Perforce MCP: cómo conectar datos, pruebas y calidad de software con agentes de IA
La adopción de inteligencia artificial dentro del desarrollo de software comenzó con asistentes capaces de generar código, explicar funciones o responder preguntas técnicas.
El siguiente paso es mucho más ambicioso.
Las organizaciones están comenzando a utilizar agentes capaces de consultar sistemas empresariales, ejecutar herramientas, analizar resultados y participar en procesos que atraviesan diferentes etapas del ciclo de desarrollo.
Para que esto funcione, el agente necesita algo que un modelo de lenguaje por sí solo no posee: contexto operativo.
Necesita saber qué cambió en el código, qué ambiente está disponible, qué datos pueden utilizarse, qué prueba acaba de fallar y qué restricciones de seguridad debe respetar.
Model Context Protocol (MCP) se está convirtiendo en uno de los mecanismos utilizados para proporcionar ese contexto.
Perforce ha llevado esta idea a diferentes productos de su ecosistema y, más recientemente, ha presentado Perforce Agentic Gateway, una capa de orquestación diseñada para conectar y administrar múltiples servidores MCP desde un mismo punto.
El resultado apunta hacia una nueva forma de trabajar: agentes que no solamente responden preguntas sobre una herramienta, sino que pueden combinar contexto proveniente de diferentes partes del ciclo de desarrollo de software.
De los asistentes de IA a los agentes conectados con el SDLC
Un asistente de inteligencia artificial tradicional trabaja principalmente con la información que recibe dentro de una conversación.
Puede conocer lenguajes de programación, patrones de arquitectura o técnicas de pruebas, pero desconoce lo que está ocurriendo dentro de una organización específica.
Por ejemplo, no sabe automáticamente:
- Qué archivos cambiaron durante el último release.
- Qué ambiente contiene los datos adecuados.
- Qué snapshot fue utilizado durante una prueba.
- Qué ejecución de rendimiento presentó una degradación.
- Qué dispositivos fallaron durante una prueba móvil.
- Qué permisos tiene determinado desarrollador.
- Qué política empresarial debe aplicarse antes de ejecutar una acción.
Para resolver esta limitación, es necesario conectar el modelo con las herramientas y fuentes de información que forman parte del proceso real.
MCP proporciona una interfaz estandarizada para hacerlo.
Perforce describe esta evolución como el paso de asistentes de IA aislados hacia colaboradores integrados dentro del ecosistema DevOps, capaces de utilizar contexto proveniente de código, datos, infraestructura y pruebas sin obligar a las organizaciones a reemplazar las herramientas que ya utilizan.
¿Qué es Perforce MCP?
Cuando hablamos de Perforce MCP no nos referimos a un único servidor.
Perforce está desarrollando diferentes servidores MCP alrededor de productos de su portafolio. Cada uno expone a los agentes determinadas capacidades y contexto relacionados con una parte específica del ciclo de desarrollo.
Entre las soluciones que actualmente forman parte de esta estrategia se encuentran:
- Perforce P4.
- Delphix.
- BlazeMeter.
- Perfecto.
- Perforce IPLM.
Además, otros productos del ecosistema, como Puppet y P4 Plan, también cuentan con capacidades basadas en MCP para casos de infraestructura y planeación.
La idea detrás de esta arquitectura es sencilla:
cada plataforma conserva su especialidad, pero puede proporcionar contexto a un agente mediante una interfaz común.
El código sigue administrándose en P4.
Los datos siguen gobernándose mediante Delphix.
Las pruebas de desempeño continúan ejecutándose con BlazeMeter.
Las pruebas web y móviles continúan realizándose con Perfecto.
MCP no reemplaza esas plataformas. Permite que los agentes interactúen con ellas de una manera estandarizada.
Delphix MCP: contexto sobre los datos
Dentro de este ecosistema, Delphix proporciona contexto relacionado con los recursos de datos disponibles para desarrollo y pruebas.
Un agente puede consultar información sobre:
- Bases de datos virtuales.
