Responsive MCP: investiga al cliente antes de escribir la propuesta

Probamos el paso previo a una propuesta comercial con tres empresas reales: Wayfair, Snowflake y Mercado Libre. El objetivo era reunir lo que necesita quien redacta la sección «lo que entendemos de su situación». El 16-11-2026, entre las 00:18 y las 00:34 hora de Singapur, 17 llamadas cobradas devolvieron perfiles de empresa, publicaciones, vacantes, noticias y resultados web. El total fue de 0,019516 USD. Un resumen completo de un cliente necesita 6 llamadas y cuesta 0,006806 USD. Con 100 propuestas al año, el gasto en datos ronda los 0,68 USD.

Las vacantes de Mercado Libre las pedimos a través de un tools/call por MCP remoto, para mostrar cómo se ve ese paso dentro de un asistente de IA. Cada cifra de este artículo sale de las respuestas originales de esas llamadas. Un script recalculó cada conteo a partir de esos archivos.

¿Por qué importa a quien usa Responsive? El 10-11-2026 Responsive publicó su versión de otoño. Con ella, MCP deja de ser solo «buscar una respuesta» y pasa a «hacer el trabajo» dentro de ChatGPT, Microsoft Copilot y Claude. Un vendedor puede responder un cuestionario de seguridad y enviar un seguimiento en la misma conversación. Un experto de seguridad puede redactar y guardar las respuestas que tiene asignadas. Un equipo de propuestas puede registrar conocimiento nuevo, etiquetarlo y enviarlo a revisión.

Otro artículo del centro de ayuda de Responsive cubre la dirección contraria. Responsive también puede actuar como cliente MCP: un administrador conecta un servidor MCP externo a Responsive AI. No tenemos cuenta de Responsive para probar. Todos los pasos de Responsive, Claude, ChatGPT y Copilot que aparecen abajo son ejemplos de configuración, basados en la documentación de cada fabricante.

Cada empresa devolvió 20 publicaciones, pero con fechas muy distintas: las 20 de Snowflake caen en los últimos 30 días y solo 1 de las 20 de Mercado Libre. Una búsqueda de empleos con la palabra «Snowflake» trajo 50 vacantes y solo 12 eran de Snowflake; la URL con filtro de empresa de su perfil trajo 50 de 50. Tres de las seis vacantes de «ventas» de Wayfair eran puestos de tienda con «Sales» en el título, sin relación con las compras de empresa.

El trabajo: leer el último mes del cliente antes de responder la RFP

Casi todas las respuestas a RFP y propuestas comerciales tienen una sección sobre el cliente. Se llama «nuestra comprensión de su situación» o «antecedentes del proyecto». Quien evalúa la lee para ver si el proveedor se tomó el trabajo de entenderlo. La norma de compras federales de Estados Unidos, FAR 15.305, dice que la evaluación de una propuesta valora la propuesta y la capacidad del oferente para cumplir el contrato. Además, solo se puntúa con los factores escritos en la convocatoria. Las compras privadas son menos formales, pero la lógica es la misma.

Una sección de antecedentes vaga hace que hasta una buena propuesta parezca una plantilla. Casi todo el material de esa sección es público: tamaño y sede del cliente, sus publicaciones del último mes, sus vacantes abiertas, sus noticias y resultados. Un preventa que lo hace a mano salta entre el perfil de la empresa, su página de empleo, sitios de noticias y la web de inversores.

La investigación manual también pierde fechas. En esta prueba, entre los 10 resultados web de Wayfair se coló una noticia de despidos de agosto de 2022. Un asistente de IA puede hacer este paso con dos condiciones. Necesita datos estructurados con fecha. Y necesita una fuente para cada dato, para que una persona pueda revisarlo.

Responsive llama a su categoría «gestión estratégica de respuestas» (Strategic Response Management). Gestiona RFP, cuestionarios de seguridad y cuestionarios de debida diligencia. El servidor MCP de Responsive lleva respuestas internas aprobadas a los asistentes de IA. Las novedades del cliente son datos externos, así que hace falta una segunda fuente. Juntas, las dos fuentes dan a un sales proposal AI agent las dos mitades del trabajo: respuestas internas aprobadas y hechos externos recientes.

Esta prueba cubre solo la mitad externa. La regla de aprobación fue: dos empresas reales, al menos cuatro tipos de datos públicos por empresa y una llamada completa por MCP remoto. Elegimos Wayfair y Snowflake porque una es minorista y la otra es de software, y sus contrataciones se parecen poco. Sumamos Mercado Libre porque es la referencia del comercio electrónico en América Latina y porque permite ver el mismo método con fuentes en español.

Qué abrió Responsive el 10 de noviembre

Responsive publicó la nota de la versión de otoño el 10-11-2026. El primer párrafo anuncia capacidades ampliadas de Model Context Protocol (MCP). Los equipos ya pueden usar ChatGPT, Microsoft Copilot y Claude para consultar el conocimiento que gestiona Responsive, colaborar y hacer avanzar el trabajo de respuesta. La primera versión de MCP llegó con la versión de primavera, el 13-05-2026. Esa versión se centraba en responder preguntas de clientes y generar correos y propuestas con contenido aprobado.

La versión de otoño pone el foco en las acciones. La nota de otoño dice que, desde el lanzamiento del servidor MCP, los clientes hicieron más de 198.000 llamadas a herramientas. En más de 38.000 ocasiones, los equipos llevaron trabajo desde su asistente de IA a oportunidades activas.

La nota de prensa, la página de capacidades y el centro de ayuda de Responsive cubren partes distintas de MCP; ninguna lo cuenta todo. Donde ninguna fuente da el dato, la fila pone «no consta».

La otra mitad de la versión de otoño trata de la gestión de contenidos. El sistema marca respuestas duplicadas o contradictorias. Evalúa la calidad de la redacción y los metadatos. Recomienda si un contenido debe aceptarse, rechazarse o revisarse, y las decisiones simples se pueden automatizar con reglas.

La nota cita una predicción de Gartner de febrero de 2025: hasta finales de 2026, las organizaciones abandonarán el 60 % de los proyectos de IA que no tengan datos preparados para IA. Esto también afecta a nuestro tema. Una biblioteca de respuestas impecable no sirve si la sección sobre el cliente usa datos externos viejos.

