Papermark ahora incluye un servidor MCP oficial: @papermark/mcp-server en npm, que expone 43 herramientas tipadas que cubren la API completa de Papermark para salas de datos, documentos, enlaces, carpetas, visitantes y analíticas. Conéctalo a Claude Desktop con un fragmento JSON y un agente de IA podrá crear una sala de datos, cargar documentos en masa, generar enlaces personalizados por inversor y consultar las analíticas de visualización página a página en tu nombre. Hasta donde sabemos, Papermark es el primer proveedor de salas de datos virtuales con un servidor MCP real, mientras que los VDR tradicionales como Intralinks, Datasite y DocSend no ofrecen integración con MCP y, en el caso de DocSend, ninguna API pública.
MCP (Model Context Protocol) es el estándar abierto que permite a un agente de IA descubrir y llamar herramientas que se ejecutan fuera de su propio entorno. Un servidor MCP de sala de datos toma las operaciones que normalmente realizarías en un panel de VDR (crear una sala, subir archivos, configurar un enlace para compartir, comprobar quién vio qué) y las expone como herramientas que un agente como Claude puede invocar directamente.
El servidor MCP de Papermark refleja la API REST de Papermark de forma exacta. Los argumentos de las herramientas utilizan las mismas estructuras que los cuerpos de solicitud de la API, los resultados replican las respuestas de la API campo por campo, y nada está simulado ni sustituido. Si la API puede hacerlo, el agente también puede hacerlo, lo que abarca los seis recursos que componen una cuenta de Papermark: salas de datos, documentos, carpetas, enlaces, visitantes y analíticas.
Está disponible en dos transportes. El transporte stdio (@papermark/mcp-server en npm) se ejecuta localmente y es la opción ideal para Claude Desktop y Claude Code, con la ventaja adicional de que el agente puede subir archivos directamente desde tu disco. El transporte HTTP está alojado en mcp.papermark.com/mcp para clientes basados en navegador como claude.ai Connectors y ChatGPT Apps, con autenticación mediante OAuth. Las mismas herramientas, los mismos formatos, en ambos.
Cuando Claude se conecta al servidor MCP de Papermark, no ve 43 funciones indiferenciadas. Ve un catálogo tipado organizado en torno a los mismos seis recursos que la API de sala de datos de Papermark: salas de datos, documentos, carpetas, enlaces, visitantes y analíticas. Cada herramienta incluye un nombre, una descripción y un esquema JSON para sus argumentos, y el modelo lee ese catálogo como si ojeara un menú, eligiendo la herramienta cuyo esquema coincide con lo que le pediste. Dado que los esquemas se generan a partir de la especificación OpenAPI de la API, el agente nunca tiene que adivinar la forma de los argumentos como lo haría si escribiera HTTP sin procesar a mano.
La agrupación importa porque refleja cómo hablas realmente con el agente. Si preguntas sobre la configuración, el modelo recurre a las herramientas de sala de datos y documentos; si preguntas sobre el acceso, recurre a los enlaces; si preguntas «quién leyó esto», recurre a visitantes y analíticas. Tú nunca nombras una herramienta directamente. Describes el resultado en lenguaje natural, y la capa del Model Context Protocol convierte esa frase en la secuencia correcta de llamadas a herramientas MCP, cada una de las cuales accede a tu cuenta de Papermark mediante tu token. La tabla a continuación es el modelo mental que vale la pena recordar: qué hace cada categoría de herramientas, un prompt que la activa y qué devuelve.
La división también indica dónde reside el riesgo. Las categorías de lectura (analíticas, visitantes, la mayoría de documentos y salas de datos) son seguras para asignar a un agente siempre activo. Las categorías de escritura (creación de enlaces, carga de documentos) son donde se define el alcance de forma deliberada, y los aspectos destructivos de cada categoría —eliminar una sala, un documento o un enlace— son los que se mantienen completamente fuera del alcance predeterminado de un agente, un punto al que vuelve la sección de seguridad.
