Cómo crear un asistente de ventas con Claude + MCP (Model Context Protocol)

Si estás en ventas, sabes que la diferencia entre cerrar un trato y perder un cliente suele estar en la información que tienes a la mano en el momento justo. Un asistente de ventas con inteligencia artificial puede darte esa ventaja, pero hasta hace poco requería integraciones complejas o suscripciones costosas. Con el Model Context Protocol (MCP) de Anthropic y Claude, puedes construir tu propio asistente de ventas personalizado que acceda a tus datos en tiempo real, sin mover información a la nube ni depender de APIs externas. En este tutorial práctico te guiaré paso a paso para que crees el tuyo desde cero.

¿Qué es MCP y por qué es un game changer para ventas?

El Model Context Protocol es un estándar abierto que permite a Claude conectarse directamente con fuentes de datos locales o en la nube, como bases de datos, CRMs, hojas de cálculo o archivos PDF. En lugar de copiar y pegar información manualmente, tu asistente de ventas puede consultar tus datos en tiempo real, analizarlos y actuar sobre ellos. Imagina tener un vendedor virtual que revisa tu pipeline, te recuerda seguimientos pendientes, redacta correos personalizados basados en el historial de cada cliente y hasta sugiere el siguiente paso estratégico. Todo esto sin que tú tengas que hacer más que darle instrucciones en lenguaje natural.

Paso 1: Preparar tu entorno y conectar Claude con MCP

Antes de empezar, necesitas tener instalado Claude Desktop (versión de escritorio) y un editor de texto como VS Code. El MCP funciona mediante un servidor local que Claude puede invocar. Para este tutorial, usaremos un servidor MCP básico que accede a un archivo CSV con datos de clientes y ventas. Puedes descargar el repositorio oficial de MCP desde GitHub o crear tu propio servidor con Python o Node.js. Aquí te muestro cómo hacerlo con Python:

PROMPT# Instala la librería MCP

pip install mcp

Crea un archivo server.py con este código básico

from mcp.server import Server, NotificationOptions

from mcp.server.models import InitializationOptions

import mcp.server.stdio

import csv

server = Server("ventas-assistant")

@server.list_tools()

async def handle_list_tools():

return [

{

"name": "consultar_clientes",

"description": "Obtiene datos de clientes desde un archivo CSV",

"inputSchema": {

"type": "object",

"properties": {

"filtro": {"type": "string", "description": "Nombre o ID del cliente"}

}

}

}

]

@server.call_tool()

async def handle_call_tool(name: str, arguments: dict):

if name == "consultar_clientes":

filtro = arguments.get("filtro", "")

with open("clientes.csv", mode='r') as file:

reader = csv.DictReader(file)

resultados = [row for row in reader if filtro.lower() in row["nombre"].lower()]

return [{"type": "text", "text": str(resultados)}]

async def main():

async with mcp.server.stdio.stdio_server() as (read_stream, write_stream):

await server.run(

read_stream,

write_stream,

InitializationOptions(

server_name="ventas-assistant",

server_version="1.0.0",

),

)

if __name__ == "__main__":

import asyncio

asyncio.run(main())

Guarda este archivo y ejecútalo. En Claude Desktop, ve a Configuración > Integraciones y añade un nuevo servidor MCP. Pon la ruta a tu archivo server.py o al ejecutable. Una vez conectado, Claude podrá ejecutar la herramienta "consultar_clientes" cuando se lo pidas.

Paso 2: Estructurar tus datos de ventas para que el asistente los entienda

El éxito de tu asistente depende de cómo organices la información. Crea un archivo CSV (o conecta tu CRM si tiene API) con columnas como: id_cliente, nombre, empresa, ultimo_contacto, etapa_del_pipeline, valor_estimado, productos_interes, notas. Cuantos más detalles, mejor. Por ejemplo:

id_clientenombreempresaultimo_contactoetapavalorproductos

001María LópezTechCorp2025-03-10Negociación50,000SaaS ERP

002Carlos RuizDataSoft2025-03-08Propuesta enviada25,000Analytics Pro

003Ana GómezGreenEnergy2025-02-28Primer contacto12,000Panel Solar Kit

Asegúrate de que el archivo esté en la misma carpeta que tu servidor MCP. Si usas un CRM como HubSpot o Salesforce, puedes crear un script que exporte los datos periódicamente a este CSV, o mejor aún, conectar directamente la API del CRM como una herramienta MCP adicional (eso lo veremos en otro tutorial).

