MCP para analistas de datos: cómo conectar Claude a tu base de datos o Google Sheets y consultar en lenguaje natural

Resumen ejecutivo

• MCP (Model Context Protocol) es un estándar que permite a un asistente de IA como Claude conectarse a herramientas y datos externos, como una base de datos o una hoja de cálculo.

• Para un analista, la ventaja es consultar datos en lenguaje natural: la IA escribe y ejecuta la consulta y tú revisas el resultado.

• Google ofrece servidores MCP oficiales para BigQuery y Google Sheets, con una herramienta de SQL de solo lectura para limitar riesgos.

• La regla de seguridad principal: empieza con datos de prueba, permisos de solo lectura y revisa siempre la consulta antes de confiar en una cifra.

Si trabajas con datos, seguro repetiste este ciclo: alguien pide un número, abres la herramienta, escribes la consulta, copias el resultado y lo pegas en un mensaje. MCP automatiza el tramo del medio. En lugar de copiar y pegar, conectas Claude a tu fuente de datos y le preguntas "¿cuántos pedidos hubo por semana en el último trimestre?". La conversación de MCP suele ser técnica y orientada a desarrolladores; esta guía la baja al día a día de un analista y es oportuna porque los proveedores de datos, como Google, ya publican servidores MCP oficiales listos para conectar.

Qué es MCP, explicado para analistas

MCP es un protocolo abierto que define cómo una aplicación de IA se conecta con sistemas externos. Piénsalo como un conector estándar: en vez de armar una integración distinta para cada herramienta, el asistente habla con "servidores MCP" que exponen funciones, por ejemplo "listar tablas", "describir una tabla" o "ejecutar una consulta de solo lectura". Si quieres la explicación técnica general, lee qué es MCP y por qué importa para las integraciones con IA.

Para el analista, esto significa tres cosas: el asistente puede descubrir qué tablas existen, generar SQL a partir de una pregunta y ejecutarla con tus permisos.

Antes de empezar: qué necesitas

• Un plan de Claude que admita conectores personalizados (la documentación de Google menciona planes Pro, Max, Team y Enterprise para el servidor de Sheets).

• Un proyecto de Google Cloud con BigQuery habilitado, o una hoja de cálculo de prueba.

• Un conjunto de datos de prueba: no empieces con la base de producción.

Opción A: conectar Claude a BigQuery

Google publica un servidor MCP remoto de BigQuery en la dirección https://bigquery.googleapis.com/mcp, con transporte Streamable HTTP y autenticación OAuth. La guía de Claude para conectar Google Cloud resume el proceso.

1. Prepara el proyecto: en Google Cloud, habilita el servidor MCP de BigQuery y asigna a cada usuario el rol de usuario de herramientas MCP más los roles de BigQuery que necesite, como visor de datos y usuario de trabajos.

2. Crea las credenciales OAuth: en APIs y servicios, crea un cliente de OAuth y copia el ID y el secreto.

3. Agrega el servidor en Claude: en la configuración de conectores, agrega un servidor con la URL de BigQuery y tus credenciales.

4. Autoriza tu cuenta de Google: Claude abre la pantalla de consentimiento y, al aceptar, queda conectado.

5. Pregunta en lenguaje natural: por ejemplo, "lista las tablas del dataset ventas_demo y dime cuántas filas tiene cada una".

La herramienta clave es execute_sql_readonly, que según la referencia de Google está restringida a consultas SELECT y rechaza INSERT, UPDATE y DELETE. Además, la documentación indica límites a conocer: las consultas se cancelan a los tres minutos y los resultados están limitados a 3.000 filas.

Si todavía no usas BigQuery, empieza por BigQuery para analistas de datos: guía completa.

Opción B: conectar Claude a Google Sheets

Google también publica un servidor MCP de Google Sheets en https://sheetsmcp.googleapis.com/mcp/v1. El flujo es similar:

1. Crea un cliente de OAuth de tipo aplicación web y agrega como URI de redirección la dirección https://claude.ai/api/mcp/auth_callback.

2. En Claude, ve a Configuración, Conectores, agrega un conector personalizado con la URL del servidor y tus credenciales.

3. Autoriza el acceso y prueba con una hoja de ejemplo, por ejemplo: "resume las ventas por región de la pestaña Pedidos".

La diferencia importante con BigQuery es que un servidor de hojas puede permitir editar celdas, así que otorga acceso solo a una hoja de prueba o a una copia, y no a la hoja maestra del equipo.

Cómo hacer buenas preguntas

• Nombra la tabla y el período: "en la tabla pedidos, entre el 1 de julio y el 30 de septiembre".

• Pide que muestre la consulta: así puedes revisarla y aprender de ella.

• Define la métrica: "ingresos netos sin impuestos" evita ambigüedades.

• Pide una validación: "cuenta el total de filas antes y después del filtro".

Límites y riesgos que debes conocer

• Puede equivocarse con definiciones de negocio: si "cliente activo" significa algo específico en tu empresa, hay que explicarlo.

• Los resultados grandes se recortan: si el límite es de 3.000 filas, no uses la herramienta para exportar tablas completas.

• Costos: en BigQuery, una consulta mal planteada puede escanear mucha información; revisa el costo estimado antes de ejecutar.

• Confidencialidad: los datos consultados pasan por la conversación con el asistente. Revisa las políticas de tu empresa y lee qué saben ChatGPT, Gemini y Claude sobre lo que escribes.

Seguridad: reglas básicas

1. Usa permisos de solo lectura y la herramienta de SELECT cuando exista.

2. Trabaja con un dataset de prueba o una copia anonimizada.

3. Da acceso solo a lo necesario, nunca a toda la organización.

4. Revisa la consulta antes de usar el resultado en un informe.

5. Si el asistente te pide aprobar una acción, léela antes de aceptar.

Qué cambia en tu trabajo como analista

MCP no reemplaza saber SQL: lo vuelve más importante, porque para revisar lo que genera la IA necesitas entenderlo. Las tareas repetitivas (explorar una tabla nueva, contar filas, hacer un primer filtro) se aceleran, y el tiempo se mueve hacia definir bien la pregunta y validar el resultado. Para ver cómo encaja en el stack del analista, lee el stack de IA para analistas de datos con Python, BigQuery y LLMs y Machine Learning para analistas de negocio.

Curso recomendado de Coderhouse

Para entender cómo funcionan los asistentes y sacarles provecho con criterio, el Curso de Introducción a la Inteligencia Artificial es el punto de partida. Para llevarlo al terreno del análisis de datos, la Carrera de Data Analytics cubre SQL, Excel y tableros, la base para revisar lo que genera la IA, y el Curso de SQL profundiza en consultas.

Preguntas frecuentes

¿Qué es MCP? Es un protocolo abierto para que un asistente de IA se conecte con herramientas y fuentes de datos externas de forma estándar.

¿Necesito saber programar para usar MCP? Para conectar BigQuery hay que configurar credenciales en Google Cloud, y para revisar consultas conviene saber SQL; para conectar una hoja de cálculo el proceso es más simple.

¿Es seguro conectar Claude a mi base de datos? Puede serlo si usas permisos de solo lectura, datos de prueba y revisas cada consulta; no lo conectes a producción sin aprobación de tu equipo de seguridad.

¿Claude puede modificar mis datos? Depende del servidor y de los permisos. La herramienta de solo lectura de BigQuery solo admite SELECT, pero un servidor de hojas puede editar celdas, así que limita el acceso.