Los mejores servidores MCP para Claude Code (2026)

Lo que ejecuto en Claude Code

Claude Code ha sido mi herramienta principal de código desde octubre del año pasado. Lee codebases correctamente, refactoriza con solidez y es fiable como copiloto nocturno de pruebas-en-bucle. Dejado a su suerte, sin embargo, trabaja parcialmente a ciegas: sin acceso web en vivo, sin vista de tu base de datos, sin saber si tu app de producción se cayó a las 3 de la mañana mientras dormías. Los servidores MCP son lo que cierra ese hueco.

Desde que escribí este artículo por primera vez, algunas cosas han cambiado por debajo. Claude Code se envía ahora en el mismo binario que Claude Desktop y Cowork: el terminal sigue siendo donde corre, pero ya no es una instalación aparte. El /agents nativo ha sustituido a la mayor parte de lo que antes recurría a Claude Squad. Y un puñado de MCPs que ahora uso a diario no existían entonces, notablemente el patrón de descarga a modelo local que evita que las ejecuciones agenticas largas devoren tu cuota de Anthropic.

Estos son los MCPs que ejecuto en Claude Code ahora mismo, organizados por para qué sirven.

Cómo es Claude Code en 2026

Un par de cosas que conviene tener listas antes de que las recomendaciones tengan sentido completo.

Claude Code y Claude Desktop son ahora el mismo binario. El terminal sigue siendo donde corre Claude Code, pero ya no es una instalación aparte de la app de chat. Ambos modos (más Cowork) viven dentro del binario unificado de Claude Desktop desde principios de 2026. Las rutas de configuración se cruzan: la mayoría de los MCPs que conectas a Claude Desktop funcionan también en Claude Code, por eso el orden de prioridad de instalación al final de este artículo se parece bastante al del artículo de Desktop. El artículo sobre requisitos del sistema de Claude Desktop tiene las fechas y los cambios de arquitectura subyacentes si los necesitas.

Los subagentes son ahora nativos. Los defines como archivos Markdown con frontmatter YAML en .claude/agents/ y los lanzas con el comando de barra /agents. El frontmatter soporta model, tools, permissionMode e isolation: worktree: este último levanta cada subagente dentro de su propio worktree de git para que dos subagentes no puedan colisionar en los mismos ficheros. Para la mayor parte del trabajo con agentes en paralelo este es ahora el obvio por defecto.

El patrón de instalación de MCP en sí sigue siendo simple. Los servidores por proyecto van en .mcp.json en la raíz del proyecto. Los servidores globales de usuario van en ~/.claude/settings.json. El CLI claude mcp add es la forma con menos margen de error de escribir el JSON y te da una comprobación rápida de que el servidor arranca limpio la primera vez.

Contexto y documentación

La mayor frustración con cualquier modelo para código son los datos de entrenamiento desfasados. Preguntas por la API de una librería y te devuelve la sintaxis de hace dieciocho meses. Estos tres cierran ese hueco desde direcciones distintas.

Context7 (upstash/context7) obtiene documentación en vivo de cualquier librería o framework. Dale un nombre, resuelve los docs, los consultas. Antes de Context7 perdía diez minutos por sesión comprobando si las sugerencias de Claude coincidían con las APIs actuales; ahora simplemente pregunto, obtiene los docs reales y la respuesta vuelve anclada en lo que la librería hace hoy. La interfaz de consulta te permite hacer preguntas concretas en lugar de navegar sitios de docs enteros. Si escribes código que toca paquetes de terceros (o sea, todo), instala esto primero.

Gemini MCP (@converly/gemini-mcp) es el que construí y el que faltaba en la versión original de este artículo. Donde Context7 responde «qué aspecto tiene la superficie documentada de esta librería», Gemini MCP responde «qué está diciendo la comunidad sobre ella ahora mismo, incluidos los reportes de bugs que aún no han llegado a los docs». Búsqueda con Gemini anclada (grounded), devuelta a la conversación de Claude Code, con la versión del modelo fijada en gemini-3.1-pro-preview. Ambos juntos: Context7 para la forma estática de la API, Gemini MCP para la verdad viva de la comunidad. La guía completa está en Gemini MCP.

