El catálogo de MCP está aquí: Descubre, implementa y conecta con Red Hat OpenShift AI

Ya lo has intentado. Has extraído un servidor de Protocolo de Contexto de Modelos (MCP) de un repositorio de GitHub, lo has metido en un contenedor, has gestionado la autenticación por tu cuenta y esperabas que funcionara en producción. Ese es el estado de la adopción de MCP en la empresa hoy en día: un protocolo prometedor, pero una implementación complicada.

Red Hat OpenShift AI 3.4, que forma parte del Red Hat AI portfolio, adopta un enfoque diferente. Presentamos el catalogo MCP (ahora en versión preliminar para desarrolladores): un catálogo seleccionado de servidores MCP que puedes descubrir, implementar y gestionar directamente en Red Hat OpenShift. Se entrega precargado con servidores MCP de Red Hat, nuestros partners tecnológicos y la comunidad open source, y estamos añadiendo más de forma activa. También puedes utilizar tus propios servidores MCP; la misma gestión del ciclo de vida y conectividad de tiempo de ejecución que impulsa el catálogo se aplica a cualquier servidor MCP que implementes en tu clúster.

Prueba Red Hat OpenShift AI para explorar el catálogo de MCP por tu cuenta.

Esta no es una lista estática. Cada servidor MCP del catálogo pasa del descubrimiento a la ejecución en tu clúster, con la gestión del ciclo de vida y la conectividad de tiempo de ejecución integradas. A partir de ahí, se puede utilizar en gen AI studio, la interfaz de OpenShift AI en la que experimentas y pruebas aplicaciones y agentes de inteligencia artificial. Este es el comienzo del ecosistema de MCP empresarial que estamos construyendo.

El catálogo de MCP: Del descubrimiento a la implementación

Hasta ahora, el AI hub en OpenShift AI se centraba principalmente en los modelos. Con OpenShift AI 3.4, los servidores MCP se incorporan al catálogo como elementos de primer nivel. También es un paso importante hacia una superficie de recursos de inteligencia artificial más amplia que se expandirá en las próximas versiones.

La mayoría de los catálogos de MCP disponibles hoy en día, incluidos Smithery, Docker MCP Catalog y el registro oficial de MCP, se centran únicamente en el descubrimiento. Te ayudan a encontrar servidores, pero la implementación, la seguridad y la gestión del ciclo de vida son responsabilidad tuya. A menudo, esto implica descargar una imagen de contenedor de procedencia desconocida y esperar que la próxima actualización no interrumpa tu carga de trabajo.

El catálogo de MCP en OpenShift AI cierra esa brecha. Cuando exploras el catálogo en AI hub, ves servidores MCP validados para uso empresarial, que incluyen:

•  Conectividad de nivel de producción: transporte HTTP con capacidad de streaming
• Alojamiento seguro:  Imágenes creadas con Red Hat Universal Base Image y analizadas en busca de vulnerabilidades.
• Implementación automatizada: Cuando seleccionas un servidor, el MCP lifecycle operator lo implementa en tu clúster, creando los recursos de Kubernetes y exponiendo el servicio. 

Una vez implementada, la puerta de enlace MCP gestiona la conectividad de tiempo de ejecución, proporcionando un enrutamiento que reconoce la identidad y métricas por herramienta para que tu equipo de plataforma sepa exactamente qué agentes llaman a qué herramientas.

El resultado es un proceso controlado desde el descubrimiento hasta la implementación y el consumo. Selecciona, implementa, conecta y consume.

Ten en cuenta que, a partir de OpenShift AI 3.4, el operador de ciclo de vida de MCP está disponible como developer preview, y la puerta de enlace de MCP está disponible como technical preview.

Figura 1: Diagrama de flujo que muestra las 4 etapas del ciclo de vida del servidor MCP en Red Hat OpenShift AI: Descubre en el catálogo de MCP, implementa a través del operador de ciclo de vida de MCP, conecta a través de la puerta de enlace de MCP y consume en gen AI studio; esto ilustra la ruta controlada desde el catálogo hasta el agente.

Servidores MCP listos para usar

El catálogo incluye 3 niveles de servidores MCP, cada uno de los cuales aborda flujos de trabajo empresariales reales. Esto es lo que está disponible hoy.

3 servidores MCP de Red Hat

Conecta tus agentes de inteligencia artificial directamente a las plataformas que ya ejecutas.

