145 Herramientas, 17 Skills, 3 Sistemas, Una Sesión: Dentro del Ecosistema MCP que Impulsa R2-CX

¿Qué Es el Ecosistema MCP?

El Model Context Protocol (MCP) es la capa de interfaz entre el motor de razonamiento de IA de R2-CX y los sistemas empresariales que opera. Cada servidor MCP expone un conjunto de herramientas que la IA puede llamar con parámetros estructurados y recibir respuestas estructuradas. Piensa en ello como una API tipada diseñada específicamente para agentes de IA: cada herramienta tiene un schema, cada parámetro tiene validación y cada respuesta sigue un formato predecible.

La plataforma JedIN ejecuta 14 servidores MCP cubriendo SAP, Microsoft, Salesforce y sistemas propietarios. Tres de estos servidores están validados en producción con 145 herramientas y 17 skills que han sido probados contra sistemas en vivo con datos reales. Este post documenta los resultados completos de validación de una campaña de pruebas que ejecutó 35 escenarios de prueba con tasa de aprobación del 100%.

Los Tres Servidores MCP de Producción

MCP C4C (Puerto 3333) -- 19 Herramientas

El servidor MCP de SAP Cloud for Customer es único en el ecosistema porque usa automatización de navegador Playwright (v1.59.1) en lugar de llamadas de API. SAP C4C no expone sus capacidades de configuración y fine-tuning a través de APIs externas, así que R2-CX controla un navegador Chromium headless para interactuar con la UI de C4C exactamente como lo haría un consultor humano.

Inventario Completo de Herramientas:

Herramienta	Categoría	Descripción
c4c_login	Autenticación	Login completo en navegador con entrada de credenciales y establecimiento de sesión
c4c_navigate	Navegación	Navegar a cualquier work center o vista de C4C por nombre o ruta
c4c_click	Interacción	Clic en cualquier elemento de UI por selector, texto o etiqueta de accesibilidad
c4c_type	Interacción	Escribir texto en campos de entrada con enfoque automático
c4c_screenshot	Evidencia	Capturar screenshots de página completa o de elementos específicos
c4c_evaluate	Avanzado	Ejecutar JavaScript en el contexto del navegador (OData de mismo origen vía fetch)
c4c_adaptation_mode	Configuración	Alternar modo de adaptación/personalización de C4C
c4c_create_field	Configuración	Crear campos de extensión personalizados en objetos de negocio
c4c_fine_tuning	Configuración	Navegar y modificar secciones de configuración de fine-tuning
c4c_open_config_section	Configuración	Abrir sección específica de fine-tuning por ruta
c4c_read_table	Datos	Extraer datos tabulares de la UI actualmente visible
c4c_fill_form	Interacción	Llenar múltiples campos de formulario en una sola operación
c4c_select_option	Interacción	Seleccionar valores de dropdown, radio buttons, checkboxes
c4c_wait	Control	Esperar condiciones específicas de UI (elemento visible, texto presente)
c4c_scroll	Navegación	Desplazar dentro de contenedores para cargar contenido renderizado bajo demanda
c4c_get_page_info	Inspección	Extraer título de la página actual, URL y resumen de elementos visibles
c4c_close_dialog	Interacción	Cerrar diálogos modales y popups
c4c_generate_absl	Generación de Código	Generar código ABSL desde 6 templates (validation, calculation, visibility, approval, deduplication, territory)
c4c_analyze	Análisis	Ejecutar engines de análisis: data_quality, config_completeness, full_audit, report

La herramienta c4c_analyze ejecuta cuatro tipos distintos de análisis:

• data_quality: Puntúa la calidad de datos a través de objetos de negocio (score: 0-100, resultado de benchmark: 95/100 en pruebas)
• config_completeness: Evalúa qué tan completamente se ha configurado C4C (resultado de benchmark: 88/100)
• full_audit: Auditoría integral del sistema cubriendo seguridad, configuración y datos (resultado de benchmark: 70/100)
• report: Genera un informe ejecutivo en markdown de 4,000+ caracteres con scores, hallazgos y recomendaciones

Benchmarks de Rendimiento (C4C) -- Medidos desde sesiones de prueba:

Herramienta	Tiempo Promedio de Respuesta	Notas
c4c_login	~9,600ms	Flujo completo de autenticación en navegador
c4c_navigate	1-515ms	Varía por complejidad de página
c4c_evaluate	4ms	Ejecución de JavaScript en contexto del navegador
c4c_generate_absl	2ms	Generación de código basada en templates
c4c_screenshot	~180ms	Captura y codificación PNG
c4c_open_config_section	109ms-4,900ms	Varía por profundidad de sección
c4c_analyze	1,200-3,800ms	Depende del tipo de análisis

MCP CPI (Puerto 3335) -- 47 Herramientas

El servidor MCP de SAP Cloud Platform Integration comunica vía APIs OData, proporcionando acceso completo al plano de gestión de CPI. Este servidor cubre gestión de paquetes, CRUD de artefactos, operaciones de credenciales, monitoreo y despliegue.

