Servidores MCP en Java sobre Cloud Run: por qué tiene sentido

El ecosistema MCP lleva meses acumulando tutoriales y referencias en Python y TypeScript. Java, en cambio, ha quedado relegado a un segundo plano en la mayoría de guías públicas, pese a que buena parte de la infraestructura empresarial sigue corriendo sobre la JVM. El artículo publicado este fin de semana en HackerNoon cubre precisamente ese hueco: cómo construir un servidor MCP personalizado en Java y desplegarlo en Google Cloud Run.

No es un tutorial teórico. El autor recorre el ciclo completo: definición de herramientas MCP, arranque del servidor HTTP, contenerización con Docker y despliegue en Cloud Run con escalado a cero. El resultado es un servidor MCP listo para ser consumido desde Claude Code o desde cualquier cliente compatible con el protocolo.

Qué es un servidor MCP y por qué querrías construir el tuyo

El Model Context Protocol (MCP) es el estándar que Anthropic ha establecido para que los modelos Claude puedan invocar herramientas externas de forma estructurada. Un servidor MCP expone un conjunto de tools —funciones con nombre, descripción y esquema de parámetros— que el modelo puede llamar durante una conversación o tarea.

Los servidores MCP se configuran en `claude_desktop_config.json` o directamente desde Claude Code, y pueden correr en local o en remoto. La ventaja de desplegar en la nube es obvia: disponibilidad continua, sin depender de que una máquina local esté encendida, y posibilidad de compartir el mismo servidor entre varios usuarios o agentes.

Cloud Run encaja bien aquí porque factura por solicitud, no por tiempo de servidor activo. Para un servidor MCP que recibe llamadas esporádicas —como ocurre en muchos flujos de agentes— el coste puede ser prácticamente cero en escenarios de baja carga.

Por qué Java y no Python o TypeScript

La pregunta legítima es: ¿por qué complicarse con Java cuando hay SDKs de MCP más maduros en Python y TypeScript?

La respuesta es pragmática. Hay organizaciones con equipos enteros de desarrollo Java, bibliotecas internas en la JVM y políticas de seguridad que dificultan introducir nuevos runtimes en producción. Para esos equipos, la opción más viable de integrar Claude en sus sistemas no es reescribir nada: es exponer sus servicios existentes como herramientas MCP desde el mismo stack que ya operan.

Además, el ecosistema Java cuenta con Spring Boot y Quarkus, dos frameworks con soporte HTTP robusto y herramientas de contenerización muy maduras. Montar un servidor MCP sobre Spring Boot no requiere dependencias exóticas: basta con definir los endpoints JSON-RPC que el protocolo exige y registrar las herramientas con su esquema correspondiente.

Qué cubre el tutorial técnico

Sin reproducir el código aquí, el artículo de HackerNoon aborda los siguientes bloques:

• Estructura del servidor: cómo implementar los métodos `tools/list` y `tools/call` que el protocolo MCP requiere, devolviendo respuestas en el formato JSON-RPC que Claude espera.
• Definición de herramientas: cómo declarar nombre, descripción y esquema de parámetros para que el modelo pueda seleccionar y usar la herramienta correctamente.
• Contenerización: Dockerfile mínimo para empaquetar la aplicación Spring Boot en una imagen lista para Cloud Run.
• Despliegue y configuración: comandos `gcloud` para desplegar el servicio y obtener la URL que luego se añade como servidor MCP remoto en la configuración de Claude.

El flujo completo es reproducible en un entorno con Java 21, Maven y acceso a un proyecto GCP. Nada que no tenga ya cualquier equipo de backend Java con algo de experiencia en la nube.

Para quién es útil esto

Este tipo de guía tiene valor concreto para tres perfiles:

1. Equipos de backend Java que quieren exponer lógica de negocio interna como herramientas MCP sin cambiar de stack.
2. Ingenieros de plataforma que gestionan infraestructura en GCP y buscan integrar Claude Code en pipelines existentes.
3. Desarrolladores de agentes que necesitan servidores MCP con alta disponibilidad y coste controlado, y ya tienen experiencia con Cloud Run.

Para proyectos personales o prototipos rápidos, Python o TypeScript siguen siendo la ruta de menor fricción. Pero en contextos empresariales con restricciones de stack, la opción Java+Cloud Run es completamente razonable y, a partir de este tutorial, bien documentada.

---

Desde EP valoramos positivamente que el ecosistema MCP empiece a tener referencias técnicas sólidas fuera del binomio Python/TypeScript. La diversidad de implementaciones es señal de madurez del protocolo, no de fragmentación.