• Red Hat OpenShift: Los agentes pueden consultar el estado del clúster, gestionar las cargas de trabajo y solucionar problemas de las implementaciones a través del lenguaje natural. Si un pod falla a las 2:00 a.m., un ingeniero puede simplemente pedirle al agente las últimas 50 líneas de registro y el estado de los recursos de la implementación afectada. Sin cambios de contexto entre paneles ni gimnasia con kubectl.
• Red Hat Ansible Automation Platform: Conecta los agentes a tus flujos de trabajo de automatización. Un agente puede activar Ansible Playbooks, verificar el estado de las tareas y coordinar los cambios de configuración en toda la infraestructura. Para los equipos de operaciones impulsadas por agentes (AgentOps), esto significa flujos de trabajo de respuesta ante incidentes que abarcan la detección, el diagnóstico y la corrección sin salir del contexto del agente.
• Red Hat Lightspeed (anteriormente Red Hat Insights): Presenta la inteligencia y las recomendaciones de la plataforma a través de tus agentes de inteligencia artificial. En lugar de que los equipos revisen manualmente los avisos de Red Hat Lightspeed, un agente puede obtener las recomendaciones más recientes, correlacionarlas con el estado del clúster y sugerir pasos de corrección, lo que aporta información operativa directamente a los flujos de trabajo de inteligencia artificial con agentes.

5 servidores MCP de partners tecnológicos

Extiende tus agentes al stack empresarial más amplio.

• Confluent Cloud: Permite que la inteligencia artificial gestione y depure las operaciones de transmisión de datos en Kafka y Flink.
• EDB Postgres AI:  Conecta los agentes a la plataforma de inteligencia artificial EDB Postgres para realizar consultas, gestionar esquemas y realizar operaciones de base de datos, con la tecnología del servidor MCP EDB pg-airman.
• IBM Terraform: Permite que los agentes preparen y gestionen la infraestructura como código, lo cual acorta la brecha entre las decisiones basadas en la inteligencia artificial y la ejecución de la infraestructura.
• Microsoft Azure: Permite que los agentes gestionen los recursos de Azure, implementen los servicios y automaticen las operaciones en la nube junto con tus cargas de trabajo de OpenShift.
• Dynatrace: Aporta información en tiempo real a tus flujos de trabajo de inteligencia artificial con agentes. Los agentes pueden consultar los datos de rendimiento y obtener información detallada sobre el código para la resolución de problemas, la optimización y la corrección de errores en todo tu entorno.

2 servidores MCP de la comunidad

Completa el nivel de datos (que figura en el catálogo bajo "Otros servidores MCP").

• MongoDB: Consulta y gestiona las colecciones de documentos a través de tus agentes. Resulta útil para los flujos de trabajo de generación aumentada por recuperación (RAG) y las aplicaciones respaldadas por datos no estructurados o semiestructurados.
• MariaDB: Conectividad de bases de datos relacionales para los agentes que necesitan consultar y gestionar almacenes de datos estructurados.

Figura 2: El catálogo de MCP en el hub de Red Hat OpenShift AI que muestra las tarjetas de servidor MCP organizadas por nivel (Red Hat, partner y otros), cada una con una acción de implementación, que muestra la ruta controlada desde el descubrimiento hasta la implementación.

Para decir esto en términos concretos, antes del catálogo de MCP, conectar cualquiera de estos servidores a tus agentes significaba encontrarlo en GitHub, crear un contenedor desde el código fuente, depurar problemas de transporte y configurar la autenticación, todo antes de poder realizar una sola llamada a la herramienta. Ahora, lo seleccionas en el catálogo y el operador del ciclo de vida de MCP se encarga del resto.

Explora el MCP Lifecycle Operator en GitHub para ver cómo se implementan y gestionan los servidores MCP en Kubernetes.

Construcción del ecosistema de MCP empresarial

Los servidores MCP que obtienes en OpenShift AI 3.4 son solo el comienzo. Estamos construyendo un ecosistema integral diseñado para las exigencias de producción. 

• Guías de inicio rápido de inteligencia artificial: Trabajamos con partners para ofrecer casos de uso específicos del sector y listos para su ejecución. Estos entornos de prueba ayudan a los equipos a trasladar las ideas de inteligencia artificial de la etapa de experimentación a la de producción en una infraestructura open source.
• Escalamiento de la selección: Nuestro proceso de validación, desde el consentimiento del partner hasta el análisis técnico, está diseñado para escalar. A medida que los servidores MCP maduren, seguiremos agregando nuevos activos al flujo de trabajo.
• Gobernanza empresarial: Estamos agregando una capa de cumplimiento a la base que ya estableció la puerta de enlace MCP. Esto incluye controles de la cadena de suministro para verificar la procedencia, niveles de confianza para los recursos certificados y una capacidad de auditoría completa de las llamadas a herramientas que realiza un agente.

Comienza ahora

El catálogo de MCP ofrece a los equipos de plataformas una ruta gobernada y lista para la producción, desde el descubrimiento hasta la implementación, con servidores seleccionados, imágenes validadas y gestión del ciclo de vida en tu clúster.

Ya está disponible como developer preview en Red Hat OpenShift AI 3.4. Prueba Red Hat OpenShift AI para explorar el catálogo de MCP e implementar tu primer servidor de MCP en OpenShift. ¿Asistirás al Red Hat Summit 2026 en Atlanta (del 11-05-2026 al 14-05-2026)? Ven a ver el catálogo de MCP y el operador del ciclo de vida de MCP en acción.