Categorías de Herramientas:

Categoría	Cantidad	Herramientas Principales
Autenticación	1	cpi_login
Gestión de Paquetes	6	cpi_list_packages, cpi_get_package, cpi_create_package, cpi_update_package, cpi_delete_package, cpi_export_package
Gestión de Artefactos	8	cpi_list_artifacts, cpi_get_artifact, cpi_create_artifact, cpi_update_artifact, cpi_delete_artifact, cpi_download_artifact, cpi_upload_artifact, cpi_copy_artifact
Despliegue	4	cpi_deploy_artifact, cpi_undeploy_artifact, cpi_get_deploy_status, cpi_list_deployed
Monitoreo	7	cpi_get_message_logs, cpi_get_message_details, cpi_get_error_info, cpi_get_runtime_status, cpi_get_performance_metrics, cpi_get_trace, cpi_set_trace_level
Credenciales	5	cpi_list_credentials, cpi_get_credential, cpi_create_credential, cpi_update_credential, cpi_delete_credential
Certificados	4	cpi_list_certificates, cpi_get_certificate, cpi_upload_certificate, cpi_delete_certificate
Recursos	4	cpi_list_resources, cpi_get_resource, cpi_upload_resource, cpi_delete_resource
Configuración	3	cpi_get_config, cpi_update_config, cpi_list_adapters
Utilidades	5	cpi_search, cpi_get_system_info, cpi_list_event_types, cpi_get_properties, cpi_validate_artifact

El servidor MCP CPI logra paridad cercana al 100% con las capacidades del SAP CPI Web IDE. Cada operación que un consultor realizaría a través del tooling basado en navegador de CPI puede ejecutarse programáticamente a través de estas 47 herramientas.

MCP JedIN (Puerto 3334) -- 79 Herramientas + 11 Skills

El servidor MCP JedIN es el más grande del ecosistema, proporcionando gestión completa de la plataforma a través de llamadas REST API. Cubre todo, desde diseño de flujos hasta despliegue, monitoreo y administración de tenant.

Categorías de Herramientas:

Categoría	Cantidad	Herramientas Principales
Autenticación	2	jedin_login, jedin_refresh_token
Gestión de Flujos	12	jedin_list_flows, jedin_get_flow, jedin_create_flow, jedin_update_flow, jedin_delete_flow, jedin_publish_flow, jedin_deploy_flow, jedin_undeploy_flow, jedin_execute_flow, jedin_get_flow_status, jedin_export_flow, jedin_import_flow
Gestión de Paquetes	6	jedin_list_packages, jedin_get_package, jedin_create_package, jedin_update_package, jedin_delete_package, jedin_export_package
Gestión de Conexiones	6	jedin_list_connections, jedin_get_connection, jedin_create_connection, jedin_update_connection, jedin_delete_connection, jedin_test_connection
Gestión de Credenciales	5	jedin_list_credentials, jedin_get_credential, jedin_create_credential, jedin_update_credential, jedin_delete_credential
Monitoreo	8	jedin_get_execution_metrics, jedin_list_executions, jedin_get_execution, jedin_get_execution_logs, jedin_get_system_health, jedin_get_performance, jedin_list_alerts, jedin_acknowledge_alert
Tenant y Usuarios	6	jedin_get_tenant_info, jedin_update_tenant, jedin_list_users, jedin_get_user, jedin_create_user, jedin_update_user
Marketplace	5	jedin_list_marketplace, jedin_get_marketplace_item, jedin_install_marketplace, jedin_rate_marketplace, jedin_search_marketplace
Artefactos	8	jedin_list_artifacts, jedin_get_artifact, jedin_create_artifact, jedin_update_artifact, jedin_delete_artifact, jedin_get_artifact_content, jedin_update_artifact_content, jedin_list_artifact_versions
Asistencia de Código	10	Templates, tipos de nodos, patrones de conectores, validación de código, generación de código
Schema	4	jedin_parse_schema, jedin_list_schemas, jedin_validate_schema, jedin_transform_schema
Utilidades	7	jedin_search, jedin_get_changelog, jedin_get_audit_log, jedin_get_feature_flags, jedin_get_system_info, jedin_get_documentation, jedin_get_connector_info

11 Skills (Operaciones de Nivel Superior):

Los Skills combinan múltiples llamadas de herramientas en workflows guiados:

