Blank white background with no objects or features visible.

¡Hola, EMEA! TrueFoundry está ampliando su presencia en Europa, Oriente Medio y África. Leer más →

Series TrueFoundry Accelerator: Consultar datos estructurados y no estructurados sin problemas con herramientas MCP

Por Rishiraj Dutta Gupta

Actualizado: November 3, 2026

Published: April 20, 2026

En las empresas modernas, los datos viven en silos. Los registros de CRM, las cifras de ventas o los logs son estructurados y residen en bases de datos; los informes de investigación, los comentarios de los clientes y las notas de campo no están estructurados y residen en repositorios de documentos. Para dar sentido a ambos, los equipos suelen pasar horas creando conectores, pipelines y scripts de análisis.

Pero, ¿y si pudieras unificar todo eso con una sola capa (un Model Control Plane (MCP)) y consultar cualquier elemento utilizando lenguaje natural?

Te damos la bienvenida a la nueva forma de trabajar con los datos: consultar fuentes estructuradas y no estructuradas a través de herramientas MCP.

¿Qué es un MCP?

Un Model Control Plane (MCP) actúa como puente entre tu agente de AI y las herramientas externas o sistemas de datos con los que interactúa. Puedes pensar en el MCP como el «sistema operativo» para tus herramientas de AI: define a qué puede acceder la AI, cómo y bajo qué contexto.

Cada MCP se conecta a una capacidad específica; puede ser un conector de base de datos para datos estructurados que utiliza database sharding para gestionar conjuntos de datos en crecimiento, un recuperador de documentos o incluso un ejecutor de código.

Por ejemplo: - 

  • Herramienta Text-to-SQL → Consulta bases de datos estructuradas. 
  • Herramienta RAG → Recupera información de repositorios de documentos no estructurados. 
  • Ejecutor de código → Ejecuta lógica de análisis (como Python) de forma dinámica.

Una vez interconectados, puedes preguntar literalmente: > «Enumera los 5 principales HCP por calificación de prioridad y resume su enfoque en oncología a partir de nuestros informes internos».

El sistema automáticamente: 

1. Genera SQL para consultar la base de datos sobre los principales HCP. 

2. Obtiene informes centrados en oncología a través de RAG. 

3. Combina y resume ambos resultados.

Construir un MCP sobre datos estructurados y no estructurados

Veamos cómo funciona esto utilizando como ejemplo la configuración de Sales Rep-Co Accelerator.

1. Utilizaremos un servicio MCP Sales Rep-Co ya desplegado

Comienzas desplegando el servicio Sales Rep-Co como un MCP en TrueFoundry. 

Necesitarás acceso al tenant de demostración de TrueFoundry.

- Asegúrate de que el servicio esté activo y de que el pod se esté ejecutando. 

- Reanúdalo si está en pausa o reinícialo a través de Endpoint/Credentials si está en apagado automático. 

- Si no está desplegado, puedes ponerlo en marcha desde la UI de TrueFoundry o de forma local utilizando la configuración proporcionada.

Una vez desplegado, tendrás un endpoint como: https://tfy-eo.truefoundry.cloud/deployments/{deployment_id}?tab=pods

2. Conéctalo al AI Gateway

Dentro del AI Gateway de TrueFoundry, ve a: > AI Gateway → MCP Servers → + (Add MCP)

Busca o añade tu MCP sales-repco-accelerator.
Una vez conectado: - Activa la casilla a on - Haz clic en Enable All Tools.


Tu MCP ahora tiene acceso a herramientas de datos estructurados (SQL) y no estructurados (documentos).

3. Consultar ambos mundos con un solo prompt

Con tu MCP activo y conectado, puedes consultar datos estructurados y no estructurados conjuntamente, todo mediante lenguaje natural.
Aquí tienes algunos ejemplos:

Consulta

Qué ocurre internamente

¿Cuáles son los 5 principales HCP por calificación de prioridad?

