Microsoft ha lanzado la versión 2.0 de su SDK de C# para el Model Context Protocol (MCP). La actualización ofrece a los desarrolladores de .NET soporte nativo para streaming, compilación ahead-of-time (AOT) y una integración más estrecha con la inyección de dependencias (DI). Ahora, los agentes de IA, más rápidos y ligeros, pueden iniciarse en entornos serverless con una latencia notablemente menor.

Por qué es importante el SDK

El MCP, un estándar abierto creado por Anthropic, define cómo los modelos de lenguaje de gran tamaño (LLM) se comunican con herramientas externas. A medida que más empresas desarrollan flujos de trabajo impulsados por LLM, un protocolo común reduce la necesidad de adaptadores personalizados. Al integrar el protocolo en el ecosistema .NET, Microsoft lo sitúa directamente en el stack que impulsa muchos back-ends empresariales.

Qué hacen las nuevas funciones

  • Soporte para streaming – En lugar de esperar una respuesta completa del LLM, el cliente procesa cada token o resultado de la herramienta a medida que llega. Un único viaje de ida y vuelta largo se convierte en una serie de actualizaciones incrementales, lo que hace que los agentes interactivos se sientan más ágiles.
  • Compilación nativa AOT – El SDK se compila de forma anticipada (ahead-of-time) en un binario nativo. El ejecutable resultante es más pequeño y se inicia más rápido, lo que supone una clara ventaja para Azure Functions u otras plataformas serverless donde el tiempo de arranque en frío (cold-start) influye en el coste.
  • Integración de DI mejorada – El SDK ahora se conecta directamente con el contenedor de inyección de dependencias integrado de .NET. Los desarrolladores pueden registrar los servicios MCP junto con los servicios de negocio existentes, manteniendo la configuración centralizada y testeable.

Implicaciones para las empresas

La mayoría de los back-ends corporativos ya funcionan con .NET, por lo que el SDK elimina un importante punto de fricción: la traducción de la lógica de negocio interna en herramientas "preparadas para la IA" (AI-ready). Los equipos pueden exponer servicios existentes —procesamiento de pedidos, consulta de inventario, consultas de CRM— como funciones accesibles para LLM sin necesidad de construir una capa de API independiente. El streaming reduce la latencia percibida por los usuarios finales, mientras que el AOT ahorra tiempo y dinero en el consumo de Azure.