MCP Gateway de Uber: 800 servidores MCP y 5.000 herramientas que convierten tus APIs en agentes IA

Uber ya no discute si MCP será el estándar para conectar agentes IA con sistemas reales: ha desplegado MCP Gateway, una plataforma interna con más de 800 servidores MCP y 5.000 herramientas operativas que expone sus APIs como herramientas consumibles por agentes, sin reescribir sus backends. Según la nota publicada por GeekNews ES, el sistema combina un MCP Registry (búsqueda, titularidad y activación), un Proxy Gateway que traduce peticiones MCP a HTTP, gRPC y TChannel, y un AutoCrawler que descubre herramientas automáticamente.

TL;DR: Uber ha industrializado MCP con un gateway que expone 800 servidores y 5.000 herramientas sobre sus APIs heredadas sin tocarlas. Esto valida MCP como capa de integración real para agentes IA en empresas grandes, no como juguete de demo. La pregunta para cualquier CTO ya no es "¿adoptamos MCP?", sino cuánto tardarán sus proveedores y sus agencias de IA en tener un registro equivalente.

Lo que realmente ha construido Uber (y lo que no)

Conviene separar el titular del contenido. Uber no ha presentado un producto comercial: ha publicado la arquitectura de una plataforma interna. MCP Gateway no genera herramientas nuevas, no entrena modelos y no vende agentes. Lo que hace es actuar de plano de control entre el protocolo MCP y la maraña de servicios que Uber ya tenía: APIs REST, endpoints gRPC y sustratos internos como TChannel. El Proxy Gateway se encarga de traducir cada llamada MCP en la llamada nativa correspondiente, sin modificar el backend.

El MCP Registry añade la capa que casi todo el mundo ignora cuando hace demos: gobernanza. Búsqueda federada de herramientas, asignación de titularidad por equipo y activación selectiva. Traducido a lenguaje de comité de dirección: quién es dueño de cada herramienta expuesta a un agente, quién responde si un LLM la invoca mal, y cómo se revoca el acceso cuando alguien rota de equipo. En la mayoría de pilotos de agentes IA que vemos en empresas españolas, este registro simplemente no existe.

El tercer componente, AutoCrawler, es el más ambicioso y el más frágil. Descubrir herramientas automáticamente a partir de APIs existentes suena a solución mágica al problema del inventario, pero también abre la puerta a exponer endpoints que nadie quería convertir en superficie de ataque para un agente. Uber tiene equipos de plataforma para auditar ese catálogo; una empresa mediana, no.

Por qué MCP deja de ser un experimento de laboratorio

Hasta ahora, MCP vivía en tres sitios: demos de Anthropic, wrappers de Claude Desktop y notas técnicas de ingenieros con tiempo libre. La adopción empresarial chocaba con un problema trivial de contar: cada equipo construía sus propios servidores MCP, sin registro, sin versionado y sin permisos. El resultado eran silos de herramientas que se rompían en cuanto un agente cambiaba de modelo o de runtime.

Lo que Uber aporta no es la idea —el protocolo es abierto y cualquiera puede implementarlo— sino la evidencia de que se puede operar a escala. 800 servidores MCP no es una demo de fin de semana. Es una factoría. Y esa cifra importa porque desactiva la objeción más repetida en comités técnicos: "MCP no está probado en producción a gran escala". Ya lo está, al menos en una empresa con la complejidad operativa de Uber.

Para el ecosistema español, donde las agencias IA en Madrid y las agencias IA en Barcelona están saturadas de despliegues de agentes sobre CRM y ERP, esto cambia la conversación. Ya no se trata de construir un servidor MCP por cada integración puntual, sino de diseñar un registro interno que cualquier agente pueda consumir con permisos claros. La consultoría IA que no sepa explicar la diferencia entre un servidor MCP aislado y un gateway con registro va a quedar fuera de las licitaciones serias en 2027.

El problema que nadie quiere mirar: latencia y coste de traducción

El Proxy Gateway de Uber traduce MCP a HTTP, gRPC y TChannel. Cada salto añade latencia. En un flujo conversacional con un agente de voz o un copiloto en tiempo real, milisegundos acumulados se convierten en percepciones de torpeza. Uber no ha publicado benchmarks públicos de latencia extremo a extremo, y esa ausencia es una señal: probablemente el coste existe y está asumido como precio de la estandarización.

