Automatizá redes sociales con MCP, Claude y TryPost

Agendar treinta posts por semana entre LinkedIn, Instagram y X solía ser una tarde entera de pestañas abiertas. El Model Context Protocol cambia la forma de ese trabajo. Este artículo explica qué es MCP, cómo conectar Claude Desktop o Cursor a TryPost en unos diez minutos, y cómo usar un solo prompt para redactar y encolar un mes de contenido entre redes. La parte técnica es corta. Lo interesante es lo que pasa con el flujo cuando dejás de hacer clic.

Qué es MCP

MCP, sigla de Model Context Protocol, es una especificación corta de Anthropic que estandariza cómo los clientes de IA llaman a herramientas externas. Cuando una aplicación expone un servidor MCP, cualquier cliente compatible (Claude Desktop, Cursor, Continue, Cline, ChatGPT desktop) puede listar sus herramientas y llamarlas con argumentos estructurados.

Para un agendador de redes sociales, eso significa que Claude o ChatGPT pueden pedirle a TryPost cualquier cosa que la UI del producto hace: crear un post, agendarlo para una fecha específica, adjuntar una imagen, mandarlo a una cola. Por debajo, MCP rutea esas llamadas por la misma REST API que usa el panel. La spec del protocolo está en modelcontextprotocol.io, pero un resumen de dos líneas alcanza para arrancar. Cada herramienta tiene un nombre y parámetros. El cliente de IA elige una, completa los parámetros y el servidor la ejecuta.

Por qué importa para operaciones de redes sociales

Los calendarios sociales tienen casi siempre la misma forma en la práctica: treinta a cien posts por mes, escritos una vez, después formateados y encajados en un agendador uno por uno. Cada red tiene sus particularidades. X corta captions en 280 caracteres. Instagram permite hasta 2.200. LinkedIn premia los saltos de línea; X los penaliza. La escritura rara vez es lo que más tarda. El copia-y-pega repetitivo es lo que tarda.

Un flujo con MCP colapsa esa repetición en un prompt único y una pasada de revisión. En vez de abrir el composer treinta veces, describís lo que querés una sola vez, dejás que el cliente de IA redacte y encole, y después auditás el resultado dentro de TryPost. El agendador sigue siendo dueño del calendario. El cliente de IA solo escribe más rápido que vos.

Cómo conectar Claude Desktop a TryPost

La configuración es un solo archivo. En macOS vive en ~/Library/Application Support/Claude/claude_desktop_config.json. En Windows está en %APPDATA%\Claude\claude_desktop_config.json. Si el archivo todavía no existe, creálo.

Agregá el servidor MCP de TryPost dentro del bloque mcpServers:

{
  "mcpServers": {
    "trypost": {
      "command": "npx",
      "args": ["-y", "@trypost/mcp-server"],
      "env": {
        "TRYPOST_API_TOKEN": "<tu_token_trypost>",
        "TRYPOST_WORKSPACE_ID": "<tu_workspace_id>"
      }
    }
  }
}

Generá el API token en la configuración de tu workspace, en la pestaña Developer. Pegalo en el bloque env y reiniciá Claude Desktop. Tendría que aparecer un ícono de martillo en el input del chat. Al abrirlo, lista las herramientas de TryPost que el cliente ya puede llamar: create_post, schedule_post, list_channels, update_post, list_posts, y algunas más.

Cursor usa el mismo formato en ~/.cursor/mcp.json. ChatGPT desktop soporta MCP por el panel de connectors personalizados. Los nombres de herramientas y los argumentos quedan idénticos entre clientes, que es la razón de existir del protocolo.

Un detalle que vale entender de entrada: un API token de TryPost lleva solo los permisos del miembro del workspace que lo creó. Un token sacado desde una seat de solo lectura no publica. Si la idea es agendar lotes, generá el token desde un miembro con permiso de publicación. Un token de solo lectura igual sirve para preguntas de analytics donde no querés que el modelo toque el calendario.

Cómo fluye una corrida en batch

Con Claude Desktop conectado, el ciclo de agendamiento tiene cuatro pasos.

El primero es un prompt único que describe el lote entero. Algo como "generá 30 posts de LinkedIn sobre automatización de workflow con IA para founders solo, agendá uno por día hábil a las 9 hora Argentina arrancando el lunes". Claude redacta las captions en el chat y las muestra antes de que corra cualquier llamada de herramienta.

El segundo es una pasada de edición dentro de la propia conversación. Pedís ajustes ("el post 4 está demasiado vendedor", "rescribí el 12 con una anécdota real") y las captions se actualizan en el lugar. Sin cambiar de pestaña, sin copiar y pegar entre el modelo y el agendador.

El tercero es el agendamiento en sí. Cuando das luz verde, Claude llama create_post 30 veces en secuencia. Cada llamada pasa la caption, la red (linkedin) y un scheduled_at en ISO 8601. TryPost valida cada una, la escribe en el calendario y devuelve el ID del post. Claude junta los IDs e imprime un resumen.