Dos direcciones: Responsive como servidor MCP y como cliente MCP

Responsive se conecta con MCP en dos direcciones. En la primera, Responsive es el servidor. Claude, ChatGPT o Copilot son el cliente y se conectan a la URL MCP de Responsive. El centro de ayuda da un ejemplo para ChatGPT con la forma <tenant>.rfpio.com/oa/v1/mcp. Cada usuario entra con su propia cuenta de Responsive mediante OAuth.

En la segunda, Responsive es el cliente. Un administrador abre «Organization Settings > Responsive AI > MCP Connectors» y agrega un servidor MCP externo. Luego Responsive AI llama a esas herramientas externas por su cuenta. Las dos direcciones sirven para investigar cuentas, pero el modelo trabaja en lugares distintos.

En la primera dirección, el modelo vive en Claude o ChatGPT. Se conecta a la vez con Responsive y con una fuente de datos externa. Saca las novedades del cliente de la fuente externa y las respuestas aprobadas de Responsive. Después guarda la sección terminada en el proyecto de Responsive.

En la segunda, el modelo vive dentro de Responsive y la fuente externa es un conector más de Responsive AI. El centro de ayuda explica que Responsive AI usa la descripción del conector para decidir cuándo enviarle una petición. Por eso la descripción debe decir qué hace, por ejemplo «publicaciones públicas de empresas, vacantes y noticias».

El centro de ayuda detalla la clave de API para la segunda dirección. La clave puede ir en una cabecera o en un parámetro de consulta. El nombre de cabecera por defecto es X-API-Key y se puede cambiar. Al guardar, Responsive oculta y cifra la clave, y ya no se puede ver. Un panel «MCP Request Preview» muestra cómo enviará la clave.

El punto MCP remoto de EveryInfra, https://api.everyinfra.com/mcp, solo acepta la cabecera Authorization: Bearer <clave>. La forma ?key= en la URL ya no funciona. En Responsive habría que cambiar el nombre de la cabecera a Authorization y poner como valor Bearer, un espacio y la clave. No pudimos comprobar si Responsive envía ese valor sin cambios, y el artículo de ayuda no lo dice. Revise el Request Preview antes de guardar. La vía OAuth, con descubrimiento automático y registro dinámico de clientes, tampoco la probamos del lado de Responsive.

Qué descargamos: tres empresas, cuatro tipos de datos públicos

Enviamos todas las llamadas el 16-11-2026, entre las 00:18 y las 00:34 hora de Singapur, con la API de EveryInfra. Guardamos cada respuesta original y un script recalculó todas las cifras de este texto a partir de esos archivos. La clave de prueba era compartida y otras tareas la usaban a la vez. Por eso recibimos varios avisos de límite de uso (HTTP 429) en los primeros minutos y reintentamos tras la espera indicada en cada respuesta.

Otras ocho llamadas fallaron y no se cobraron; la sección sobre fallos las explica. El perfil de empresa da lo necesario para la frase sobre tamaño.

El perfil incluye el campo job_search_url, del que dependen las búsquedas de vacantes de más abajo. La página de la API de datos de LinkedIn lista todas las capacidades. Los parámetros están en perfil de empresa, publicaciones de empresa, vacantes y detalle de vacante.

Publicaciones: las mismas 20 pueden cubrir 9 días o 286

En esta prueba, linkedin/company_posts devolvió 20 publicaciones por empresa. Según posted_at, las 20 de Snowflake caen entre el 6 y el 15 de noviembre, un tramo de 9 días, todas dentro de los últimos 30 días. Las 20 de Wayfair van del 29 de septiembre al 13 de noviembre, 45 días, con 12 dentro de la ventana.

Las 20 de Mercado Libre van del 22 de enero al 4 de noviembre, 286 días. Solo una cae en los últimos 30 días: la publicación de resultados del tercer trimestre, del 04-11-2026. Las tres llamadas cuestan lo mismo, pero la cantidad de novedades recientes cambia en un orden de magnitud.

Al recibirlas, ordenamos por posted_at de la más nueva a la más vieja, cortamos en el 17 de octubre y dejamos el resto en una columna «anteriores». Ese paso lo hace un script, así que el modelo recibe una lista ya ordenada y recortada y no tiene que decidir qué publicación es más reciente. El corte dejó fuera 8 publicaciones de Wayfair, ninguna de Snowflake y 19 de Mercado Libre: son los tramos «anteriores» del gráfico.

También clasificamos el texto con reglas de palabras clave; una publicación puede caer en varios grupos. De las 12 recientes de Wayfair, 5 tratan de tiendas y logística, 5 de personas y cultura, 3 de IA, 3 de eventos y 2 de resultados. La mediana de reacciones es 78. La más vista, con 417, anuncia la entrada del cofundador y consejero delegado en un salón de la fama del sector del mueble.

De las 20 de Snowflake, 15 hablan de IA. La mediana es 53 y la más vista, con 259, anuncia el 10 de noviembre que Claude Fable 5.2 está disponible el mismo día en Cortex AI. Este reparto le dice a quien escribe la propuesta qué destaca el cliente en público este mes, y por ahí puede entrar la propuesta.

Mercado Libre deja otra lección: para una empresa que publica poco, las publicaciones rinden poco. Su única publicación reciente informa de 10.750 millones de dólares en ingresos netos y financieros del tercer trimestre, un 45 % más que un año antes. Agrega 94 millones de compradores únicos activos y 93 millones de usuarios activos mensuales en Mercado Pago, un 29 % más. Las mismas cifras están en su sitio de inversores y en su comunicado. Para clientes así, se puede omitir esta llamada y ahorrar 0,002319 USD por resumen.

Señal de contratación uno: el nombre de la empresa como palabra clave trae a otros empleadores

El parámetro keyword de linkedin/jobs acepta una palabra o una URL completa de búsqueda de empleos de LinkedIn. Primero probamos lo obvio: el nombre de la empresa como palabra, Estados Unidos como ubicación y 50 resultados. La búsqueda de Wayfair trajo 50 vacantes, todas de Wayfair. La de Snowflake trajo 50 y solo 12 eran de Snowflake.