Text-to-SQL consulta la base de datos estructurada de HCP.

Enumera los médicos centrados en oncología y redacta un breve resumen haciendo referencia al informe sobre organotropismo metastásico.

SQL obtiene los detalles de los médicos → RAG obtiene y resume el texto del informe → Redacta una respuesta por correo electrónico.

Analiza la distribución de las calificaciones de prioridad de los HCP en el departamento de oncología.

SQL + ejecutor de código Python generan y visualizan la información.

Incluso puedes ampliar esta configuración añadiendo más herramientas MCP para analítica, visualización o API personalizadas.

Por qué es importante

Los flujos de trabajo tradicionales de acceso a datos empresariales requieren: - Pipelines ETL, - Dashboards de BI, - Coordinación manual entre analistas y usuarios de negocio. Con la consulta basada en MCP: - Reduces el cambio constante entre herramientas. - Consultas todo a través de una sola interfaz. - Conectas datos estructurados y no estructurados de forma nativa. Esto es más que una simple comodidad: es la forma en que debe funcionar la toma de decisiones basada en datos.

Una mirada hacia el futuro

A medida que los equipos crean más MCP (para analítica, RAG, CRM e incluso herramientas SaaS externas), empieza a emerger un ecosistema multiagente. Cada agente se especializa en su dominio (por ejemplo, experto en SQL, resumidor, redactor de correos electrónicos) y el AI Gateway los orquesta a través de los MCP. Nos dirigimos hacia un mundo donde los sistemas de datos de tu empresa no son dashboards estáticos, sino entidades vivas que consultan y razonan.

Conclusión

Al combinar consultas estructuradas (SQL), recuperación no estructurada (RAG) y lógica de ejecución (Python) dentro de un MCP, permites que un agente responda preguntas complejas y de múltiples dominios al instante. Tanto si eres científico de datos, líder de ventas o arquitecto empresarial, construir una capa MCP sobre tus sistemas de datos es el primer paso hacia un acceso a los datos verdaderamente inteligente.

Try now.

One gateway for all your models, MCP servers, and agents. No credit card needed.

Inscríbase
Tabla de contenido

Controle, implemente y rastree la IA en su propia infraestructura

Reserva 30 minutos con nuestro Experto en IA

Reserve una demostración

La forma más rápida de crear, gobernar y escalar su IA

Demo del libro
Summarize with
ChatGPT logo by OpenAI
Perplexity AI logo
Blurry red snowflake on white background, symmetrical frosty design with soft edges and abstract shape.

Descubra más

October 5, 2023
|
5 minutos de lectura

<Webinar>GenAI Showcase para empresas

Best Fine Tuning Tools for Model Training
May 3, 2024
|
5 minutos de lectura

Las 6 mejores herramientas de fine-tuning para el entrenamiento de modelos en 2026

May 25, 2023
|
5 minutos de lectura

LLMs de código abierto: Adaptarse o perecer

August 27, 2025
|
5 minutos de lectura

Mapeo del mercado de IA en local: de los chips a los planos de control

November 10, 2026
|
5 minutos de lectura

Taking TrueFoundry Global: Expanding Enterprise AI Infrastructure Across EMEA

No se ha encontrado ningún artículo.
November 6, 2026
|
5 minutos de lectura

Guardrails for Claude: PII Redaction and Prompt-Injection Defense

No se ha encontrado ningún artículo.
November 6, 2026
|
5 minutos de lectura

Caché de prompts de Claude: la matemática real del coste

No se ha encontrado ningún artículo.
November 6, 2026
|
5 minutos de lectura

Claude vs ChatGPT para empresas: seguridad, coste y control

No se ha encontrado ningún artículo.
No se ha encontrado ningún artículo.

Blogs recientes

Black left pointing arrow symbol on white background, directional indicator.
Black left pointing arrow symbol on white background, directional indicator.
Realice un recorrido rápido por el producto
Comience el recorrido por el producto
Visita guiada por el producto