Mozilla.ai presentó mcpd, una herramienta pensada para que los agentes de IA no tengan que lidiar con montones de scripts y configuraciones distintas cada vez que se despliegan. ¿Por qué importa esto para ti si trabajas con agentes, pruebas en CI o simplemente quieres reproducibilidad entre entornos? Porque mcpd promete convertir lo que hoy es frágil y disperso en un único archivo declarativo que dirige cómo se ejecutan las herramientas de un agente. (blog.mozilla.ai)
Qué es mcpd
mcpd es una cadena de herramientas y un runtime creado por Mozilla.ai para manejar servidores MCP (Model Context Protocol) y los "tools" que usan los agentes. Piensa en mcpd como el equivalente para agentes de lo que es requirements.txt o package.json para aplicaciones: un archivo donde se declaran, fijan versiones y configuran los servicios que necesita un agente. (blog.mozilla.ai)
¿Y eso qué significa en la práctica? Que con un solo archivo puedes pinchar versiones, definir ajustes por entorno, y ejecutar todo de forma consistente en local, CI y producción. La entrada oficial muestra, además, un ejemplo de configuración .mcpd.toml para ilustrarlo. (blog.mozilla.ai)
El problema que resuelve
Hoy muchos frameworks de agentes esperan que cada agente levante por su cuenta los servidores y herramientas que necesita: usando uvx, npx, Docker o scripts caseros. Eso funciona para experimentos, pero en producción se vuelve una pesadilla: versiones dispersas, manejo de secretos inconsistente y deriva entre local, CI y producción. mcpd propone centralizar esa responsabilidad. (blog.mozilla.ai)
Con mcpd, en vez de que cada agente arranque sus propios servidores, hay una definición única de servidores y herramientas que se lanza y administra desde mcpd. Los agentes se conectan a ese servicio y ya no necesitan duplicar lógica de arranque. (blog.mozilla.ai)
Un ejemplo breve
El post incluye un fragmento de .mcpd.toml que muestra cómo se declaran servidores y paquetes. Por ejemplo:
[[servers]]
name = "fetch"
package = "uvx::mcp-server-fetch@2025.4.7"
tools = ["fetch"]
Este tipo de bloque te permite fijar versiones y exponer las funciones que tu agente podrá llamar, todo desde un mismo archivo. (blog.mozilla.ai)
Hacia dónde va mcpd: proxy, plugins y despliegue
Mozilla.ai no sólo lo ve como un lanzador de herramientas. Planean evolucionar mcpd para que actúe como una capa proxy entre agentes y herramientas. Eso abre posibilidades importantes: monitoreo central, políticas y límites, y puntos para mitigar riesgos como la inyección de prompt. (blog.mozilla.ai)
También habrá un sistema de plugins para extender funcionalidades sin tocar el core, y futuras opciones de backend para escalar en infraestructuras reales, incluyendo contenedores y Kubernetes. La intención es mantener compatibilidad sencilla (por ejemplo stdio) mientras se agregan backends más robustos para producción. (blog.mozilla.ai)
¿Cómo probarlo hoy?
mcpd está disponible desde el anuncio del 21 de agosto de 2025, y Mozilla.ai publicó un SDK en Python junto con documentación y repositorios para comenzar. Puedes empezar con una configuración mínima, ejecutar mcpd daemon y conectar agentes con unas pocas líneas usando el SDK. (blog.mozilla.ai)
Si trabajas en proyectos donde los agentes llaman a múltiples servicios, o si tu pipeline de CI se rompe por diferencias entre entornos, probar mcpd te dará una idea rápida de cuánto puedes simplificar. Piensa en ello como invertir unas horas ahora para ahorrar semanas de debugging más adelante.
Reflexión final
mcpd no es solo una nueva herramienta; es una propuesta de disciplina para quien construye agentes: declarar, fijar y orquestar las herramientas desde un solo lugar. Eso suena simple, pero cambia mucho la operación diaria cuando hay varios equipos, pipelines de CI y producción involucrados.
¿Te interesa poner en orden un proyecto de agentes que se está volviendo inmanejable? mcpd parece una buena pieza para ese rompecabezas, y vale la pena revisarlo y probar el flujo mínimo con tu stack. (blog.mozilla.ai)