- Fuentes.
- Snapshots.
- Bookmarks.
- Ambientes.
- Estado de los recursos.
- Historial de ejecuciones.
- Procesos de cumplimiento.
- Métricas de almacenamiento.
Esto permite responder preguntas como:
¿Qué ambiente tiene los datos más recientes?
¿Qué snapshot estaba activo durante esta ejecución?
¿Cuándo se ejecutó el último proceso de cumplimiento?
¿Qué bases virtuales requieren revisión?
Si quieres ver ejemplos más concretos, revisa estas 10 preguntas que un agente de IA puede responder con Delphix MCP.
Delphix plantea este MCP como una forma de proporcionar a los agentes un inventario actualizado de los recursos disponibles sin darles acceso directo e indiscriminado a los sistemas productivos.
🔗Este tema lo desarrollamos con mayor profundidad en nuestro artículo Delphix MCP Server: cómo conectar agentes de IA con los datos empresariales.
BlazeMeter MCP: contexto sobre rendimiento, APIs y servicios
Los datos representan solamente una parte de una prueba.
También es necesario conocer qué ocurrió durante la ejecución.
BlazeMeter MCP permite incorporar a los flujos asistidos por IA información relacionada con:
- Pruebas de rendimiento.
- Resultados y métricas.
- Pruebas de APIs.
- Monitoreo de APIs.
- Service Virtualization.
- Ejecuciones y análisis de resultados.
Perforce plantea que los equipos pueden utilizar solicitudes en lenguaje natural para iniciar acciones aprobadas y recuperar resultados dentro de flujos habilitados mediante MCP.
Esto abre preguntas como:
¿Qué pruebas de rendimiento fallaron durante el último release?
¿En qué punto comenzó a aumentar el tiempo de respuesta?
¿Qué API mostró un comportamiento anormal?
¿Existe un servicio virtual disponible para probar esta dependencia?
El agente no solamente obtiene un resultado.
Puede incorporarlo como contexto para la siguiente decisión.
Perfecto MCP: contexto sobre pruebas web y móviles
Perfecto aporta otra dimensión: la experiencia de la aplicación sobre dispositivos, navegadores y plataformas reales o virtualizadas.
Su servidor MCP permite utilizar herramientas de IA para crear, ejecutar y analizar pruebas, además de recuperar información sobre resultados mediante lenguaje natural.
Entre sus capacidades se encuentran:
- Orquestación de pruebas.
- Configuración y ejecución.
- Consulta de resultados.
- Análisis de causas.
- Integración con workflows de CI/CD.
- Pruebas web y móviles.
Perforce destaca que Perfecto MCP puede utilizar consultas naturales para recuperar resultados de ejecuciones y ayudar a identificar causas relacionadas con backend, red o autenticación, sin obligar al usuario a revisar manualmente diferentes dashboards y registros.
Esto permite imaginar preguntas como:
¿Qué dispositivos presentaron fallas durante esta ejecución?
¿El problema parece provenir de la aplicación, la red o la autenticación?
¿Qué navegadores están mostrando un comportamiento diferente?
Resume las fallas encontradas en las últimas pruebas móviles.
P4 MCP: contexto sobre código y cambios
Para comprender una falla, muchas veces también es necesario saber qué cambió en el software.
P4 MCP conecta agentes con el sistema de control de versiones y revisión de código de Perforce.
Puede proporcionar información sobre:
- Archivos.
- Changelists.
- Historial de versiones.
- Workspaces.
- Shelves.
- Jobs.
- Revisiones de código.
- Actividad de usuarios.
- Metadatos del servidor.
Perforce presenta ejemplos como preguntar qué cambió en un archivo durante determinado periodo, conocer qué archivos suelen modificarse juntos o identificar quién trabaja habitualmente sobre determinado módulo.
Además de consultas, P4 MCP contempla determinadas operaciones de escritura sujetas a los permisos existentes.
Esto significa que el contexto del agente puede extenderse desde los datos utilizados durante una prueba hasta los cambios realizados en el código que se está evaluando.
