Servidor MCP

El Model Context Protocol es un estándar compartido que permite que un cliente de IA se conecte directamente a una herramienta y realice acciones en ella, en lugar de leer documentación y hacer suposiciones. ChatGPT, Claude, Cursor, Gemini, Microsoft Copilot y otros lo admiten de forma nativa.

El servidor MCP de DecisionRules es la conexión entre tu cliente de IA y tu Space de DecisionRules. Una vez conectado, tu asistente puede crear reglas, explicarlas, generar datos de prueba, ejecutarlas con entradas reales, gestionar versiones y etiquetas y rastrear dependencias.

No. Te conectas con la cuenta de DecisionRules que ya tienes y eliges durante la configuración en qué Space trabajará el asistente.

Sí. El Space debe tener configurada una Management API Key. Fuera de eso, puede estar vacío y tu primera solicitud puede crear algo en él.

Sí. El servidor de Distribution opcional incorpora documentación, plantillas y funciones reutilizables de DecisionRules a tu conversación sin requerir inicio de sesión. Nunca accede a tu Space.

Claude, ChatGPT, GitHub Copilot, VS Code y Codex tienen sus propias entradas de conector. Cursor y otros clientes compatibles con MCP se conectan a través de Smithery. DecisionRules también está publicado en el Docker MCP Catalog y Azure MCP Center.

Abre la lista de conectores de tu cliente, busca DecisionRules, inicia sesión y elige un Space. Los clientes que no pueden completar un flujo de inicio de sesión pueden autenticarse con una Management API Key.

Define todo lo que el asistente puede ver y modificar. No puede acceder a reglas de otro Space ni cambiar por sí solo. Para una primera prueba, utiliza un Space sandbox en lugar de uno que ejecute decisiones de producción.

Comprueba que tu cliente esté en modo agente y no en modo de chat normal. En Copilot y Cursor es una opción independiente, aunque las herramientas pueden seguir siendo visibles en ambos modos.

Normalmente se seleccionó el Space equivocado. Vuelve a conectarte y comprueba el selector de Space, especialmente si tu cuenta tiene varios Spaces.

Cualquier cosa, desde una regla completa hasta una sola búsqueda. Las solicitudes habituales incluyen crear una Decision Table a partir de una descripción, convertir una lista de precios adjunta en una nueva versión, generar casos de prueba, ejecutar una regla con datos de entrada, comparar versiones y encontrar dependencias.

No. La generación se realiza mediante el AI Assistant de DecisionRules, el mismo integrado en el editor, entrenado con lógica de reglas real y mejores prácticas, y consciente de la estructura de tus tablas.

Sí. Los clientes MCP pueden mantener varias conexiones de servidor a la vez y el asistente puede utilizarlas en una misma solicitud. Cada servidor se conecta por separado y DecisionRules no necesita saber que existen los demás.

Sí. Puedes resolver una regla con cualquier entrada y recibir el resultado en la conversación. Para una suite completa de pruebas de éxito y error, utiliza Rule Tests en el editor.

El historial de reglas captura cada guardado, las versiones son instantáneas explícitas y ambos permiten volver atrás con un clic. El peor resultado realista es una reversión.

El asistente puede modificar reglas, pero el acceso se limita a un solo Space, cada cambio queda en el historial de versiones y nada llega a quienes llaman hasta que se publica una versión. Los Event Logs registran cada cambio y quién lo inició.

No. Las solicitudes se procesan bajo condiciones empresariales sin entrenamiento con tus datos. DecisionRules cuenta con las certificaciones SOC 2 e ISO 27001, residencia de datos configurable y SSO disponible. Si usas tu propio proveedor de modelos, sus condiciones determinan la garantía de no entrenamiento.

La API es para sistemas y llamadas repetibles. MCP es para conversaciones, creación y depuración. La mayoría de los equipos crean y depuran con MCP, y después promueven y mantienen los cambios sincronizados mediante la API.

No. Todo lo programado, reproducible o de gran volumen pertenece a la Management API. Un pipeline que a veces interpreta las instrucciones de forma distinta no es un pipeline.

Sí. Las reglas pueden crearse y depurarse mediante MCP, y después promoverse y mantenerse sincronizadas mediante la API. MCP escribe el borrador y la API lo entrega.