Las otras 38 eran de 17 empleadores. Snowflake también es el nombre de una plataforma de datos, y esos empleadores buscan ingenieros de datos que sepan usarla.

linkedin/company_profile devuelve job_search_url, un enlace de búsqueda de empleos filtrado por ID de empresa. El de Snowflake incluye 5 ID, de la página principal y de páginas relacionadas. El de Mercado Libre incluye 2.

Pasamos el enlace de Snowflake tal cual en keyword. Las 50 vacantes devueltas eran de Snowflake, todas publicadas desde el 25 de octubre. La llamada de Mercado Libre por MCP remoto también trajo 50 de 50. El centro de ayuda de LinkedIn confirma que la búsqueda de empleos se puede filtrar por empresa. También dice que el orden tiene en cuenta la actividad de búsqueda de cada persona y que se muestran hasta 1.000 resultados. Por eso la misma palabra puede dar otras 50 primeras vacantes a otra persona o en otro momento.

Este paso cuesta casi nada: un perfil, 0,000556 USD, y una búsqueda de vacantes, lo mismo. El ahorro es el tiempo de quitar a mano las vacantes ajenas. Y evita una frase errónea en la propuesta, como «están contratando ingenieros de datos a gran escala», cuando las vacantes son de otros. «Mercado Libre» también es una expresión común, como se verá en las noticias.

Las dos búsquedas de Snowflake se pueden cruzar. De las 12 vacantes propias que trajo la palabra clave, solo 1 (un puesto de ingeniería de software para virtualización) aparece entre las 50 de la URL con filtro; juntas suman 61 vacantes distintas. Cada lote de 50 es solo una muestra de lo que la empresa tiene abierto, así que en la propuesta cabe una proporción, no un total. Las proporciones sí se parecen: en el lote por palabra clave, 7 de 12 son de ingeniería e IA (58 %); en el de la URL, 32 de 50 (64 %). «La mayoría de las contrataciones de Snowflake son de ingeniería» se puede escribir; «Snowflake tiene 50 vacantes» no.

Señal de contratación dos: qué dice el reparto de vacantes y dónde engaña

Con listas limpias, asignamos cada vacante a un grupo según palabras de su título: ventas y preventa, ingeniería e IA, tiendas y operaciones, producto, marketing, analítica, finanzas, RR. HH. y legal, y otros. Escribimos las reglas después de ver las listas de Wayfair y Snowflake y no las cambiamos después. Se aplican en orden y gana la primera que coincide: un título con sales, account executive, solution engineer, venta o comercial va a ventas; con store, retail, warehouse u operations, a tiendas; con engineer, scientist, software o AI, a ingeniería; sin coincidencia, a otros.

Las tres empresas se parecen poco. Wayfair tiene 29 de 50 vacantes en tiendas, almacenes y operación, en línea con sus publicaciones sobre tiendas nuevas. El 7 de octubre anunció su tienda número 11, en Cherry Hill, Nueva Jersey. El 12-11-2026 anunció una segunda tienda en Nueva York, en la zona de Búfalo, para 2028, con 96.000 pies cuadrados.

Snowflake tiene 32 de 50 vacantes en ingeniería, ingeniería de datos e investigación, más 7 de producto. Sus 8 vacantes de ventas incluyen representantes de desarrollo de ventas que hablen español y francés, y un ejecutivo de grandes cuentas para Noruega. Se puede leer como crecimiento en Europa y en mercados de habla hispana.

Mercado Libre merece más detalle, porque es el ejemplo más claro de lo que las vacantes dicen y de lo que no dicen. De sus 50 vacantes, 26 son de ventas. Quince de esas 26 llevan «Mercado Pago» en el título y otras siete llevan «Fintech». Son sobre todo ejecutivos comerciales de campo, ventas en terreno, fuerza de venta directa y terminales de punto de venta.

Las cuatro vacantes de Shanghái encajan con una publicación de junio de 2026 en la que la empresa cuenta que abrió un equipo de 200 personas en Shenzhen y Shanghái. Esa publicación queda fuera de los 30 días y solo sirve como contexto, marcada como anterior. Las de Miami son de comercio transfronterizo de Marketplace.

Estas son las seis vacantes de «ventas» de Wayfair. Tres son «Assistant Store Manager of Sales», «Assistant Manager, Retail Sales» y «Assistant Store Manager, Retail Sales». Son puestos de gestión de tienda; la regla de ventas se aplica antes que la de tiendas, así que «Retail Sales» cayó primero en ventas. Solo tres tienen que ver con clientes empresa. Son un puesto comercial de Wayfair Professional, un responsable de analítica de estrategia de ventas B2B y un analista de compensación de ventas.

Un equipo que vende al área de compras empresariales de Wayfair podría leer «seis vacantes de ventas» como un crecimiento B2B rápido. Al leer cada título, la conclusión se reduce a la mitad.

Un detalle de vacante puede confirmar una señal. Llamamos a linkedin/job_detail para el puesto comercial de Wayfair, ID 4487569684, publicado el 04-11-2026, por 0,001194 USD. La descripción dice que Wayfair Professional es el negocio B2B de la empresa, con facturación de miles de millones de dólares y más de un millón de clientes empresa activos en oficinas, interiorismo, contratistas y administración de inmuebles. El puesto lleva la estrategia comercial para administración de inmuebles y trabaja en la sede de Boston cuatro días por semana. Un equipo que vende software de compras de mobiliario o datos del sector inmobiliario puede citarlo en la propuesta.

Hay cuatro cuidados más con estos datos. Las 50 filas de Wayfair tienen 45 títulos distintos y las de Mercado Libre 38: la misma vacante aparece una vez por ciudad. Quite duplicados por título, o por título y ubicación, antes de contar. La vacante más antigua de Wayfair es del 27 de mayo y solo 23 de sus 50 filas son de los últimos 30 días, así que las vacantes permanentes diluyen la contratación reciente.