A nivel de coste de cómputo, la arquitectura es razonablemente eficiente: delegar en el backend original significa que no se duplica lógica de negocio ni se ejecuta inferencia adicional para "traducir". Pero el registro y el crawler sí consumen ciclos: indexar 5.000 herramientas, resolver titularidad y decidir activación no es gratis. Una organización que replique este patrón sin una plataforma interna madura acabará pagando más en gobernanza que en inferencia.

Comparado con el enfoque de otras grandes tecnológicas, este movimiento posiciona a Uber por delante de muchos proveedores SaaS en algo poco sexy pero decisivo: exponer su propio producto como herramienta agent-friendly sin depender de un partner externo. Es el mismo patrón que Google ha empezado a esbozar con sus agentes Gemini y memoria persistente, pero aterrizado sobre una empresa cuyo negocio no es vender IA.

Tabla comparativa: patrones de integración de agentes IA

Patrón	Coste de mantenimiento	Latencia típica	Gobernanza	Encaje real
Servidores MCP ad-hoc por equipo	Alto (duplicación)	Baja	Casi nula	Pilotos, POCs
MCP Gateway con registro (estilo Uber)	Medio (centralizado)	Media	Alta	Empresas con >50 tools
Function calling propietario por LLM	Alto (lock-in)	Baja	Media	Productos single-vendor
Wrappers REST sin protocolo	Bajo al inicio, explosivo después	Variable	Nula	Startups sin agentes reales

La lectura para un CTO es directa: si tu roadmap de agentes autónomos supera las 30-40 herramientas internas, el patrón ad-hoc colapsa. Antes de llegar a 100, necesitas registro, titularidad y revocación. Uber no ha inventado la rueda, pero ha demostrado que la rueda aguanta el peso.

Implicaciones para el ecosistema de agencias en España y LatAm

El mercado hispanohablante de integración de IA vive todavía en la fase del wrapper. Muchas llamadas "agencias IA" entregan agentes que consultan un CRM y responden en lenguaje natural, con un servidor MCP construido a mano para cada cliente. Es un modelo de negocio rentable a corto plazo y frágil a medio: cada cambio de API obliga a reescribir el servidor, cada nuevo agente exige otro wrapper, y el cliente acaba con cinco agentes que no comparten inventario de herramientas.

La propuesta de Uber apunta a un salto de categoría: pasar de construir servidores a construir plataformas. Para las agencias de IA en Valencia o Sevilla que atienden industrias tradicionales, esta distinción es la diferencia entre facturar horas de integración y vender licencias de plataforma. La primera escala con esfuerzo lineal. La segunda, no.

Hay un riesgo que conviene nombrar: MCP Gateway es un patrón, no un producto descargable. Uber no lo va a licenciar. Eso significa que cada CTO que quiera replicarlo tiene que construirlo o comprarlo. Ahí es donde entra la integración de IA como servicio real, no como etiqueta comercial. El que sepa levantar un registro MCP con permisos granulares durante el próximo año cobrará bastante más que el que solo sepa hacer demos con Claude o GPT.

El punto ciego de la arquitectura: seguridad y evaluación

Exponer 5.000 herramientas a agentes no es neutral. Cada herramienta es una superficie de ejecución. Uber no detalla en la nota cómo se evalúan las invocaciones inseguras, si hay sandbox por agente, ni cómo se audita un prompt injection que intente encadenar varias herramientas para exfiltrar datos. La arquitectura está descrita desde el punto de vista de la ingeniería de plataforma, no desde el de seguridad.

Ese hueco importa. Anthropic ha admitido públicamente que desconecta internet en sus evals internas de agentes porque no controla el comportamiento emergente. Meta y Google tienen equipos enteros dedicados a este problema. Uber está exponiendo un catálogo enorme sin publicar —al menos en esta nota— la capa de control correspondiente. Un CTO prudente asumirá que existe internamente, pero no debe copiar el patrón sin diseñar esa capa antes de abrir el registro a la organización.