Prompts concretos que ejecuto:

Before we write the migration for Next.js 15, use the Gemini MCP to search
for "Next.js 15 auth token caching issues". Verify if the community has
reported any breaking changes in the last 30 days that are not yet in the
official docs.

Sentry caught this database race condition. Before proposing a fix, use
the Gemini MCP to search the exact error string alongside "PostgreSQL 16".
Find out if this is a known engine bug or a configuration issue, and
summarise the most common community workarounds.

Brave Search MCP es la tercera capa para búsqueda web general dentro de Claude Code. La capa gratuita te da 2.000 consultas al mes, que nunca he llegado ni a rozar. El caso de uso estrella es la búsqueda de mensajes de error: te topas con algo desconocido, Claude lo busca, lee el hilo de Stack Overflow o el issue de GitHub, resume. Ahorra unos cinco minutos por cada momento de bloqueo, que a lo largo del día se acumula. Parte de la colección oficial modelcontextprotocol/servers.

Economía y fiabilidad de los agentes

Para cualquiera que ejecute sesiones largas agenticas de Claude Code, esta es la sección más importante de la lista.

Converly LM (@converly/lm, actualmente v2.13.2 en npm) es un servidor MCP que enruta trabajo rutinario acotado a un LLM local o autoalojado. Lo ejecuto a diario contra LM Studio en hopper, pero funciona con Ollama, vLLM, DeepSeek, Groq o cualquier endpoint compatible con OpenAI.

El patrón es simple. El razonamiento pesado, las decisiones difíciles y el código que acaba en producción se quedan en Claude. La conversión de formatos, la generación de stubs de tests, los mensajes de commit, las partes aburridas de la revisión de código y las tareas de traducción van al modelo local. El modelo local es más lento por token que Claude pero no cuesta nada por token. A lo largo de una ejecución agentica larga esa delegación puede ahorrar una parte significativa de tu cuota de Anthropic.

Necesitas una estación de trabajo con VRAM seria para que el patrón local funcione; una GPU integrada no va a ejecutar los modelos de clase 30B que merecen la descarga. Si no tienes el hardware, apúntalo a Groq o Cerebras y obtienes la mayor parte del mismo beneficio a bajo coste por llamada. El bloque de configuración se ve así:

"converly-lm": {
  "command": "npx",
  "args": ["@converly/lm@latest"],
  "env": {
    "LM_STUDIO_URL": "ws://127.0.0.1:1234",
    "LLM_MCP_ALLOWED_DIRS": "C:/your-projects,C:/your-code"
  }
}

Metacog es un hook de Claude Code, no un servidor MCP, y lo incluyo aquí a propósito. Es la capa propioceptiva para sesiones largas: cero dependencias, cero tokens cuando todo va bien, pero vigila al orquestador y señala condiciones de bucle o estados de atasco antes de que devoren contexto. El refuerzo entre sesiones es la otra mitad: lo que funcionó en la última sesión se arrastra como señal determinista, no como recuerdo probabilístico.

La distinción importa porque los hooks y los MCPs resuelven problemas distintos. Los MCPs son cómo Claude alcanza hacia fuera (a una base de datos, una API, un índice de búsqueda). Los hooks son cómo Claude alcanza hacia dentro (a su propio estado de sesión, a las convenciones de tu proyecto en CLAUDE.md, a reglas deterministas que quieres aplicar antes de cada llamada a herramienta). Cuando el análisis de huecos que impulsó esta reescritura sugirió añadir Metacog como MCP, ese fue el error fácil de cometer. El enfoque correcto es: instala ambas capas, porque no son sustitutivas.

Cubro la división hooks-vs-MCP con más profundidad en la guía de hooks de Claude Code.

Código y control de versiones

Claude Code ya trae git sólido integrado. Los MCPs de esta sección gestionan las partes que viven en GitHub.com en lugar de en tu directorio .git local.