La columna applicant_count también pide cuidado. Wayfair tiene 26 filas con exactamente 25 y 2 con 200, Snowflake 21 con 200 y Mercado Libre 16 con 200. Creemos que son tramos de pantalla, como «primeros 25 candidatos» o «más de 200 candidatos», no cifras exactas. El salario abunda en las vacantes de Estados Unidos (45 de 50 en Wayfair) y casi no aparece en las de América Latina (1 de 50 en Mercado Libre).

Noticias y búsqueda web: revise cada fecha

google_news/search con una ventana de un mes devolvió 20 filas por empresa. Las 60 filas de las tres empresas tenían fecha y todas caían en los últimos 30 días. En Wayfair predominan Yahoo Finance, CNBC, CBS y varias cadenas locales de Búfalo, con resultados trimestrales, la tienda de Búfalo y la promoción Way Day. En Snowflake, 11 son de Yahoo Finance y 7 de comunicados y blog de la propia Snowflake. Los parámetros están en API de Google Noticias y búsqueda de noticias.

Para Mercado Libre buscamos en español para México. Los temas fueron El Buen Fin 2026, con descuentos de hasta el 65 % y entrega el mismo día en 37 ciudades (El Financiero, 12-11-2026), y la apertura del centro de distribución robotizado en Tezontepec, Hidalgo (presidencia de México, 03-11-2026). También aparecieron los resultados trimestrales (El Economista, 04-11-2026) y la feria digital para pymes. Dos de las 20 filas usaban «mercado libre» en el sentido de «libre mercado» y no hablaban de la empresa. Hubo que quitarlas a mano.

Los resultados de web/search fueron más desordenados. Buscamos «<empresa> news November 2026», 10 filas por empresa. De las 10 de Wayfair, 3 no tenían fecha, 1 decía solo «1 year ago» y una era una noticia de despidos del 22 de agosto de 2022. De las 10 de Snowflake, 1 no tenía fecha y 2 decían solo «hace unos días». La nota del campo ya advierte que published_at puede faltar o ser inexacto en la búsqueda web.

Eso coincide con lo que explica Google sobre sus propios resultados: estima la fecha con varias señales de la página y, si la página no la marca con claridad, puede equivocarse. Los parámetros están en API de datos web y búsqueda web.

Así que repartimos el trabajo entre las dos fuentes. La búsqueda de noticias responde «qué pasó este mes» y su fecha se puede usar tal cual. La búsqueda web sirve para encontrar páginas primarias, como sitios de inversores y comunicados originales. Abrimos cada página, revisamos fecha y cifras, y solo entonces la citamos. Si el modelo toma como reciente la noticia de despidos de agosto de 2022, una propuesta de noviembre de 2026 dirá «están recortando plantilla» sobre algo de hace más de cuatro años.

Cómo queda la sección: tres borradores de «lo que entendemos»

Abajo hay tres borradores hechos con estos datos. El primero va dirigido al área de compras corporativas de Wayfair. El segundo, al área de operaciones de ventas de Snowflake, y el tercero, al equipo de Mercado Pago. Cada frase termina con un ID de fuente entre paréntesis: ID de publicación, de vacante, o fuente y fecha de la noticia. Un modelo redactó los borradores con reglas fijas. La regla principal: una frase sin ID de fuente no entra.

Borrador para Wayfair. Sus ingresos del tercer trimestre de 2026 fueron de 3.400 millones de dólares, un 9,7 % más, con un 11,4 % de crecimiento en Estados Unidos y 22,2 millones de clientes activos (relación con inversores, 04-11-2026). Su red de tiendas acelera: en octubre anunció la tienda número 11 en Cherry Hill (publicación 7513659797682982912, 07-10-2026, fuera de los 30 días). El 12 de noviembre anunció una segunda tienda en Nueva York, en la zona de Búfalo, para 2028 (publicación 7526750679131062272). De sus 50 vacantes abiertas, 29 son de tiendas, almacenes y operación.

Wayfair Professional, su unidad para empresas, atiende a más de un millón de clientes empresa activos y busca un perfil comercial para administración de inmuebles (vacante 4487569684, 04-11-2026). Más de 1.600 ingenieros usan una herramienta de programación con IA (publicación 7526313811780472832, 11-11-2026). La IA validó más de 11 millones de fichas de producto y resuelve más de 41.000 incidencias de proveedores al mes (publicación 7524124393464217600, 05-11-2026).

Borrador para Snowflake. En Expedition, el 3 de noviembre, presentaron Business Ontology y Cortex AI Gateway, para que los agentes de IA trabajen dentro de datos y permisos gobernados (comunicado, 03-11-2026; publicación 7524576411794194432, 06-11-2026). El 10 de noviembre ofrecieron Claude Fable 5.2 el mismo día, en vista previa privada, en Cortex AI (publicación 7525739668739497984). Una publicación del 14 de noviembre propone medir el gasto en IA como «coste por resultado correcto y gobernado» (publicación 7527181045956349952).

En contratación, 32 de sus 50 vacantes recientes son de ingeniería, ingeniería de datos e investigación. Entre las de ventas hay representantes que hablan español y francés y un ejecutivo de cuentas para Noruega (URL con filtro, descargada el 16-11-2026 a las 00:31 hora de Singapur). Sus resultados del tercer trimestre se publican el 2 de diciembre (comunicado, 02-11-2026). Si la propuesta habla de ciclos de presupuesto, conviene tener en cuenta esa fecha.

Borrador para Mercado Libre. En el tercer trimestre de 2026 alcanzaron 10.750 millones de dólares en ingresos netos y financieros, un 45 % más, con 31 trimestres seguidos por encima del 30 % (publicación 7523865307485122560, 04-11-2026). Mercado Pago llegó a 93 millones de usuarios activos mensuales, un 29 % más (misma publicación). El 3 de noviembre inauguraron en Tezontepec, Hidalgo, su primer centro de distribución robotizado en México (presidencia de México, 03-11-2026).

Para El Buen Fin 2026 ofrecen descuentos de hasta el 65 % y entrega el mismo día en 37 ciudades (El Financiero, 12-11-2026). De sus 50 vacantes recientes, 26 son de ventas, sobre todo fuerza de venta directa y terminales de punto de venta de Mercado Pago en Chile y México (URL con filtro vía MCP, 16-11-2026, 00:33 hora de Singapur).