El verdadero valor aparece cuando el contexto se combina
Los distintos servidores MCP permiten que un agente reúna contexto de código, datos, rendimiento y pruebas dentro de un mismo flujo.
Cada uno de estos servidores MCP es útil por separado.
Pero el escenario realmente interesante comienza cuando un agente puede consultar más de uno.
Imaginemos una situación común.
Una prueba de rendimiento comienza a fallar después de una nueva liberación.
El equipo necesita descubrir por qué.
Un flujo asistido por agentes podría analizar:
BlazeMeter
¿Cuándo comenzó la degradación y qué métricas cambiaron?
Delphix
¿Qué ambiente, base virtual y snapshot se utilizaron durante la prueba?
P4
¿Qué código cambió desde la última ejecución exitosa?
Perfecto
¿El comportamiento también aparece durante las pruebas de usuario en dispositivos o navegadores específicos?
En lugar de investigar cada sistema de manera independiente, un agente podría reunir el contexto necesario para ayudar al equipo a reducir las posibles causas.
Perforce ofrece incluso como ejemplo correlacionar el refresh de una base virtual de Delphix con el tiempo de ejecución de una prueba en BlazeMeter para recrear las condiciones exactas bajo las cuales se realizó.
La diferencia es importante.
No estamos hablando simplemente de preguntarle cosas a diferentes aplicaciones.
Estamos hablando de construir contexto entre aplicaciones.
El problema de tener demasiados MCPs
Sin embargo, esta evolución introduce un nuevo desafío.
Si una organización comienza a incorporar diferentes servidores MCP, diferentes agentes y diferentes herramientas de IA, la arquitectura puede volverse rápidamente compleja.
Cada conexión puede requerir:
- Configuración.
- Credenciales.
- Permisos.
- Herramientas disponibles.
- Tokens.
- Monitoreo.
- Políticas de seguridad.
- Registro de operaciones.
Un desarrollador puede utilizar un agente.
QA puede utilizar otro.
El equipo de plataforma puede tener diferentes herramientas.
Y cada una podría necesitar acceso a varios servidores MCP.
El resultado potencial es una nueva forma de fragmentación.
Precisamente este problema es el que Perforce busca abordar con Perforce Agentic Gateway.
¿Qué es Perforce Agentic Gateway?
Perforce Agentic Gateway es una capa centralizada de orquestación para agentes y servidores MCP.
Fue anunciada por Perforce en junio de 2026 como parte de la evolución de su estrategia Perforce Intelligence.
Su objetivo es proporcionar un punto de conexión desde el cual pueden integrarse diferentes servidores MCP de Perforce y determinados MCPs de terceros.
Actualmente, Perforce señala disponibilidad para clientes que utilizan:
- P4.
- Delphix.
- BlazeMeter.
- Perfecto.
- IPLM.
La compañía describe el gateway como MCP-agnóstico, por lo que su estrategia no está limitada exclusivamente a herramientas del propio fabricante.
¿Por qué utilizar una capa de orquestación?
Una capa de orquestación centralizada puede administrar conexiones, permisos y contexto entre agentes y múltiples servidores MCP.
El propósito no es solamente facilitar la instalación.
Centralizar las conexiones permite atacar varios problemas que aparecen cuando los agentes comienzan a operar en ambientes empresariales.
Gestión de credenciales
Los agentes necesitan autenticarse contra las plataformas que utilizan.
Perforce Agentic Gateway incorpora administración segura de credenciales utilizando el keychain nativo del sistema operativo.
Esto ayuda a evitar que cada integración implemente su propio mecanismo de almacenamiento de credenciales.
Menor consumo de tokens
Cuando un agente consulta diferentes herramientas de manera independiente, puede realizar múltiples llamadas redundantes.
Perforce indica que el gateway puede consolidar diferentes tareas dentro de llamadas orquestadas, reduciendo el consumo de tokens y, por consecuencia, el costo asociado con determinados workflows.