GitHub MCP (parte de la colección oficial modelcontextprotocol/servers) gestiona repos, pull requests, issues, estado de CI/CD y revisiones de código. Los comandos de git integrados manejan commits y ramas bien. GitHub MCP se gana el sueldo en el lado de entrada: revisiones de PR donde Claude lee el diff, obtiene los resultados de CI y da una revisión de código como Dios manda sin que abras un navegador. También lo uso para abrir issues directamente desde bugs que encuentro a mitad de sesión, lo cual suena menor y ahorra una cantidad sorprendente de cambios de contexto a lo largo del día.

Si tu equipo vive en GitHub (¿de quién no?), la instalación se paga sola en la primera semana.

Acceso a bases de datos

Claude Code sin vista de tu base de datos es depurar a ciegas. Estos dos lo solucionan.

PostgreSQL MCP conecta Claude Code a tu base de datos Postgres para ejecutar consultas e inspeccionar el esquema. La funcionalidad estrella es el acceso al esquema: Claude lee las columnas reales, los tipos reales, las restricciones reales y escribe consultas que funcionan contra tus datos al primer intento. No la versión imaginada de tu esquema a partir de datos de entrenamiento. El flujo de consulta es bueno (un viaje en lugar de psql + pegar + preguntar), pero el anclaje al esquema es lo que cambia la experiencia.

Obviamente, apúntalo a dev y staging, no a producción. Credenciales de solo lectura en staging si tu dev local no es representativa.

SQLite MCP hace lo mismo para bases de datos embebidas. Recurro a él cuando construyo servidores MCP que usan SQLite para almacenamiento local (que es la mayoría). Claude lee el esquema, detecta problemas de migración y los arregla sin que yo abra el CLI de sqlite3.

Ambos están en la colección oficial modelcontextprotocol/servers.

Automatización de navegador: Playwright sobre Puppeteer

Para testing end-to-end mi herramienta principal solía ser Puppeteer MCP, pero he movido el trabajo de producción a Playwright. La razón es arquitectónica. Puppeteer envuelve el Chrome DevTools Protocol, que se construyó para trabajo de developer tools en una sola pestaña. Playwright se construyó para carga de producción: headless, multi-tab, reintento ante fallo integrado. Cuando ejecutas automatización de navegador como parte de una sesión larga de Claude Code, la superficie de Playwright es la que aguanta bajo carga.

Microsoft mantiene @playwright/mcp como servidor oficial (github.com/microsoft/playwright-mcp). Instala en Claude Code con claude mcp add playwright npx @playwright/mcp@latest. El bucle de testing end-to-end se convierte en escribe-el-test, ejecútalo, lee-la-salida, depura, todo dentro de la misma conversación de Claude Code. Las capturas a través de Playwright pican regresiones de CSS que no habrías detectado porque no te molestaste en refrescar la página tras un despliegue.

Puppeteer MCP sigue funcionando y sigue en la colección oficial de servidores. Lo conservo para depuración puntual donde quiero específicamente la salida del inspector de DevTools. Para todo lo demás, Playwright.

Depuración y observabilidad: Sentry MCP

El MCP oficial de Sentry en @sentry/mcp-server (actual en v0.35.0; instala con npx @sentry/mcp-server@latest y un env SENTRY_AUTH_TOKEN) cambió mi flujo de depuración más que ningún otro MCP de esta lista. El bucle viejo: abre Sentry en un navegador, encuentra el error, copia la traza de pila, pega en Claude, pregunta qué fue mal. El bucle nuevo: «revisa Sentry por errores recientes», y Claude lee la traza, encuentra el fichero relevante en el proyecto, sugiere qué está roto. El ejercicio de quince minutos que solía ser se acerca a dos.

Combínalo con el patrón de búsqueda anclada de Gemini MCP (pega el error, luego verifica contra conocimiento comunitario actual) y tienes un flujo de depuración que ningún IDE con IA integrada iguala aún.

Nube y DevOps

Claude Code se ha convertido en un sitio útil para gestionar infraestructura en la nube dentro de la misma sesión que tu código. Dos MCPs cubren la mayor parte de lo que recurro aquí.