Ningún borrador cita una fila de búsqueda web. En esta prueba, la búsqueda web solo nos ayudó a encontrar la página de inversores y los comunicados originales; abrimos esas páginas y citamos las páginas.

No mezcle el material del cliente con los datos públicos

Quien escribe una propuesta suele tener tres tipos de material a la vez: la RFP y sus anexos, las notas de las reuniones de descubrimiento y datos públicos como los de arriba. Los dos primeros vienen del cliente y muchas veces tienen cláusulas de confidencialidad. El tercero está al alcance de cualquiera.

Si se mezclan los tres en un solo prompt para pedir «contexto reciente», aparecen dos problemas. El modelo puede presentar un comentario privado de una reunión como «según informes públicos». También puede combinar una cifra pública con una que el cliente dio de palabra, y al final ninguna de las dos fuentes coincide.

Seguimos tres reglas. Primera, la pasada que descarga datos públicos no lleva material del cliente en su prompt; después, una persona lee el borrador junto al material del cliente y ve de dónde sale cada frase. Segunda, cada frase lleva un ID de fuente: las del cliente usan «archivo y página», las públicas usan publicación, vacante o URL. Los dos formatos se distinguen a simple vista. Tercera, nunca ponga material del cliente en los parámetros de una búsqueda o de una API externa, como buscar en noticias el nombre de un proyecto no anunciado. Eso envía información confidencial a un tercero.

Los datos personales van aparte. Las publicaciones y las vacantes a veces nombran a empleados, por ejemplo a una jefa de almacén en una nota sobre el equipo. Una propuesta no necesita esos nombres. Si hace falta mencionar a alguien, use el cargo, por ejemplo «su director financiero dijo en una entrevista de noviembre».

El 10-11-2026, el Comité Europeo de Protección de Datos adoptó la versión 2.0 de sus directrices sobre el interés legítimo como base jurídica. El responsable debe evaluar y documentar tres condiciones antes de tratar los datos. El interés debe ser legítimo, el tratamiento debe ser necesario y los derechos de la persona no deben prevalecer. Una investigación de cuentas que solo reúne datos de la empresa se ahorra casi todo ese trabajo. Esto es un hábito de trabajo, no asesoría legal: consulte a su propio equipo jurídico.

Dónde engañan las señales de contratación

De las 50 vacantes de Mercado Libre, 26 son de ventas. Por línea de negocio, Mercado Pago tiene 15, Fintech 7, y Mercado Ads y Marketplace 2 cada una; por país, Chile tiene 14 de las 26 y México 9. Mercado Libre contrata en masa vendedores de campo para Mercado Pago. Se puede leer como una apuesta por los comercios físicos en Chile y México. Eso no significa que vaya a comprar un CRM ni formación de ventas.

Separe «lo que hace el cliente» de «lo que el cliente necesita de nosotros». Lo segundo necesita palabras del propio cliente, en la RFP o en una reunión. Y eso nos devuelve a la sección anterior: son material del cliente y van en la otra columna.

La Oficina de Estadísticas Laborales de Estados Unidos informó el 03-11-2026 de unos 7,5 millones de vacantes en septiembre. El 12-11-2026, Indeed Hiring Lab publicó informes trimestrales sobre empleo tecnológico y minorista en Estados Unidos. Antes de comparar las vacantes de una empresa con cifras así, confirme el alcance. Las cifras nacionales estiman todas las vacantes de todos los canales. Nuestros datos son las 50 primeras vacantes de una empresa, en una plataforma, en un momento dado.

Una llamada por MCP remoto: tools/list y tools/call

Dentro de un asistente, todas estas llamadas pasan por una sola herramienta. A las 00:33 hora de Singapur enviamos tools/list a https://api.everyinfra.com/mcp. La lista incluía everyinfra_list_capabilities para el catálogo, everyinfra_call_api para cualquier capacidad y everyinfra_get_job para tareas asíncronas. La descripción de la herramienta dice que el catálogo cubre 106 plataformas y 574 capacidades. Después usamos everyinfra_call_api para traer las vacantes de Mercado Libre, con la URL con filtro de su perfil como parámetro.

# El tools/call enviado a las 00:33:36 hora de Singapur (la clave solo sale de una variable de entorno)
curl -s https://api.everyinfra.com/mcp \
  -H "Authorization: Bearer $EVERYINFRA_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{"jsonrpc":"2.0","id":2,"method":"tools/call","params":{"name":"everyinfra_call_api",
       "arguments":{"platform":"linkedin","action":"jobs",
       "params":{"keyword":"https://www.linkedin.com/jobs/search?geoId=92000000&f_C=14226%2C107272452","limit":50}}}}'

El campo content de la respuesta contiene un texto JSON. Sus results traen 50 vacantes y billing muestra un cobro de 0,000556 USD, igual que una llamada REST directa. En la especificación de MCP, tools/list permite al cliente descubrir las herramientas de un servidor y tools/call ejecuta una. JSON Schema describe entradas y salidas.

Los servidores remotos usan Streamable HTTP, con un único punto para POST y GET. La sección de autorización recomienda OAuth 2.1 para transportes HTTP y admite otros métodos. Nuestra llamada usó un token de portador, tal como lo define el RFC 6750 de OAuth 2.0. Los detalles de conexión están en la página del servidor MCP.

Conexión en Claude, ChatGPT, Copilot y Responsive (ejemplos de configuración)

Las cuatro conexiones de abajo son ejemplos de configuración y siguen la documentación de cada fabricante. Solo probamos las peticiones tools/list y tools/call que enviamos con curl en la sección anterior; no probamos la configuración en Claude, ChatGPT, Copilot ni Responsive. Un conector personalizado de Claude se conecta desde la nube de Anthropic a su servidor MCP, así que el servidor debe ser accesible desde internet. En los planes Team y Enterprise, un propietario agrega el conector y cada miembro se conecta por su cuenta. Los conectores heredan los permisos de cada usuario en el sistema conectado.