Skill	Herramientas Usadas	Descripción
create-rest-integration	4-6 herramientas	Crear un flujo completo de integración REST-to-REST
create-file-integration	4-6 herramientas	Crear integración basada en archivos (SFTP, S3)
create-event-integration	3-5 herramientas	Crear integración orientada a eventos con webhooks
create-sap-integration	5-8 herramientas	Crear integración específica SAP (RFC, IDoc, OData)
get-connector-info	1-2 herramientas	Recuperar documentación detallada de conectores
diagnose-flow	3-5 herramientas	Diagnosticar un flujo en fallo con análisis de logs
optimize-flow	2-4 herramientas	Sugerir optimizaciones de rendimiento para un flujo
migrate-cpi-flow	4-8 herramientas	Migrar un iFlow de CPI a formato JedIN
setup-monitoring	2-3 herramientas	Configurar alertas y dashboards para un flujo
bulk-deploy	3-6 herramientas	Desplegar múltiples flujos con ordenamiento de dependencias
security-audit	4-6 herramientas	Auditar credenciales, conexiones y patrones de acceso

Benchmarks de Rendimiento (JedIN) -- Medidos desde sesiones de prueba:

Herramienta	Tiempos de Respuesta Medidos	Notas
jedin_list_flows	22ms, 24ms, 35ms	Inventario completo de flujos
jedin_create_flow	69ms	Creación de flujo con validación
jedin_list_credentials	14ms, 20ms, 28ms	Consulta al credential store
jedin_get_tenant_info	114ms, 137ms, 256ms	Configuración completa del tenant
jedin_list_users	10ms	Listado de cuentas de usuarios
jedin_get_execution_metrics	43ms, 53ms	Estadísticas agregadas de runtime
jedin_list_node_types	2ms	Categorías de tipos de nodos
jedin_get_health	4ms	Verificación de salud del sistema
jedin_deploy_flow	~120s (polling)	Incluye build + despliegue Camel K

Auto-Login y Recuperación de Sesión

Una de las funcionalidades más críticas del ecosistema MCP es la recuperación automática de sesión. Los sistemas empresariales tienen timeouts de sesión, expiración de tokens e interrupciones ocasionales de conectividad. Si la sesión del consultor de IA muere a mitad de una operación, necesita recuperarse sin intervención humana.

Cómo Funciona el Auto-Login

Cada servidor MCP implementa un gestor de ciclo de vida de tokens:

1. Autenticación inicial: La IA llama a la herramienta de login (ej.: jedin_login). El servidor almacena el access token, refresh token y timestamp de expiración.
2. Refresh de token: Antes de cada llamada de herramienta, el servidor verifica si el access token expira dentro de los próximos 60 segundos. Si es así, automáticamente hace refresh usando el refresh token almacenado.
3. Re-autenticación completa: Si el refresh token en sí ha expirado (ej.: después de un largo período inactivo), el servidor realiza un login completo usando credenciales almacenadas y reintenta la llamada original.
4. Reintento transparente: La IA recibe la respuesta de la herramienta como si nada hubiera pasado. La re-autenticación es invisible para la capa de razonamiento.

Recuperación de Sesión en el Mundo Real (Confirmada en Pruebas)

Durante la prueba de benchmark de 61 escenarios, R2-CX encontró expiración de sesión dos veces:

• Escenario 43: La sesión de SAP C4C murió después de 45 minutos de operación continua. El servidor MCP detectó que la cookie de sesión era inválida ("Token expirado"), realizó c4c_login (~9.6s) y reintentó la llamada fallida. Tiempo total de recuperación: aproximadamente 10 segundos. Cero intervención manual.
• Escenario 55: El JWT de JedIN expiró durante una larga fase de análisis. El servidor MCP hizo refresh del token en milisegundos y reintentó. La IA ni siquiera notó la interrupción.

Esta capacidad de auto-recuperación es esencial para las sesiones de consultor de múltiples horas que R2-CX soporta. Una sesión que requiere intervención humana para re-autenticar es una sesión que no puede ejecutarse autónomamente.