Cloudflare MCP es el que uso más a fondo. Publico el tablón de empleos de IA de este sitio a través de Cloudflare Workers, con KV para estado, D1 para datos relacionales y R2 para ficheros. Cloudflare mantiene endpoints MCP oficiales en bindings.mcp.cloudflare.com/mcp (para operaciones de Workers, KV, D1, R2) y observability.mcp.cloudflare.com/mcp (para logs y métricas en runtime). Son MCPs remotos: conéctalos con mcp-remote:

"cloudflare-bindings": {
  "command": "npx",
  "args": ["mcp-remote", "https://bindings.mcp.cloudflare.com/mcp"]
}

Una vez conectados, puedes pedirle a Claude cosas como «lista los Workers de esta cuenta, encuentra el que corre el feed de empleos, enséñame sus rutas actuales». Para un equipo pequeño o un desarrollador en solitario que ya vive en el ecosistema de Cloudflare, esto es lo más cercano que el flujo de código agentico llega a una experiencia desplegable-desde-conversación.

AWS MCP (los servidores oficiales del propio AWS en github.com/awslabs/mcp) se lanzó como disponible de forma general en 2026 y cubre CloudFormation, Cloud Control API, infraestructura como código (asistencia para CDK y CloudFormation) y la pila Bedrock AgentCore. Instala por servidor con claude mcp add con uvx awslabs.<server-name>@latest. Yo no despliego a AWS a diario, pero la comunidad de practicantes ha convergido en los servidores awslabs como pila de producción; el anuncio del blog de AWS es la fuente autorizada sobre qué sub-servidor encaja en qué caso de uso.

Sandboxes de ejecución: E2B

E2B Code Sandbox MCP (@e2b/mcp-server, repo en github.com/e2b-dev/mcp-server) da a Claude Code la capacidad de ejecutar código en sandboxes seguros en la nube. Útil para dos patrones concretos: ejecutar código no fiable (cualquier cosa generada para revisión que no quieras que toque tu máquina) y ejecutar suites de tests complejas que necesitan un entorno limpio por ejecución.

Aún no lo he integrado en mi configuración diaria, pero es la opción canónica cuando necesitas ejecución en sandbox más aislada de lo que te da Desktop Commander. Cita aquí el modo B: cita los docs de E2B y el patrón de instalación canónico, decide si el caso de uso encaja.

Memoria y contexto de proyecto

Hay tres capas distintas que merece pensar aquí, cada una adecuada a un problema distinto. Lo que veo que la gente hace mal más a menudo es recurrir a un Memory MCP cuando lo que necesitaba eran reglas deterministas de proyecto.

Los ficheros CLAUDE.md son la capa determinista para convenciones de proyecto. Cualquier cosa que deba ser cierta cada sesión: «este proyecto usa Tailwind v4», «el linter es Biome no ESLint», «nunca edites migraciones tras publicarse», pertenece a CLAUDE.md en la raíz del proyecto, con un ~/.claude/CLAUDE.md opcional para valores por defecto a nivel de usuario. Claude los lee cada sesión, de forma determinista. Sin recuperación probabilística, sin búsquedas fallidas.

Los hooks nativos son la capa determinista para acciones. Inyección pre-sesión, validación post-llamada a herramienta, tareas asíncronas en segundo plano: todo territorio de hooks. La documentación de hooks en code.claude.com/docs/en/hooks-guide cubre el esquema, pero la regla práctica es: si debe dispararse siempre, escribe un hook. Metacog (arriba) es un ejemplo.

Memory MCP es la capa probabilista para recuerdo de entidades entre sesiones. Donde brilla: «recuerda que el cliente de YubHub.co Acme Corp tiene tres subcuentas y la renovación del contrato es en abril». Donde no: sustituir las capas deterministas de arriba. Alcance honesto: es útil para relaciones de entidades que no caben en configuración estructurada y es delicado de afinar. Lo ejecuto. No empezaría por él en una configuración nueva.

mcp-vector-search (bobmatnyc/mcp-vector-search) vale la pena conocerlo como patrón alternativo para recuerdo de codebase específicamente. Indexa el codebase con ChromaDB + parsing de AST; consulta semánticamente; obtiene respuestas ancladas sobre tu implementación real. No lo he ejecutado el tiempo suficiente para recomendarlo sobre la búsqueda nativa de Claude Code, pero para codebases muy grandes donde la búsqueda por palabras se topa con problemas de precisión es la respuesta estándar.