{
  "mcpServers": {
    "everyinfra": {
      "url": "https://api.everyinfra.com/mcp",
      "headers": { "Authorization": "Bearer YOUR_API_KEY" }
    },
    "responsive": {
      "url": "https://<tenant>.rfpio.com/oa/v1/mcp"
    }
  }
}

Esta configuración conecta un asistente a dos servidores. EveryInfra aporta datos públicos; Responsive aporta las respuestas internas y recibe lo que se guarda. La entrada de Responsive usa OAuth, como indica su centro de ayuda, así que no lleva clave y el primer uso abre una página de inicio de sesión.

En ChatGPT, el centro de ayuda de OpenAI explica cómo agregar un servidor MCP personalizado desde la configuración. El ejemplo de Responsive para ChatGPT usa OAuth y su herramienta para guardar se llama save_project_question_response. En Copilot Studio, la documentación de Microsoft indica agregar una herramienta nueva y elegir Model Context Protocol, con nombre, descripción y URL del servidor. La autenticación puede ser ninguna, clave de API u OAuth 2.0. Copilot Studio solo admite el transporte Streamable y dejó de admitir SSE después de agosto de 2025.

Para agregar EveryInfra a Responsive como conector externo, el centro de ayuda indica estos pasos. Abra Organization Settings, luego Responsive AI, luego MCP Connectors y luego Add New. Escriba un nombre y una descripción, por ejemplo «Consulta perfiles públicos de empresas, publicaciones, vacantes y noticias, con fechas y enlaces». Use https://api.everyinfra.com/mcp como URL. Elija API key y Request Header, y cambie X-API-Key por Authorization. Ponga Bearer y la clave como valor, y revise el Request Preview antes de guardar.

Responsive descubre entonces las herramientas y las activa todas. Un administrador puede dejar solo everyinfra_call_api y everyinfra_list_capabilities. El centro de ayuda también da el orden de consulta. Responsive AI mira primero la biblioteca de contenidos, luego fuentes externas y al final el servidor MCP, salvo que el prompt nombre una herramienta. Por eso el prompt debe decir «usa everyinfra_call_api para consultar linkedin/jobs».

Sea cual sea la conexión, escriba las reglas en el prompt. Ordenar por fecha y quedarse con 30 días. Un ID de fuente por frase. Quitar vacantes duplicadas por título. Usar la búsqueda web solo para encontrar páginas originales. Este fragmento recoge nuestra lógica de orden y corte; un modelo puede seguirla como instrucción y un script puede ejecutarla.

from datetime import datetime, timezone, timedelta
cut = datetime(2026, 11, 16, tzinfo=timezone.utc) - timedelta(days=30)
posts = sorted(resp["results"], key=lambda p: p["posted_at"], reverse=True)   # ordenar de la más nueva a la más vieja
recent = [p for p in posts if datetime.fromisoformat(p["posted_at"]) >= cut]
older = [p for p in posts if datetime.fromisoformat(p["posted_at"]) < cut]    # columna aparte, fuera del resumen
seen, jobs = set(), []
for j in job_resp["results"]:
    key = (j["title"].strip().lower(), j.get("location"))                     # una fila por título y ciudad
    if key not in seen:
        seen.add(key); jobs.append(j)

Cuánto paga un sales proposal AI agent por la investigación de cada propuesta

Un resumen de cliente, con una llamada por capacidad, cuesta: perfil 0,000556 USD, publicaciones 0,002319 USD, vacantes 0,000556 USD, detalle de vacante 0,001194 USD, noticias 0,000792 USD y búsqueda web 0,001389 USD. El total es 0,006806 USD. Si cita tres vacantes, sume dos detalles más: 0,009194 USD.

Con 100 propuestas al año, el gasto en datos ronda los 0,68 USD. El coste del modelo va aparte y depende del asistente. Los precios siguen la página de precios y el price_usd de cada capacidad en el catálogo. En esta prueba, el charged_usd de las 17 llamadas coincidió con el catálogo.

El tiempo lo medimos con el registro de llamadas. De la primera petición (00:18:57) a la última (00:34:21) pasaron 15 minutos y 24 segundos: los primeros 4 minutos fueron espera por el límite de uso de la clave compartida, y entre las 00:24 y las 00:29 hubo 8 envíos asíncronos fallidos que reintentar. Ya en modo síncrono, las 11 llamadas cobradas de 00:29:42 a 00:34:21 tardaron 4 minutos y 39 segundos, unos 25 segundos por llamada. No cronometramos la redacción del modelo ni la revisión humana, así que no damos cifra. Al revisar, abra la fuente original de cada número que entra en la propuesta: ingresos, número de tiendas y número de vacantes.

Las 8 llamadas fallidas: el modo asíncrono devolvió 503 y no cobró

En esta prueba fallaron ocho llamadas. Enviamos linkedin/company_posts y web/search en modo asíncrono ("mode":"async") dos veces para Wayfair y dos para Snowflake. Las ocho devolvieron HTTP 503. Las de publicaciones decían que los datos no estaban disponibles por el momento; las de búsqueda web, que hubo un error interno al preparar la petición.

Las de publicaciones traían un objeto billing con charged en false e importe 0, además de un estado de reembolso; las de búsqueda web no traían billing, y next_steps decía «Not charged». Ninguna se cobró. Pasamos al modo síncrono y las cuatro llamadas funcionaron, con 20 o 10 filas cada una.

Para el diagnóstico, llamamos primero a publicaciones en modo síncrono con el parámetro de ejemplo del catálogo, la empresa «google». Devolvió 10 publicaciones por 0,002319 USD. Eso confirmó que la capacidad funcionaba, y volvimos a nuestras empresas. Esa comprobación está incluida en las 17 llamadas cobradas.

Si un asistente recibe un 503 a mitad de camino, el modelo puede decir «no hay actividad reciente», y esa frase en una propuesta sería falsa. Cuando la API no consigue resultados, devuelve 503 y no cobra, con retryable y retry_after en la respuesta: 60 segundos y hasta 2 reintentos en publicaciones, 30 segundos y 1 reintento en búsqueda web. Indique en el prompt que 503 significa «reintentar tras retry_after o usar modo síncrono», nunca «la empresa no tiene novedades».