Resultados de Validación: 35/35 Pruebas Aprobadas

El ecosistema MCP fue validado a través de una campaña de pruebas estructurada cubriendo los tres servidores de producción:

Distribución de Pruebas

Servidor	Pruebas	Llamadas de Herramientas	Tasa de Aprobación
MCP C4C	12	45+	12/12 (100%)
MCP CPI	10	30+	10/10 (100%)
MCP JedIN	13	42+	13/13 (100%)
Total	35	117+	35/35 (100%)

Prueba de Sesión Cross-System

El escenario de prueba más exigente involucró los tres sistemas en una única sesión:

1. Login en SAP C4C (navegador), JedIN (REST) y SAP CPI (OData) -- 3 logins paralelos
2. Extraer datos de configuración de C4C usando automatización de navegador
3. Consultar JedIN para flujos de integración existentes que conectan a C4C
4. Consultar CPI para artefactos que interactúan con el mismo tenant C4C
5. Cruzar referencias de hallazgos y generar una evaluación unificada

Este escenario ejecutó 60+ llamadas de herramientas a través de 3 servidores MCP en una única sesión de arquitecto. Todas las llamadas tuvieron éxito. Duración total de la sesión: menos de 5 minutos para análisis completo cross-system.

El Ecosistema Completo: 14 Servidores, 307 Herramientas

Más allá de los 3 servidores de producción, el ecosistema MCP de JedIN incluye 11 servidores adicionales en varias etapas de preparación:

Listos para API (Esperando Tenant Azure AD)

Servidor	Puerto	Herramientas	Sistema Objetivo
MCP Power BI	3336	26	Microsoft Power BI
MCP Power Apps	3337	18	Microsoft Power Apps / Dynamics 365

Estos servidores tienen código completo y están probados contra endpoints mock. Esperan credenciales Azure AD de producción para validación en vivo.

Beta (Funcional, Pendiente Prueba de Producción)

Servidor	Puerto	Herramientas	Sistema Objetivo
MCP Salesforce	3338	18	Salesforce CRM
MCP HubSpot	3339	15	HubSpot CRM
MCP VTEX	3340	14	VTEX Commerce
MCP TOTVS	3341	12	TOTVS Protheus
MCP S/4HANA	3342	16	SAP S/4HANA
MCP ABAP	3343	12	SAP ABAP Systems
MCP SAC	3344	11	SAP Analytics Cloud
MCP Emarsys	3345	11	SAP Emarsys
MCP C4C v2	3346	11	SAP C4C (basado en API, próxima generación)

Estos servidores beta han sido desarrollados y probados con datos mock o sandbox. No están aún validados contra sistemas de producción y no están incluidos en el conteo de "145 herramientas" de producción.

Externos (MCPs Oficiales de Proveedores)

Para AWS, Azure y Dynamics 365, JedIN integra con servidores MCP oficiales proporcionados por los proveedores de plataforma (AWS Labs MCP, Azure MCP) en lugar de construir implementaciones personalizadas.

Números Totales del Ecosistema

Categoría	Servidores	Herramientas	Skills
Producción (validado)	3	145	17
Listo para API	2	44	0
Beta	9	118	0
Total	14	307	17

Nota: Los 6 skills adicionales (más allá de los 11 skills de JedIN) provienen de los servidores MCP C4C y MCP CPI, totalizando 17 skills a través de los 3 servidores de producción.

Arquitectura: Cómo se Conectan los Servidores MCP

Cada servidor MCP sigue un patrón de arquitectura compartido de la biblioteca packages/mcp-shared:

R2-CX AI Engine
    |
    | (MCP Protocol - JSON-RPC over stdio/HTTP)
    |
    +-- MCP Server Base (mcp-shared)
         |
         +-- Tool Registry (schema validation, parameter types)
         +-- Auth Manager (token lifecycle, auto-refresh, re-login)
         +-- Response Formatter (structured output for AI consumption)
         +-- Error Handler (retry logic, graceful degradation)
         |
         +-- Transport Layer
              |
              +-- Playwright (C4C: browser automation)
              +-- HTTP/REST (JedIN: REST API)
              +-- OData (CPI: SAP OData services)
              +-- OAuth2 (Power BI, Power Apps: Azure AD)

La biblioteca base compartida maneja autenticación, lógica de reintento y formateo de respuesta. Los servidores MCP individuales solo necesitan implementar la capa de transporte y lógica específica de herramientas. Esta arquitectura compartida es por qué el ecosistema escala a 14 servidores sin esfuerzo de ingeniería proporcional.

Lo Que 145 Herramientas Validadas Significan para IA Empresarial

El número en sí es menos importante que lo que representa: cobertura operacional completa a través de tres sistemas empresariales. R2-CX no genera consejos genéricos basados en documentación. Lee configuraciones reales, consulta APIs reales, navega UIs reales y produce hallazgos basados en el estado real del sistema.

Cada llamada de herramienta documentada en este post retornó datos reales de sistemas de producción y sandbox en vivo. Cada tiempo de respuesta es un valor medido, no una estimación. Cada hallazgo fue derivado de inspección real del sistema, no de templates o suposiciones.

Esto es lo que separa una plataforma de consultor de IA de un chatbot con conocimiento enterprise: la capacidad de actuar, no solo aconsejar.