El diseño de dos planos de la pasarela MCP determina cómo escala y cómo interactúan los equipos con ella. El plano de control (MCP Registry) contiene un catálogo canónico de servidores MCP virtuales y manifiestos de herramientas; el plano de datos (Proxy Gateway) ejecuta las solicitudes y mantiene en memoria una representación de los servidores habilitados. Esta separación permite desplegar cambios de configuración al instante, sin volver a implementar, y automatizar el descubrimiento mientras la aplicación de políticas y la responsabilidad siguen en manos de las personas. Para quienes operan la plataforma, reduce el mantenimiento al consolidar la infraestructura MCP repetitiva en un único servicio gestionado que se integra con la malla de servicios existente.

AutoCrawler es el motor de descubrimiento que evita que la creación de herramientas se convierta en un problema combinatorio. Analiza continuamente los registros de IDL y los heartbeats de los servidores MCP nativos, procesa archivos de protobuf/Thrift, genera esquemas compatibles con JSON-RPC y crea entradas de servidores MCP virtuales que, de forma predeterminada, quedan deshabilitadas. Además, AutoCrawler enriquece las descripciones de las herramientas con resúmenes generados por LLM y evita que los equipos queden en la ruta crítica: los responsables de los servicios revisan y habilitan los artefactos cuando están listos. En la práctica, las empresas pueden crear rápidamente catálogos de herramientas para agentes sin renunciar a los controles de revisión ni a la responsabilidad sobre los servicios.

Centralizar la autorización y la redacción en la pasarela simplifica la gestión de riesgos. Uber aplica políticas de uso a nivel de servidor, con la opción de definir excepciones por herramienta; utiliza el sistema interno de control de acceso para evaluar a quienes realizan las llamadas (personas, servicios y agentes), y elimina los datos personales identificables (PII) de la información devuelta. En las integraciones de terceros, la pasarela transmite los tokens de usuario mientras el servicio externo realiza el intercambio, lo que preserva la trazabilidad. Este enfoque reduce las diferencias en las medidas de seguridad entre equipos y ofrece registros de auditoría coherentes, al tiempo que mantiene la aplicación de controles cerca de la ejecución en tiempo de ejecución.

Las mejoras operativas de Uber reducen las dificultades relacionadas con el descubrimiento y el contexto del modelo. Omni MCP ofrece funciones básicas de descubrimiento (discover_server, discover_tools, get_tool_schema, invoke_tool) para que los agentes puedan encontrar e invocar herramientas de forma incremental. Response Projection permite que las instrucciones de los LLM especifiquen solo los campos necesarios, de modo que la pasarela recorta las respuestas y reduce el uso de tokens. Code Mode, disponible a través de la CLI aifx, permite que los agentes de programación encadenen comandos para enumerar, buscar e invocar herramientas, y escriban los resultados en disco; después, los agentes que trabajan con el sistema de archivos cargan solo los datos que necesitan. Estos patrones son herramientas prácticas para controlar costes y mejorar la fiabilidad de las cadenas de agentes en producción.

Un enfoque centrado en la pasarela reduce el trabajo duplicado, pero concentra el riesgo operativo: una configuración incorrecta o un error en la pasarela pueden afectar a muchas herramientas. Por eso, es fundamental delimitar las responsabilidades: el descubrimiento debe automatizarse, pero la habilitación debe seguir en manos de los equipos de servicios. Otros límites son la desviación de esquemas en servicios basados en IDL, los casos extremos de la traducción de protocolos y los costes residuales cuando la proyección no coincide con lo esperado. Para mitigar fallos sistémicos, las empresas deberían combinar la pasarela con procesos sólidos de CI, flujos de aprobación, despliegues canary y observabilidad.