Movimientos del sector: las herramientas de propuestas sumaron MCP este mes

Dos semanas antes de la versión de otoño de Responsive, QorusDocs lanzó QPilot Workspace el 27-10-2026. Su comunicado dice que los conectores MCP lo enlazan con Microsoft Copilot, Claude y ChatGPT. También cita una encuesta propia en la que el 68 % vio crecer el volumen de propuestas. AdExchanger contó en noviembre que el equipo comercial de publicidad de TIME usa un agente de IA para leer RFP y redactar propuestas, y el artículo menciona un servidor MCP. AutoRFP publicó en noviembre un texto sobre conectores de Claude para RFP.

Con más perspectiva: Anthropic publicó MCP el 25 de noviembre de 2024 y la última versión de la especificación lleva fecha 2025-11-25. Entre la versión de primavera de Responsive (2026-05-13) y la de otoño (2026-11-10) pasan 181 días. La nota de primavera cita una predicción de Gartner: en 2027, el 80 % de la interacción de agentes de IA con aplicaciones SaaS pasará por servidores MCP alojados por el propio proveedor, frente a menos del 5 % en 2025.

El informe 2025 de gestión estratégica de respuestas de Responsive y APMP aporta un dato útil: el 75 % de las organizaciones dice que los compradores piden respuestas más rápidas y personalizadas con presupuestos más ajustados. APMP divide el proceso en una etapa previa de captura y una etapa de oferta. El análisis de objetivos, retos e historial del cliente va en la captura, y la redacción empieza al llegar la RFP. Conviene investigar la cuenta durante la captura y, al redactar, actualizar solo la última semana.

Límites: lo que este método no hace

Primero, los datos públicos muestran lo que hace el cliente, no lo que necesita. Vacantes, publicaciones y noticias son mensajes que el cliente eligió hacer públicos, con su filtro de comunicación. La sección «lo que entendemos» puede usarlos; la sección «sus retos» debe apoyarse en lo que el cliente dijo en la RFP y en las reuniones.

Segundo, cada llamada de publicaciones devolvió 20 filas y cada búsqueda de vacantes, 50, el límite que pedimos. Para empresas que publican y contratan mucho, eso es solo una muestra. «Tienen 50 vacantes abiertas» es incorrecto; «entre las vacantes publicadas en los últimos 30 días» es correcto.

Tercero, la API oficial de LinkedIn no cubre este tipo de lectura. La documentación de Microsoft describe la API de gestión de comunidades para páginas en las que usted tiene rol de administrador. Leer publicaciones, publicar y ver estadísticas se limita a las organizaciones que gestiona. En una propuesta necesita la página del cliente, y usted no la administra.

Cuarto, una persona debe revisar cada borrador. Nuestros borradores siguen reglas fijas y esas reglas no cubren todo, como títulos raros o una publicación que trata dos temas. Solo una persona lo detecta. Quinto, este artículo no es asesoría legal. Consulte a su equipo jurídico sobre el uso transfronterizo de datos públicos y sobre citar prensa de terceros en propuestas.

Cómo empezar

Paso uno: obtenga una clave de API en la guía rápida de EveryInfra. Llame a linkedin/company_profile para un cliente que conozca bien y anote el job_search_url de la respuesta.

Paso dos: pase esa URL a linkedin/jobs. Después llame a linkedin/company_posts y a google_news/search. Ordene por fecha, quédese con 30 días y léalo usted. Confirme que no se coló ninguna vacante de otra empresa.

Paso tres: conecte el servidor MCP remoto en su asistente. Ponga las reglas del paso dos en el prompt: ordenar, cortar, quitar duplicados, citar un ID de fuente y reintentar ante un 503.

Paso cuatro: con Responsive, use la dirección «Responsive como servidor» y conecte los dos servidores en un mismo asistente. Como alternativa, un administrador puede agregar un conector externo en MCP Connectors de Responsive. Revise el Request Preview antes de guardar.

Paso cinco: antes de enviar la propuesta, una persona revisa tres tipos de cifras de la sección del cliente: ingresos y resultados, tiendas o empleados, y vacantes.

Para más formas de leer vacantes, vea datos de vacantes como señales de compra. Para otro caso de datos públicos en una herramienta de negocio por MCP remoto, vea ActiveCampaign MCP: asuntos y segmentos a partir de reseñas reales.

Preguntas frecuentes

¿Qué es el servidor Responsive MCP y qué puede hacer en un asistente?

El Responsive MCP Server conecta ChatGPT, Microsoft Copilot y Claude con las respuestas aprobadas y los datos de proyectos de Responsive. Su página de capacidades dice que los usuarios pueden redactar y guardar respuestas, agregar comentarios y completar revisiones. Las acciones disponibles dependen del asistente y de los permisos del usuario. La versión de otoño del 10-11-2026 amplió el servidor de las consultas a estas acciones.

¿Puede Responsive (responsive io MCP) conectarse a una fuente de datos externa?

Sí. Un artículo de ayuda explica cómo conectar servidores MCP externos a Responsive AI. Un administrador agrega el servidor en MCP Connectors, dentro de la configuración de la organización. La autenticación admite claves de API, en cabecera o parámetro, y OAuth 2.0. Responsive descubre las herramientas por su cuenta. La función de cliente MCP forma parte de Responsive AI y el artículo indica contactar con soporte para activarla. No consta qué planes la incluyen.

¿Cuánto cuestan los datos para un sales proposal AI agent?

En nuestra prueba, un resumen de cliente con una llamada por capacidad cuesta 0,006806 USD. Solo perfil, vacantes y noticias cuestan 0,001904 USD. Para 100 propuestas al año, el rango va de 0,19 a 0,92 USD, según las llamadas que haga. El coste del modelo va aparte y depende del asistente y del plan.

¿Puedo usar ChatGPT como sales proposal AI agent?

Sí. ChatGPT admite servidores MCP personalizados y Responsive documenta cómo conectarlo. El método es el mismo que en Claude: dos servidores en un asistente, uno para datos públicos y otro para Responsive. Las reglas de orden, duplicados e ID de fuente van en el prompt. Los asistentes llaman a las herramientas de forma un poco distinta. La primera vez, pida al asistente que liste los parámetros de cada llamada y revíselos.

¿Cómo encaja con los registros de clientes en Salesforce?