Catálogo de servidores MCP
El gateway proporciona un catálogo desde el cual pueden descubrirse los servidores MCP disponibles dentro del ecosistema Perforce.
Esto facilita construir nuevos flujos sin tener que configurar cada integración desde cero.
Reportes consistentes
Perforce también incluye un constructor de interfaces que permite crear vistas consistentes utilizando información proveniente de los diferentes MCP administrados por el gateway.
Del agente especializado al agente orquestador
Hasta ahora, muchas implementaciones de IA empresarial se han centrado en agentes especializados.
Uno ayuda con código.
Otro responde preguntas sobre infraestructura.
Otro consulta los resultados de las pruebas.
El enfoque de orquestación permite avanzar hacia un modelo diferente.
El usuario puede formular una intención:
Investiga por qué disminuyó el rendimiento después de la última liberación.
A partir de ahí, el flujo podría consultar diferentes fuentes:
- Recuperar la ejecución problemática.
- Compararla con una ejecución exitosa.
- Identificar los datos utilizados.
- Revisar los cambios en el código.
- Consultar las pruebas web o móviles relacionadas.
- Construir un resumen de las diferencias encontradas.
El agente no necesita convertirse en propietario de cada sistema.
Necesita recibir acceso controlado a las herramientas necesarias para ejecutar ese flujo.
Perforce Autonomous Testing: cuando la IA comienza a ejecutar pruebas
La estrategia de Perforce va incluso más allá de conectar servidores MCP.
En junio de 2026 también presentó Perforce Autonomous Testing, una plataforma orientada a permitir que usuarios describan mediante lenguaje natural qué desean validar y que la IA organice posteriormente la ejecución.
Las capacidades iniciales abarcan pruebas funcionales, de rendimiento y móviles, apoyándose principalmente en BlazeMeter y Perfecto.
La evolución es significativa.
Primero utilizamos IA para preguntar:
¿Qué pasó?
Después para solicitar:
Ejecuta esta prueba.
Y eventualmente para plantear:
Valida este cambio y utiliza las herramientas necesarias.
El nivel de autonomía aumenta.
Por lo tanto, también debe aumentar el nivel de control.
Más autonomía exige más gobernanza
La posibilidad de conectar agentes con código, datos, pruebas e infraestructura puede acelerar considerablemente los procesos de desarrollo.
También puede amplificar un error.
Un agente con acceso excesivo podría:
- Utilizar información inadecuada.
- Ejecutar una operación sobre el ambiente equivocado.
- Interpretar incorrectamente un resultado.
- Modificar un recurso.
- Consumir infraestructura innecesariamente.
- Exponer información que el usuario no debería consultar.
Por eso la conversación sobre agentes empresariales no puede limitarse a productividad.
Debe incluir:
- Identidades.
- Credenciales.
- Permisos.
- Segregación de funciones.
- Principio de mínimo privilegio.
- Auditoría.
- Trazabilidad.
- Aprobaciones.
- Límites de operación.
- Supervisión humana.
Perforce posiciona precisamente el Agentic Gateway como parte de una estrategia más amplia para llevar control y gobernanza al ciclo de desarrollo asistido por inteligencia artificial.
¿Desaparecerán las herramientas detrás de los agentes?
Probablemente no.
Una interfaz conversacional puede simplificar muchas consultas y operaciones, pero los equipos seguirán necesitando plataformas especializadas.
Una conversación no sustituye:
- La administración de datos.
- Un sistema de control de versiones.
- Una plataforma de pruebas de rendimiento.
- Una infraestructura de dispositivos.
- Las políticas de acceso.
- La observabilidad.
- La trazabilidad.
El cambio ocurre en la forma de interactuar con ellas.
Hasta ahora, el usuario debía conocer la herramienta para encontrar la información.
En un flujo agentivo, el usuario puede comenzar expresando la intención y permitir que el agente determine qué herramientas necesita consultar.
Las plataformas continúan siendo la fuente de verdad.
MCP proporciona el acceso estructurado.
El agente interpreta y coordina.
