
En las entradas anteriores (1 y 2) hemos visto qué es KAI, cómo se instala y configura, y cómo potenciar los modelos locales con Ollama y LM Studio. En esta ocasión nos centraremos en uno de los pilares que realmente potencia el carácter “agentic” de KAI: los servidores MCP (Model Context Protocol).
MCP es el estándar abierto que permite a los modelos de inteligencia artificial conectarse de forma segura y uniforme a herramientas, datos y sistemas externos. En el contexto de RAD Studio y KAI, se convierte en el puente que permite al agente no solo hablar de código, sino actuar sobre el proyecto, el sistema de archivos, bases de datos o cualquier servicio que expongamos.
¿Qué es un servidor MCP?
MCP son las siglas de Model Context Protocol, un protocolo abierto diseñado para estandarizar la forma en que las aplicaciones de IA se conectan con herramientas externas y fuentes de datos. La idea es sencilla: en lugar de que cada IDE o cada asistente de IA tenga que implementar conectores a medida para GitHub, para tu base de datos, para tu sistema de tickets o para lo que se te ocurra, existe un protocolo común que todos hablan.
Un servidor MCP es el componente que expone esas capacidades. Puede ser un proceso local, un servicio remoto, o incluso una parte del propio IDE. Lo importante es que sigue el protocolo y ofrece una serie de herramientas (tools) que el agente de IA puede descubrir y ejecutar cuando lo necesita.
En el caso de KAI, Embarcadero lo describe como una plataforma de «IA agéntica» que incluye una interfaz de servidor MCP para integrar otras herramientas MCP . Es decir, KAI no solo consume servidores MCP externos: también expone sus propias capacidades para que el agente pueda operar sobre el proyecto, los archivos, la compilación y el control de versiones.


El código fuente 

Desde hace unos días ya tenemos 