Las oportunidades, contactos y notas de reuniones de Salesforce son material del cliente. Van en la columna del cliente y quedan fuera del prompt de datos públicos. Tras descargar datos públicos, puede guardar en la cuenta del CRM campos como tamaño, sede y número de vacantes recientes. Añada la fecha de descarga y vuelva a descargar a los 30 días.

¿Cada cuánto conviene actualizar las vacantes?

Descargue una vez al escribir la propuesta. Si surge una noticia en la última semana antes de enviarla, actualice solo las noticias. En esta prueba, las 50 vacantes de Snowflake se publicaron desde el 25 de octubre, así que cambian rápido. Wayfair tiene vacantes de tienda permanentes, la más antigua del 27 de mayo. Para una revisión trimestral de cuenta, descargue las vacantes una vez al mes y compare el reparto por función.

Referencias

1. Responsive, Fall 2026 Release Expands MCP Capabilities, 10-11-2026, leída y capturada el 16-11-2026
2. Responsive, Spring 2026 Release, 13-05-2026, leída el 16-11-2026
3. Blog de Responsive, cómo usar Responsive en ChatGPT, Copilot y Claude, leída el 16-11-2026
4. Responsive, página de capacidades del servidor MCP, leída el 16-11-2026
5. Blog de Responsive, Responsive MCP Server: nuevas integraciones con LLM, leída el 16-11-2026
6. Centro de ayuda de Responsive, Setting up MCP connectors in Responsive, leída el 16-11-2026
7. Centro de ayuda de Responsive, Responsive MCP Server FAQs, leída el 16-11-2026
8. Centro de ayuda de Responsive, Setting up Responsive MCP server in Copilot Studio, leída el 16-11-2026
9. Centro de ayuda de Responsive, Using ChatGPT with Responsive AI, leída el 16-11-2026
10. Centro de ayuda de Responsive, Connecting a Seismic MCP server to Responsive, leída el 16-11-2026
11. Centro de ayuda de Responsive, Connecting Responsive MCP server to generative AI tools, leída el 16-11-2026
12. Responsive, precios, leída el 16-11-2026
13. Responsive, página de Responsive AI, leída el 16-11-2026
14. Responsive y APMP, 2025 State of Strategic Response Management Report, leída el 16-11-2026
15. Gartner, Lack of AI-Ready Data Puts AI Projects at Risk, 26-02-2025, leída el 16-11-2026
16. Anthropic, Introducing the Model Context Protocol, 25-11-2024, leída el 16-11-2026
17. Especificación MCP 2025-11-25: Tools, leída el 16-11-2026
18. Especificación MCP 2025-11-25: Authorization, leída el 16-11-2026
19. Especificación MCP 2025-11-25: Transports, leída el 16-11-2026
20. GitHub, repositorio de la especificación modelcontextprotocol, leída el 16-11-2026
21. Centro de ayuda de Claude, Get started with custom connectors using remote MCP, leída el 16-11-2026
22. Centro de ayuda de Claude, Use connectors to extend Claude's capabilities, leída el 16-11-2026
23. Centro de ayuda de OpenAI, Connecting custom MCP servers in ChatGPT, leída el 16-11-2026
24. OpenAI Developers, Build an MCP server, leída el 16-11-2026
25. Microsoft Learn, Extend your agent with Model Context Protocol, leída el 16-11-2026
26. Microsoft Learn, Connect your agent to an existing MCP server, leída el 16-11-2026
27. IETF, RFC 6750: OAuth 2.0 Bearer Token Usage, leída el 16-11-2026
28. Catálogo de capacidades de EveryInfra, leída el 16-11-2026 a las 00:15
29. Microsoft Learn, LinkedIn Community Management API, leída el 16-11-2026
30. Microsoft Learn, LinkedIn Posts API, leída el 16-11-2026
31. Microsoft Learn, LinkedIn Organization Access Control by Role, leída el 16-11-2026
32. Ayuda de LinkedIn, filtrar y ordenar resultados de búsqueda de empleo, leída el 16-11-2026
33. Ayuda de LinkedIn, ordenar el feed por destacados o recientes, leída el 16-11-2026
34. Google Search Central, fechas de publicación en los resultados de búsqueda, leída el 16-11-2026
35. Wayfair, relación con inversores, resultados del tercer trimestre de 2026, 04-11-2026, leída el 16-11-2026
36. Wayfair, relación con inversores, fecha de resultados del tercer trimestre, leída el 16-11-2026
37. About Wayfair, tienda en Búfalo, Nueva York, leída el 16-11-2026
38. Comunicado de Snowflake, Expedition 2026: Business Ontology y AI Gateway, 03-11-2026, leída el 16-11-2026
39. Comunicado de Snowflake, fecha de resultados del 3T del año fiscal 2027, 02-11-2026, leída el 16-11-2026
40. Business Wire, MercadoLibre Reports Third Quarter 2026 Financial Results, 04-11-2026, leída el 16-11-2026
41. Mercado Libre, relación con inversores, noticias y eventos, leída el 16-11-2026
42. Presidencia de México, inauguración del primer centro de distribución robótico de Mercado Libre, 03-11-2026, leída el 16-11-2026
43. Oficina de Estadísticas Laborales de EE. UU., Job Openings and Labor Turnover Summary, 03-11-2026, leída el 16-11-2026
44. Indeed Hiring Lab, 2026 Q3 US Tech Labor Market Update, 12-11-2026, leída el 16-11-2026
45. Indeed Hiring Lab, 2026 Q3 US Retail Labor Market Update, 12-11-2026, leída el 16-11-2026
46. Acquisition.gov, FAR 15.305 Proposal evaluation, leída el 16-11-2026
47. APMP, Winning Business Ecosystem, leída el 16-11-2026
48. EUR-Lex, Reglamento (UE) 2016/679 (RGPD), leída el 16-11-2026
49. CEPD, Directrices 1/2024 sobre el artículo 6(1)(f) del RGPD, versión 2.0, 10-11-2026, leída el 16-11-2026
50. Comunicado de QorusDocs, QPilot Workspace, 27-10-2026, leída el 16-11-2026
51. AdExchanger, los agentes de IA de TIME coordinan y sus vendedores venden, leída el 16-11-2026
52. AutoRFP, conectores de Claude para RFP, leída el 16-11-2026