Orquestación multi-agente

Hoy en día el valor por defecto para trabajo en paralelo son los subagentes nativos, con Claude Squad reservado para el caso más específico de ejecutar flujos multi-motor.

/agents nativo y subagentes están documentados en code.claude.com/docs/en/sub-agents. Defínelos como archivos Markdown en .claude/agents/ con frontmatter YAML. Lánzalos desde cualquier sitio con /agents. Los campos del frontmatter que más importan:

• model: fija un subagente a un nivel específico (Opus para razonamiento duro, Sonnet por defecto, Haiku para trabajo corto y barato).
• tools: restringe qué herramientas puede usar el subagente. Un subagente con permisos de escritura y uno de solo lectura.
• permissionMode: default, acceptEdits, auto, dontAsk, plan. Ajusta el modo a cuánta confianza necesita el trabajo.
• isolation: worktree: levanta el subagente en un worktree de git fresco, para que no pueda colisionar con otros subagentes paralelos trabajando en los mismos ficheros.

Para la mayoría de flujos de «tengo tres trabajos independientes que pueden correr en paralelo» este es ahora el valor por defecto. Trabajos grandes de refactor donde un subagente reescribe el módulo de auth mientras otro escribe tests de API mientras un tercero actualiza docs: todo nativo, todo coordinado desde una única sesión orquestadora.

Claude Squad (smtg-ai/claude-squad) sigue teniendo su sitio. El caso donde se gana el sueldo son los flujos multi-motor: ejecutar Claude junto a un LLM local (vía Converly LM), o ejecutar Claude junto a un modelo frontera distinto. El caso de uso es más estrecho que antes, pero real.

Mi orden de instalación de Claude Code

Si alguien preguntara «simplemente dime qué instalar», este es el orden en el que lo haría para una configuración nueva de Claude Code.

Hora uno (instala esto antes que nada):

1. Context7: docs de librería precisos, sin APIs alucinadas
2. Brave Search: búsqueda web y búsquedas de mensajes de error
3. Gemini MCP: segundas opiniones ancladas para cualquier pregunta de estado actual
4. GitHub MCP: PRs, issues, CI desde dentro de la sesión
5. Converly LM: descarga a modelo local para ahorrar cuota de Anthropic en ejecuciones largas

Hora dos (cuando estás construyendo aplicaciones reales):

1. PostgreSQL MCP (o SQLite MCP): deja que Claude vea tus datos
2. Sentry MCP: depura errores de producción en segundos
3. Playwright MCP: automatización de navegador para tests y capturas
4. Cloudflare MCP: si publicas en Workers / KV / D1 / R2
5. AWS MCP (awslabs): si publicas en AWS

Cuando los necesites:

1. E2B Code Sandbox: ejecución de código no fiable o entornos limpios por test
2. Memory MCP: recuerdo de entidades entre sesiones (con las salvedades honestas de arriba)
3. mcp-vector-search: codebases muy grandes donde la búsqueda semántica gana
4. Hook Metacog: sesiones agenticas largas donde la fiabilidad importa más que el esfuerzo de instalación
5. Claude Squad: orquestación multi-motor (Claude + modelo local en el mismo flujo)

Esa es la pila. Quince entradas parecen muchas, pero los subagentes nativos se encargan de la orquestación así que rara vez tienes más de unos pocos activos a la vez. El coste de ventana de contexto se mantiene mínimo porque Claude Code solo carga los MCPs que necesita para el prompt actual.

Si eres nuevo en Claude y aún no tienes cuenta, puedes empezar con una semana gratis de Claude Code antes de comprometerte con una suscripción. La mayoría de los MCPs de aquí funcionan igual en Claude Desktop, Cowork y Claude Code.

¿Buscas los MCPs de Claude Desktop?

Si pasas más tiempo del día en chat que en el terminal, la guía de mejores MCPs para Claude Desktop cubre el lado no-código de la pila: investigación, flujos de contenido, los verticales de SEO y finanzas. Context7, Gemini MCP, Converly LM, Brave Search, Cloudflare MCP, AWS MCP y Sentry funcionan en ambos modos, así que el esfuerzo de instalación se traslada.