dato más profundo de la categoría y una API completa, que puedes conectar a tu propio agente si tienes tiempo de ingeniería. Pero un servidor MCP alojado que conectas en dos clics es otra cosa distinta a "tenemos una API, móntatelo tú".

Espero que esta lista crezca rápido. Si lees esto dentro de seis meses, vuelve a mirar, porque MCP va a ser lo mínimo exigible.

Dónde encaja LLM Pulse y dónde no

Te he prometido franqueza, así que aquí va la ubicación honesta.

Si eres una marca del IBEX o una Fortune 500 que necesita SOC 2, SSO, opciones on-premise y el dato de volumen de prompts más profundo del mercado, Profound es seguramente tu respuesta, y te lo digo a la cara. Para eso está hecho. Sin precios públicos, guiado por demo, unos pocos miles al mes, pero la profundidad es real.

Si llevas un equipo o una agencia que vive del seguimiento regional y multiidioma, Peec AI es fuerte y merece un vistazo, desde unos 89 $ al mes con asientos ilimitados. Ojo a sus modelos: incluyen tres y los extra son add-ons de pago por modelo.

Si ya pagas Ahrefs o Semrush, sus funciones de visibilidad en IA vienen dentro de la suite que ya tienes. Más superficiales que las especialistas, pero ya están en tu suscripción, y para mucha gente esa es la decisión correcta.

Donde creo que LLM Pulse se gana el sitio es en la combinación que los demás no igualan del todo a ese precio:

Precios a julio de 2026. Los precios cambian, así que comprueba la web antes de contratar.

La marca blanca es lo que destacaría para agencias. Tu logo, tus colores, tu dominio, cero marca LLM Pulse, un proyecto separado por cliente, y conector de Looker Studio más API REST para los informes que MCP no cubre. Combinado con un servidor MCP que te deja redactar esos informes conversando, eso es un ahorro de tiempo real, no una frase de folleto.

Y la analítica de tráfico de IA cuenta también aquí. Conectas GA4 o Plausible y ves las visitas, conversiones y ventas reales que te mandan ChatGPT, Perplexity y Gemini, no solo menciones. Cuando tu informe vía MCP dice "hemos subido el share of voice", lo siguiente que pregunta el cliente es "¿y eso ha traído dinero?", y ahora puedes responderlo en la misma frase.

Los peros honestos

MCP no es magia. Un par de cosas que conviene saber antes de venirte arriba.

El modelo puede malinterpretar tu pregunta y tirar de la herramienta equivocada. Pasa menos que antes, pero pasa. Sigues teniendo que revisar los números, sobre todo en lo que va a ver un cliente.

Tampoco sustituye a un panel cuando lo que quieres es mirar una línea de tendencia cada mañana. El chat es genial para preguntar y pésimo para echar un vistazo. Quieres las dos cosas, y por eso las buenas herramientas mantienen el panel y añaden MCP encima, en vez de cambiar uno por otro.

Y el ecosistema es joven. Los clientes varían en lo bien que gestionan las llamadas a herramientas de varios pasos. Claude es hoy el más maduro en esto, cosa que no sorprende sabiendo quién propuso el protocolo, pero la distancia se acorta.

Nada de esto cambia la dirección. La dirección está clara.

Hacia dónde va esto

Dentro de un año, "¿tiene servidor MCP?" será una pregunta normal en la checklist de evaluación de una herramienta, justo al lado de "¿tiene API?". Las que traigan uno bien hecho parecerán ir una década por delante de las que sigan exportando CSVs.

La capa de reporting del SEO se está disolviendo, en silencio, en una conversación. Prefiero construir para eso que fingir que no está pasando.

Si quieres probarlo, conecta un servidor MCP a Claude, hazle una pregunta que normalmente te llevaría una hora responder y mira cómo vuelve en diez segundos. Ese es el momento en que hace clic, y no hay forma de dejar de verlo.