La otra pregunta abierta es la evaluación. ¿Cómo sabe Uber que una herramienta MCP concreta sigue funcionando después de un refactor del backend? El AutoCrawler descubre, pero no necesariamente verifica. En integraciones cliente-empresa, este es el punto donde más incidentes ocurren: el agente invoca una herramienta que devuelve 200 OK con datos obsoletos.

Predicción: el gateway se convertirá en producto de plataforma en 2027

La lectura estratégica de este anuncio no es "Uber hace MCP". Es que Uber ha construido, probablemente sin querer, el producto que Anthropic, Microsoft y Databricks van a tener que ofrecer tarde o temprano: un registro MCP empresarial con proxy, permisos y descubrimiento. Si MCP sigue creciendo como estándar de facto, alguien empaquetará este patrón como software. Y quien lo haga primero se llevará una categoría que hoy no existe pero que en 18 meses será tan obvia como lo fueron los API gateways en 2015.

Uber ha abierto el camino, gratis, para el resto del mercado. Las agencias que entiendan que el valor no está en construir agentes sino en construir la infraestructura sobre la que corren, tendrán una ventaja difícil de replicar. Las que sigan vendiendo wrappers MCP a mano, descubrirán en dos años que su margen se ha evaporado. La pregunta real para un CTO no es cuándo adoptar MCP, sino cuándo empezar a diseñar el registro que su empresa va a necesitar sí o sí.

Preguntas frecuentes sobre MCP Gateway y agentes IA empresariales

¿Qué es MCP Gateway exactamente?

Es la plataforma interna que Uber ha construido para unificar cómo sus agentes IA acceden a herramientas. Combina tres piezas: un MCP Registry para buscar, asignar titularidad y activar herramientas; un Proxy Gateway que traduce las llamadas MCP en llamadas HTTP, gRPC o TChannel sin modificar los backends originales; y un AutoCrawler que descubre herramientas automáticamente a partir de las APIs existentes. En total, según la nota original, soporta más de 800 servidores MCP y 5.000 herramientas.

¿Cuánto cuesta replicar este patrón en una empresa mediana?

Uber no ha publicado cifras. Pero el coste no es principalmente de cómputo: es de plataforma. Necesitas un equipo que construya el registro, defina titularidad, gestione permisos y audite el catálogo. Una empresa con más de 50 herramientas internas debería presupuestar entre 6 y 12 meses de ingeniería dedicada antes de abrir el registro a los equipos de producto. Sin esa inversión, el patrón ad-hoc será más barato pero se romperá al escalar.

¿Puedo usar MCP Gateway de Uber en mi empresa?

No. No es un producto licenciable, es una arquitectura interna que Uber ha descrito públicamente. Puedes replicar el patrón con implementaciones propias o con herramientas emergentes de plataformas como Anthropic, Microsoft o Databricks, pero ninguna de ellas ofrece todavía un registro MCP empresarial completo. Lo que sí puedes hacer es adoptar MCP como protocolo hoy y reservar espacio presupuestario para construir el registro el próximo año.

¿MCP Gateway resuelve la latencia en agentes de producción?

No. Cada traducción MCP a HTTP, gRPC o TChannel añade milisegundos. Uber no ha publicado benchmarks públicos de latencia extremo a extremo, lo que sugiere que existe un peaje asumido como coste de la estandarización. Para agentes conversacionales en tiempo real, conviene medir el impacto antes de asumir que la arquitectura es transparente para el usuario final.

¿Cuándo conviene migrar de servidores MCP aislados a un gateway con registro?

El umbral práctico está entre 30 y 50 herramientas internas expuestas a agentes. Por debajo, el coste de gobernanza del gateway no se justifica. Por encima, el patrón ad-hoc produce duplicación, sin titularidad clara y con servidores que se rompen al primer cambio de API. Si tu roadmap de agentes IA incluye más de 100 herramientas en los próximos 18 meses, empieza a diseñar el registro antes de que el problema sea visible en producción.

Temas relacionados en agentes.ai

Si quieres aplicar lo que lees en tu empresa, estos son puntos de partida útiles dentro de agentes.ai:

• Directorio de agencias de agentes de voz
• Agencias de IA en Málaga y en Bogotá
• Explora el directorio completo de agencias de IA
• Sigue las últimas noticias de IA en tiempo real