Cómo Smartsheet construyó un servidor MCP remoto en AWS y qué significa para las empresas

Introducción

Smartsheet, plataforma de gestión del trabajo usada por cientos de miles de organizaciones, desarrolló un servidor remoto basado en el Model Context Protocol (MCP) sobre AWS para conectar agentes de IA con sus datos y funciones. Este enfoque resuelve un problema recurrente: los asistentes y agentes necesitan acceso estructurado y gobernado a información empresarial que, habitualmente, no está preparada para consumo por modelos de lenguaje.

En la práctica, asistentes como Amazon Quick o Claude Desktop pueden ahora interactuar con Smartsheet mediante lenguaje natural para analizar datos de proyectos, actualizar tareas, crear hojas y gestionar espacios de trabajo. Además, empresas usan agentes autónomos que ejecutan flujos sin intervención humana, por ejemplo para capturar requisitos, adjuntar resultados de pruebas o generar documentación dentro de las mismas hojas que usan los equipos humanos.

Qué es MCP y por qué importa

Model Context Protocol (MCP) es un patrón para exponer contexto y capacidades de una aplicación a clientes de IA —tanto asistentes humanos como agentes autónomos— de forma controlada. En el caso de Smartsheet, el servidor remoto MCP actúa como puente entre los clientes de IA y los servicios de dominio existentes, añadiendo una capa optimizada para modelos de lenguaje que reduce costos de tokens y disminuye riesgos de alucinaciones.

La decisión de servir a clientes internos (el Smart Assist del producto) y externos (integraciones con terceros) sobre la misma infraestructura garantiza paridad: se construye una vez y cualquier cliente agentic se beneficia de las mismas herramientas y controles.

Arquitectura técnica sobre AWS

La implementación conecta varios componentes críticos en la ruta de datos:

• Capa de entrada y protección: solicitudes entrantes pasan por un gateway con AWS WAF, AWS Shield, Application Load Balancer y validación OAuth antes de llegar al servidor MCP.
• MCP Server en contenedores: el servidor MCP corre en AWS Fargate para Amazon ECS como contenedores sin estado, gestionando la orquestación y el escalado.
• Integración con servicios de dominio: el MCP invoca las APIs de los servicios de dominio de Smartsheet para operaciones transaccionales (crear, actualizar, leer recursos).
• Capa de inteligencia: consultas a la capa de inteligencia se realizan contra una solución sustentada en Amazon Neptune y Databricks para ofrecer insights cross-project. Amazon Bedrock se usa para inferencia LLM donde corresponde.
• Ingesta de eventos: los eventos de cambio se canalizan mediante Amazon Kinesis Data Streams y Apache Flink hacia un almacenamiento basado en Amazon S3, que sigue la medallion architecture para calidad y transformación de datos.

Este diseño separa responsabilidades: el MCP se centra en exposición segura y optimizada para IA, mientras la capa de inteligencia y los servicios de dominio mantienen sus propias garantías y datos.

Escalado y despliegue para patrones de agentes

El tráfico generado por agentes de IA no se comporta como solicitudes web tradicionales: los agentes suelen disparar ráfagas de llamadas (varias peticiones por segundo) mientras ejecutan una tarea, y luego un periodo de silencio mientras el modelo razona. Para absorber esa variabilidad, Smartsheet ejecuta el MCP en Fargate sobre ECS y utiliza ECS Auto Scaling con políticas de target-tracking que combinan volumen de tráfico y utilización de cómputo.

El escalado orientado al cómputo es crítico, porque cada petición implica procesamiento en servidor (p. ej. serialización optimizada para LLM), no solo forwarding. Pruebas de carga con patrones parecidos a producción confirmaron que la infraestructura aguanta picos sin degradación.

En cuanto a despliegues, Smartsheet mantiene imágenes de contenedor en Amazon ECR y opera una pipeline CI/CD con protecciones: circuit breakers de ECS detectan contenedores fallidos y revirtien automáticamente a la versión estable previa. Las actualizaciones se despliegan primero en la región de menor impacto y se validan con pruebas end-to-end. Además, hay canary tests que ejecutan flujos MCP completos cada 15 minutos para detectar regresiones antes de que lleguen a clientes.

Gobernanza, observabilidad y controles

La adopción en empresas depende de controles robustos: Smartsheet incorporó gobernanza en el marco de herramientas mismo. El sistema ofrece niveles de acceso por organización: administradores pueden habilitar IA globalmente, limitar operaciones a sólo lectura o permitir acciones destructivas, permitiendo un ritmo de adopción gradual.

Las herramientas transportan anotaciones del protocolo MCP como readOnlyHint y destructiveHint para que los clientes de IA apliquen flujos de confirmación adecuados. Además, el servidor emite señales OpenTelemetry (logs, traces y métricas) para observabilidad y trazabilidad. Estas capacidades son clave para auditorías, cumplimiento y análisis de incidentes en entornos empresariales.

Optimización específica para IA y ahorro de tokens

Smartsheet añadió una interfaz optimizada para IA sobre sus APIs con dos objetivos: minimizar el consumo de tokens y reducir la probabilidad de alucinaciones por parte de los LLM. Según la telemetría interna reportada, estas optimizaciones llevaron a un ahorro superior a 3 mil millones de tokens desde el lanzamiento.

Las técnicas incluyen serialización eficiente de contexto relevante, filtros para exponer solo datos necesarios y anotaciones de intención para que los modelos no especulen más allá de lo permitido. Esto no solo baja costos directos cuando se usan modelos que cobran por tokens, sino que también mejora la fiabilidad de las respuestas automatizadas.

Qué significa esto para empresas en América Latina

Para organizaciones latinoamericanas, la arquitectura de Smartsheet sobre AWS ofrece un ejemplo útil de cómo integrar agentes de IA sin sacrificar seguridad ni gobernanza. Puntos relevantes para la región:

• Control y cumplimiento: las políticas de acceso por organización y las trazas OpenTelemetry facilitan respuestas a requisitos de auditoría y cumplimiento locales.
• Reducción de costos: optimizaciones en la capa MCP que reducen tokens son valiosas en entornos con presupuestos ajustados o modelos de precios por consumo.
• Modernización de procesos: la capacidad de que agentes trabajen en las mismas hojas que los equipos humanos puede comprimir procesos que antes tomaban semanas en días u horas, un beneficio competitivamente relevante.
• Flexibilidad en infraestructura: operar sobre servicios gestionados de AWS (Fargate, Kinesis, Neptune) permite delegar parte de la complejidad operativa y escalar acorde al crecimiento.

Cada organización deberá evaluar integración con sus propias políticas de datos y regulatorias, así como diseñar controles operativos acorde a sus necesidades.

Conclusión

El servidor remoto MCP de Smartsheet en AWS muestra cómo una capa diseñada para IA puede conectar modelos de lenguaje con datos empresariales de manera segura, eficiente y gobernable. El uso combinado de servicios como Fargate, Kinesis, Flink, Bedrock y Neptune, junto con prácticas de despliegue y observabilidad, permite soportar tráfico bursty de agentes, reducir costos de tokens y mantener controles empresariales.

Para equipos de TI y líderes de negocio en América Latina, este caso aporta ideas prácticas sobre cómo habilitar asistentes y agentes de IA respetando seguridad, gobernanza y economía de operación.