Paso 3: Crear prompts efectivos para tu asistente de ventas

Ahora viene la parte divertida: enseñarle a Claude a usar tus datos. Puedes empezar con instrucciones simples y luego ir refinando. Aquí tienes un prompt funcional que puedes copiar y pegar directamente en Claude:

PROMPTActúa como mi asistente de ventas senior. Tienes acceso a una base de datos de clientes con las columnas: nombre, empresa, ultimo_contacto, etapa, valor y productos.

Tu tarea es:

1. Revisa mi pipeline de ventas actual usando la herramienta consultar_clientes.

2. Identifica los 3 clientes con mayor probabilidad de cierre esta semana (basado en etapa y última interacción).

3. Para cada uno, genera un correo de seguimiento personalizado que:

• Mencione el producto específico que les interesa.
• Haga referencia a nuestra última conversación (usa la fecha de ultimo_contacto).
• Proponga un paso concreto (llamada, demo o reunión).

4. Dame un resumen ejecutivo con las acciones prioritarias para hoy.

Empieza ahora. Primero, consulta todos los clientes.

Cuando ejecutes este prompt, Claude llamará automáticamente a tu herramienta MCP, leerá el CSV y te devolverá los correos y el resumen. Si quieres ajustar el tono o el formato, solo dile: "Usa un tono más formal" o "Incluye emojis en los correos".

Paso 4: Automatizar tareas recurrentes y refinar el asistente

Una vez que el asistente básico funciona, puedes expandirlo. Por ejemplo, añade una herramienta que envíe correos directamente desde tu cuenta de Gmail usando la API de Gmail (necesitarás configurar OAuth). O crea un script que actualice el CSV cada hora. También puedes programar recordatorios: pídele a Claude que cada mañana te dé un briefing de ventas. Para ello, usa la función de programación de tareas de tu sistema operativo (cron en Linux/Mac, Task Scheduler en Windows) para ejecutar un script que envíe un prompt predefinido a Claude mediante su API. El resultado es un asistente que trabaja 24/7.

Tip: No subestimes el poder de los datos históricos. Si tu CSV incluye columnas como "cerrado_perdido" o "motivo_perdida", puedes pedirle a Claude que analice patrones: "¿Qué tienen en común los clientes que cerraron? ¿Qué productos se venden más en qué industrias?" Esto te dará insights de ventas que antes requerían horas de análisis manual.

Ejemplo práctico: De la teoría a la acción

Supón que eres un vendedor de software B2B. Tu asistente te acaba de generar tres correos. Uno de ellos es para María López de TechCorp, que está en etapa de negociación por un ERP de 50,000 USD. El correo dice: "Hola María, recordando nuestra conversación del 10 de marzo, quería compartirte un caso de éxito de una empresa similar que implementó nuestro SaaS ERP y redujo sus costos operativos un 30%. ¿Qué tal si agendamos una demo técnica el jueves a las 10 am?" Tú solo revisas, ajustas el nombre si es necesario, y envías. El asistente también te recordó que Carlos Ruiz lleva 5 días sin respuesta, y te sugiere un follow-up más breve. En 10 minutos, tienes una estrategia de seguimiento completa para tu día.

Lleva tu asistente al siguiente nivel

El MCP es tan flexible que puedes añadir herramientas para consultar precios en tiempo real, verificar stock, o incluso generar propuestas comerciales en PDF. La clave está en empezar con un caso de uso concreto y expandir gradualmente. No necesitas ser un experto en programación; con los ejemplos de este tutorial y un poco de curiosidad, tendrás un asistente de ventas personalizado que te ahorrará horas cada semana. ¿Listo para probarlo? Abre Claude, conecta tu servidor MCP y dale la primera instrucción. Tu pipeline te lo agradecerá.