La organización establece los límites.
¿Qué necesita una empresa antes de comenzar?
La primera pregunta no debería ser:
¿Cuántos servidores MCP podemos instalar?
Debería ser:
¿Qué problema queremos resolver?
Una organización puede comenzar con un workflow claramente delimitado.
Por ejemplo:
Caso de uso
Reducir el tiempo necesario para investigar una prueba fallida.
Contexto requerido
- Resultados de BlazeMeter.
- Ambiente y snapshot de Delphix.
- Cambios de código de P4.
En los casos relacionados con ambientes de desarrollo y pruebas, esta arquitectura se apoya en una plataforma de Test Data Management capaz de entregar datos gobernados y disponibles para los equipos.
Permisos
Inicialmente, solamente consultas.
Resultado esperado
Un resumen técnico con posibles diferencias entre una ejecución exitosa y una fallida.
Intervención humana
El equipo decide qué hipótesis investigar y qué acciones ejecutar.
Este enfoque permite medir el valor del agente sin abrir simultáneamente todos los sistemas de la organización.
Del DevOps automatizado al DevOps contextual
Durante años, DevOps se ha concentrado en automatizar pasos.
- Compilar.
- Desplegar.
- Aprovisionar.
- Probar.
- Monitorear.
MCP introduce otra dimensión: compartir el contexto de esos pasos con la inteligencia artificial.
El resultado potencial no es simplemente más automatización.
Es automatización capaz de comprender:
- Qué ocurrió antes.
- Qué recursos se utilizaron.
- Qué cambió.
- Qué políticas aplican.
- Qué herramientas pueden intervenir.
- Qué información necesita el siguiente proceso.
Perforce denomina a esta evolución parte del AI-Driven Development Lifecycle, un ciclo de desarrollo en el que la inteligencia artificial participa de manera cada vez más integrada, pero dentro de mecanismos de control empresarial.
El futuro no será un agente conectado a todo
La idea de conectar un agente con todas las herramientas de una organización puede resultar atractiva.
También puede resultar peligrosa.
El modelo empresarial más razonable probablemente será otro: agentes con acceso al contexto estrictamente necesario para cumplir una tarea determinada.
Un agente que investiga una prueba no necesita administrar toda la infraestructura.
Un agente que selecciona un ambiente no necesita modificar el repositorio.
Un agente que genera un reporte no necesita eliminar recursos.
La ventaja de una arquitectura basada en MCP y capas de orquestación es precisamente la posibilidad de construir estos límites.
La inteligencia artificial obtiene contexto.
Las herramientas conservan sus especialidades.
Los permisos determinan el alcance.
Y los equipos mantienen el control sobre las decisiones que realmente importan.
Perforce MCP: una arquitectura para conectar el ciclo completo
La relevancia de la estrategia MCP de Perforce no está en tener una colección de asistentes para diferentes productos.
Está en la posibilidad de relacionar el contexto de diferentes etapas del ciclo de software:
Código → datos → pruebas → resultados → decisiones.
Delphix puede explicar qué datos estaban disponibles.
BlazeMeter puede mostrar cómo se comportó la aplicación bajo carga.
Perfecto puede revelar qué ocurrió durante las pruebas funcionales o móviles.
P4 puede mostrar qué código cambió.
Perforce Agentic Gateway puede proporcionar una capa común desde la cual coordinar estas conexiones.
El siguiente paso de la inteligencia artificial empresarial no será solamente generar respuestas más inteligentes.
Será conectar las respuestas con la realidad operativa de la organización sin perder gobernanza, trazabilidad ni control.
En Neti ayudamos a las empresas a integrar datos, automatización y calidad dentro de procesos DevOps empresariales. La adopción de agentes de IA agrega una nueva capa a esta arquitectura y hace todavía más importante definir correctamente los datos, permisos, herramientas y controles que participarán en cada workflow.
Antes de preguntarse qué puede hacer un agente, conviene definir qué contexto necesita para hacerlo correctamente.
0 comments
Write a comment