Earendil, el equipo detrás del asistente de IA Pi, había sido un crítico vocal del Protocolo de Contexto de Modelos (MCP). Su sitio web en pi.dev alguna vez mostró una declaración orgullosa de que Pi no soporta MCP, y los miembros del equipo, incluido Mario, habían descartado repetidamente el MCP en podcasts y publicaciones. Esta postura reflejaba un escepticismo más amplio en algunas partes del ecosistema de asistentes de IA sobre la utilidad y el diseño de MCP.
En una publicación de blog del 29 de septiembre de 2026 titulada '¡Dijiste que no a MCP!', Earendil anunció una reversión: el MCP ahora es una funcionalidad soportada en el núcleo de Pi. El equipo explicó que su cambio de opinión ocurrió tras prestar mucha atención a la evolución del MCP durante el año pasado. Se dieron cuenta de que, aunque el mundo no es estático y el MCP mismo ha mejorado, la razón más convincente para la integración fue los beneficios secundarios del trabajo técnico requerido. Específicamente, los cambios realizados para adaptarse al MCP — como mejorar el sandbox para las llamadas a herramientas y mejorar el descubrimiento de herramientas mediante documentación y descripción — también facilitaron significativamente la integración de otras herramientas como Jev, un clasificador para analizar el tono del texto.
Esta imagen ilustra la publicación del blog donde Earendil anunció su apoyo al Protocolo de Contexto de Modelos tras su previa oposición, tal como se discute en el artículo.
El renovado compromiso de Earendil con el MCP no se trata simplemente de adoptar un protocolo, sino de dar forma a su futuro para pequeños sistemas de IA. Defienden que el MCP evolucione para acercarse a OpenAPI, donde las herramientas devuelven datos estructurados y son descubribles mediante metadata, en lugar de depender de respuestas solo de texto optimizadas para la eficiencia de tokens. Para ilustrar el uso práctico del MCP en Pi, la publicación destaca Codemode, una característica que ejecuta la orquestación de herramientas en el lado del harness (en un entorno de confianza) mediante el sandboxing de JavaScript. Un ejemplo muestra el uso de Codemode con el modelo typesafe/jev para analizar la frustración en issues abiertos de Linear: obteniendo issues, recuperando comentarios, clasificando el tono emocional y almacenando resultados — todo sin desperdiciar contexto.