MCP + Python: Cómo usar plugins para que ChatGPT ejecute código real (sin humo)

Mira, colega, llevamos meses oyendo hablar de MCP (Model Context Protocol) como si fuera la panacea, pero hasta ahora parecía más humo que otra cosa. Pues resulta que cuando juntas MCP con Python y plugins bien configurados, la cosa cambia. Te voy a contar cómo hacer que ChatGPT no solo hable, sino que ejecute código real, acceda a ficheros, lance scripts y hasta interactúe con APIs. Sin tonterías.

¿Qué coño es MCP y por qué debería importarte?

MCP es un protocolo abierto que permite a modelos como ChatGPT conectarse directamente con herramientas externas. Piensa en ello como un puente: en lugar de pedirle a la IA que "imagine" que ejecuta código, le dices "ejecuta esto en Python real" y te devuelve resultados de verdad.

Para el día a día de un programador, esto significa:

• No más alucinaciones con respuestas que parecen código pero no funcionan
• Capacidad de leer/escribir archivos locales
• Ejecutar scripts complejos sin copiar/pegar manualmente
• Integrar con bases de datos, APIs y lo que se te ocurra

Cómo montarlo en 5 minutos (sí, en serio)

Necesitas tres cosas: Python 3.10+, pip y una clave de API de OpenAI (o del modelo que uses). Luego:

• Instala el paquete base:

pip install mcp-python

• Crea un archivo mcp_plugins.json en tu directorio de trabajo:

{

"plugins": [

{

"name": "python_executor",

"type": "python",

"config": {

"timeout": 30,

"allow_imports": ["os", "sys", "json", "requests", "pandas"]

}

}

]

}

• Lanza el servidor MCP:

mcp-server --plugins mcp_plugins.json

Ya está. Ahora tu ChatGPT puede ejecutar Python real. Pero vamos a lo práctico.

3 prompts que te volarán la cabeza

1. Ejecuta código Python directamente

Actúa como un asistente de programación conectado vía MCP.

Ejecuta el siguiente código Python en el entorno local y devuélveme el resultado:

import os

import json
Listar archivos del directorio actual
files = os.listdir('.')
Crear un resumen JSON
summary = {
 "directorio_actual": os.getcwd(),
 "numero_archivos": len(files),
 "archivos": files[:10]
}
print(json.dumps(summary, indent=2))
Usa el plugin python_executor para ejecutarlo.
Esto te devuelve la salida real del código, no una simulación. Perfecto para debugging rápido.
2. Analiza un archivo CSV real
Tengo un archivo llamado "ventas.csv" en el directorio actual.
Usando MCP, ejecuta este análisis:
import pandas as pd
import json
df = pd.read_csv('ventas.csv')
stats = {
 "columnas": list(df.columns),
 "filas": len(df),
 "nulos_por_columna": df.isnull().sum().to_dict(),
 "estadisticas": df.describe().to_dict()
}
print(json.dumps(stats, indent=2))
Devuélveme el resultado formateado bonito.
Esto evita que tengas que abrir Excel o hacerlo manual. Directo al grano.
3. Convierte datos en API real
Usando MCP, quiero que ejecutes este script que consulta una API pública y guarda los resultados:
import requests
import json
API de ejemplo (JSONPlaceholder)
response = requests.get('https://jsonplaceholder.typicode.com/posts/1')
data = response.json()
Guardar en archivo local
with open('api_result.json', 'w') as f:
 json.dump(data, f, indent=2)
print(f"Datos guardados: {json.dumps(data, indent=2)}")
Ejecútalo y dime qué ha pasado.
Ahora sí, la IA puede interactuar con el mundo real.
El truco definitivo: plugins personalizados
Lo mejor de MCP es que puedes crear tus propios plugins. Por ejemplo, uno que ejecute scripts de Bash, otro que lea bases de datos SQLite, o uno que haga deploy automático. La clave está en el archivo de configuración.
¿Quieres un plugin que solo permita pandas y requests? Lo configuras. ¿Uno que tenga acceso total pero con timeout de 5 segundos? También.
Ejemplo de plugin avanzado:

json

{

"plugins": [

{

"name": "db_connector",

"type": "python",

"config": {

"timeout": 60,

"allow_imports": ["sqlite3", "psycopg2", "pymongo"],

"allowed_paths": ["/data/proyecto/"],

"max_memory_mb": 512

}

}

]

}

Esto te da control total sobre lo que la IA puede hacer en tu máquina.

¿Merece la pena?

Mira, tío, si eres programador y usas ChatGPT a diario, esto te ahorra horas. Literalmente. Dejas de pegar código de prueba, esperar respuestas inventadas y tener que verificar todo manualmente. Con MCP, la IA ejecuta, falla si tiene que fallar, y te devuelve resultados reales.

Eso sí, ten cuidado con los permisos. No le des acceso root a tu máquina ni dejes que ejecute scripts sin mirarlos primero. Como todo en la vida, con responsabilidad.

Y tú, ¿qué prompt usarías para que ChatGPT te gestione los logs de producción?