El cuarto es el chequeo dentro de TryPost. Abrir el calendario, arrastrar dos posts a slots mejores, editar una caption que perdió filo en el contexto del lote, y la corrida quedó cerrada.

La primera pasada por este loop suele tardar más que las siguientes. Cuando los prompts se acomodan, agendar treinta posts pasa de una sesión de dos a tres horas con varias pestañas a unos quince minutos de prompt y revisión.

Prompts que funcionan como punto de partida

Los prompts de abajo rinden de manera consistente. Están escritos para adaptarse: cambiá las partes entre corchetes, apuntalos a tu workspace y corren.

Un prompt simple para una sola red:

Generá 20 posts de Instagram para una marca de café de especialidad.
Voz: cálida, levemente nerd sobre origen y fecha de tueste.
Agendá uno por día a las 8 de la mañana hora Argentina arrancando mañana.
Usá el preset de hashtags de mi brand kit.

Un prompt multi-red en el que la misma idea se reescribe por plataforma:

Tengo 12 anuncios de producto del beta de [nombre del producto]. Para cada uno,
hacé tres variantes: un post de LinkedIn (3 párrafos cortos, sin hashtags),
un post de X (hasta 240 caracteres, una estadística en el hook) y una caption
de Instagram (formato historia, 2 a 4 párrafos, 5 hashtags).
Agendá LinkedIn a las 7 hora Argentina, X a las 10, Instagram a las 18.
Distribuí un anuncio por día hábil a lo largo de las próximas 3 semanas.

Un prompt mensual en batch para una cuenta enfocada en Instagram:

Generá 60 posts de Instagram para [nicho]:
20 posts de imagen única (educativos, formato lista),
20 guiones de reel (hook + 3 beats + payoff, 30 a 45 segundos),
20 ideas de stories (encuesta, pregunta, detrás de escena).

Agendá a lo largo del próximo mes:
posts lun/mié/vie a las 10 hora Argentina,
reels mar/jue a las 18,
stories cuando encuentres huecos.

Usá mi voz de marca. Evitá las palabras "increíble", "literalmente", "vibe".
Mostrame la vista general del calendario al final.

La última línea, pidiendo la vista general del calendario, importa más de lo que parece. Sin ella, el modelo termina en silencio y cualquier slot perdido queda invisible hasta que abrís TryPost. Con ella, el chat termina en una tabla limpia que podés escanear en segundos.

Un prompt de mantenimiento para edits a mitad de semana:

Traé todos mis posts agendados en los próximos 7 días del canal de LinkedIn de
[cuenta]. Encontrá los que mencionan el precio viejo. Reescribilos referenciando
el plan de $19/mes y reagendalos en los mismos slots.

Esa última forma, buscar y reemplazar masivo en una cola activa, es el tipo de edición que antes implicaba veinte minutos de clics post por post. Vía MCP queda en un prompt y una confirmación.

API y MCP son la misma superficie

Todo lo descripto arriba también corre como llamada directa a la API. El servidor MCP es una capa fina sobre la REST API documentada en docs.trypost.it/api-reference. Mismos endpoints, mismos payloads, mismos rate limits.

Esa paridad importa porque algunos workflows pertenecen al código, no al chat. Un cron job que trae pedidos de Shopify y encola un story de "gracias por comprar" en Instagram es un script. Lo mismo vale para una automatización tipo Zapier que convierte posts nuevos del blog en cross-posts sociales. Usá la API ahí. Usá MCP cuando el trabajo involucra criterio, redacción u operaciones masivas puntuales en las que escribir en un chat es más rápido que hacer un script.

La guía dedicada a construir sobre MCP, cubriendo herramientas custom, operaciones en batch y manejo de errores, está en docs.trypost.it/ai/introduction. Vale guardarla en favoritos antes de conectar esto a una automatización de producción.

Controles de calidad

El modelo escribe prosa decente. También escribe prosa con cara de IA. Sin revisión, un feed corrido entero por MCP empieza a leer como cualquier otra cuenta movida por IA en la red, lo que es malo para el algoritmo y peor para el lector humano.

Algunos patrones para revisar antes de aprobar un lote:

• Aperturas genéricas ("En el mundo acelerado de hoy", "En el panorama en constante evolución de", "Vamos a sumergirnos").
• Listas de tres ítems donde dos alcanzaban. Los modelos defaultean a la regla de tres.
• Hooks gramaticalmente correctos que no dicen nada concreto en la primera línea.
• Posts con la misma estructura en todo el lote. La gente varía ritmo; los modelos vuelven al mismo esqueleto.
• Guiones largos por todas partes.

Cuando aparecen estas señales, dos respuestas funcionan. La más rápida es pedirle al modelo que rehaga con restricción ("rehacelo con hooks de hasta 8 palabras y sin guiones largos"). La más lenta y más limpia es editar dentro del calendario de TryPost, donde cada post ya está vinculado al canal y al slot correctos.

