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

Diseñado para la velocidad: ~ 10 ms de latencia, incluso bajo carga
¡Una forma increíblemente rápida de crear, rastrear e implementar sus modelos!
- Gestiona más de 350 RPS en solo 1 vCPU, sin necesidad de ajustes
- Listo para la producción con soporte empresarial completo
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.
TrueFoundry AI Gateway ofrece una latencia de entre 3 y 4 ms, gestiona más de 350 RPS en una vCPU, se escala horizontalmente con facilidad y está listo para la producción, mientras que LitellM presenta una latencia alta, tiene dificultades para superar un RPS moderado, carece de escalado integrado y es ideal para cargas de trabajo ligeras o de prototipos.

















.png)
.png)
.png)

.webp)
.webp)
.png)

.png)
.png)
.png)
.png)
.png)
.webp)
.webp)

.png)