Para posts puntuales, el generador de posts gratuito cubre el mismo terreno sin ningún setup. El generador de bio y el resto de nuestro toolkit gratuito funcionan igual. MCP justifica el costo de configuración cuando el trabajo es masivo.

Los brand kits son la otra palanca. Si configuraste tono, voz, palabras prohibidas y reglas por canal en un brand kit de TryPost, la herramienta create_post del MCP las referencia automáticamente, y la salida queda notablemente menos genérica. Una lista de palabras prohibidas dentro del brand kit es el camino más directo para matar las señales de IA listadas arriba antes de que lleguen al calendario.

Cuándo mantener al humano en el loop

Una regla útil: cuanto más el post ancla una afirmación real, más revisión humana necesita. Tres categorías que nunca deberían ir del prompt al publicado sin alguien leyendo la salida:

Afirmaciones factuales sobre la empresa, el producto o el cliente. Precio, disponibilidad de feature, nombres de cliente, cualquier cosa que tenga respuesta equivocada. El modelo redacta con confianza alrededor de un dato desactualizado si es lo que tiene en la cabeza.

Jerga y tono específicos de la marca. Nombres internos de equipo, chistes internos, formatos recurrentes. El modelo aproxima esos elementos en vez de reproducirlos. Si la voz de marca se ganó su consistencia, tratá la salida del modelo como primer borrador, no como final.

Contenido sensible al tiempo. Cualquier cosa atada a una fecha de lanzamiento, un evento, un plazo móvil. Las ventanas de agendamiento se mueven; un post auto-agendado pegado a "el jueves que viene" es un bug esperando ocurrir.

El resto, posts educativos, tips evergreen, variaciones de hook sobre el mismo tema, es terreno cómodo para drafting con IA primero y revisión humana liviana.

Adónde se va el tiempo

La primera pasada por MCP tarda más que las siguientes. Setup, iteración de prompt, y aprender qué se equivoca el modelo cuestan algo el día uno. Cuando los prompts se acomodan, el ahorro se acumula.

Una curva típica de creator indie agendando treinta posts por semana queda así. El flujo viejo, escribir en un doc, pegar en el agendador, formatear por red, configurar horarios, repetir, corre dos a tres horas de trabajo concentrado por sesión. El mismo lote por MCP, después de afinar los prompts, corre cerca de quince minutos de prompt y revisión.

La cuenta crece para agencias. Ocho clientes a unas horas cada uno suman un día completo de agendamiento. La misma carga por MCP entra en un almuerzo largo.

El trade-off vale nombrarlo: MCP recompensa el volumen. Si una sola cuenta postea cinco veces por semana en una red, el costo de setup (chico) y el impuesto de prompt-engineering (real) no se pagan. Quien agenda más de treinta posts por semana en más de dos redes debería al menos probar una sesión de batch así.

Trampas que vale señalar

Cuatro errores comunes que cuestan más tiempo cuando aparecen:

Tratar el primer borrador como definitivo. La salida en batch es un punto de partida. Saltearse la revisión publica treinta posts que arrancan con la misma estructura sintáctica, y el engagement cae en consecuencia.

Agendar la misma copia en todas las redes. El cross-posting ahorra tiempo en escritura pero aplana la cadencia que cada red premia. Los hooks que funcionan en LinkedIn caen en X; las pilas de hashtag que tiran en Instagram parecen spam en LinkedIn. El arreglo es pedirle al modelo variantes por red en el mismo prompt, no la misma caption duplicada.

Ignorar límites de tamaño. El servidor MCP devuelve error cuando un post pasa los 280 caracteres de X o los 2.200 de Instagram, pero el error llega después de la generación. Metelos en el prompt de entrada. "Posts de X de hasta 240 caracteres incluyendo hashtags" es una restricción útil para escribir una vez y reusar.

Dejar que el modelo elija el agendamiento sin supervisión. Los horarios especificados en el prompt suelen ganarles a los horarios que el modelo inventa solo. La salida por defecto gravita a las nueve de la mañana todos los días hábiles, que rinde menos que slots informados por tu propia analytics. Usá la pestaña de analytics para encontrar los mejores horarios reales de cada canal y fijalos en los prompts.

Por dónde empezar

MCP más cliente de IA no reemplaza a un agendador. Es una superficie más rápida para el mismo workflow que un agendador ya corre. Si tu calendario social es un canal y un puñado de posts por semana, la página de pricing y el composer del producto son el punto de entrada correcto, y MCP puede esperar.

Si el calendario corre en tres o más redes con treinta o más posts por semana, vale correr una vez la configuración de diez minutos de arriba. Generá un API token de TryPost, pegalo en Claude Desktop, corré un lote único, y la curva de ahorro de tiempo asume desde ahí. La guía completa de Build with AI en docs.trypost.it/ai/introduction cubre el resto: webhooks para flujos de aprobación, herramientas custom para casos de nicho, manejo de error cuando la API de una red se cuelga. Se lee mejor después del primer lote exitoso que antes.