| Categoría de herramienta | Ejemplo de instrucción | Lo que hace el agente |
|---|---|---|
| Salas de datos | "Crea una sala de datos llamada Acme Series B" | Llama a create_dataroom y devuelve el nuevo dataroom_id del que depende el resto del flujo de trabajo |
| Documentos | "Sube todos los PDF en ~/acme/ y coloca los estados financieros en una carpeta Financials" | Encadena upload_document por archivo junto con las herramientas de carpetas, comparando con lo que ya existe |
| Enlaces | "Crea un enlace protegido con contraseña para Sequoia que expire el 30 de septiembre" | Llama a create_link con el dataroom_id, la contraseña, la fecha de expiración y el filtro de correo electrónico como campos |
| Analíticas | "¿Quién de Acme pasó más tiempo en el memo para inversores?" | Encadena get_document_analytics, list_link_views y get_view_analytics para las duraciones por página |
| Visitantes | "Lista a todos los que han abierto la sala Series B y cuándo" | Recorre list_visitors y el historial de visualizaciones de cada visitante, devuelto como texto legible |
Las herramientas de lectura son donde se concentra la mayor parte del valor cotidiano, ya que una VDR solo es tan útil como la información que te devuelve. Las herramientas de escritura son las que reemplazan los clics en el panel de control. Y las herramientas destructivas existen, pero son deliberadamente difíciles de alcanzar, que es precisamente el objetivo del modelo de alcance.
Conectar el servidor MCP de Papermark a Claude Desktop es una simple edición de configuración, no un proceso de instalación. No hay ningún SDK que importar, ningún servidor local que mantener en ejecución ni ningún flujo OAuth para el transporte stdio: pegas un token, reinicias la app y Claude puede operar tu VDR. Todo está diseñado para ser más rápido que leer la documentación, y es la forma más rápida de ver cómo un agente de IA crea y gestiona una sala de datos real.
Genera un token de API en el panel de Papermark, en Configuración y luego en Tokens de API. Define el alcance según lo que este agente debería poder hacer (empieza en solo lectura si estás explorando), y añade esto a ~/Library/Application Support/Claude/claude_desktop_config.json:
Reinicia Claude Desktop. Eso es todo el proceso de configuración: no hay paso de instalación, ya que npx descarga el paquete desde npm en el primer inicio (unos 5 segundos, una sola vez). Necesitas Node 24+ en tu equipo. Verifícalo pidiéndole a Claude que "liste mis documentos de Papermark" y, si algo falla, la documentación de Claude Desktop asocia cada mensaje de registro con su solución.
El objetivo de un servidor MCP para sala de datos es que dejes de traducir intenciones en clics. Dices lo que quieres en una frase y Claude determina cuáles de las 43 herramientas MCP debe invocar y en qué orden. Los prompts que se muestran a continuación son los que vale la pena memorizar porque cubren el ciclo de vida completo de una sala de datos virtual: crearla, llenarla, compartirla por inversor, medirla y auditarla. Cada uno representa un flujo de trabajo real que un fundador ejecuta durante una ronda de financiación, no una demo de juguete.
Estos son prompts probados, no demostraciones aspiracionales. Cada uno corresponde a una cadena de llamadas a herramientas MCP que el agente selecciona por su cuenta. Léelos como plantillas, no como palabras mágicas — el agente maneja las paráfrasis sin problema, así que "configura una sala y carga estos archivos" llega a las mismas herramientas que la redacción exacta. Lo que permanece constante es la estructura: describe el resultado, especifica las restricciones (contraseña, fecha de expiración, verificación por correo) y deja que la capa del Protocolo de Contexto de Modelos resuelva el resto.
"Crea una sala de datos llamada 'Acme Series B', sube todos los PDF en ~/acme/ y dame un enlace protegido con contraseña."
El agente llama a create_dataroom, luego upload_document por cada archivo, y después create_link con el dataroom_id y una contraseña. Una sola instrucción reemplaza unos veinte minutos de clics en el panel. El recorrido completo está en cómo crear una sala de datos con Claude.
"Sincroniza todos los PDF en ~/Drive/Acme/ en la sala de datos 'Acme current'. Créala si no existe, omite los archivos que ya estén y coloca los estados financieros en una carpeta de Finanzas."
El agente verifica list_datarooms, crea la sala si es necesario, compara con list_dataroom_documents y sube únicamente lo que falta. El prompt es idempotente, por lo que puedes ejecutarlo cada semana a medida que lleguen nuevos documentos.
"Crea un enlace independiente a la sala de datos Acme Series B para cada una de estas firmas: Sequoia, Index, Point Nine. Verificación por correo activada, descargas desactivadas, vencimiento el 30 de septiembre."
Una llamada a create_link por firma, todas apuntando al mismo dataroom_id. Dado que los análisis son por enlace, puedes saber qué firma está leyendo realmente y qué socio lo compartió internamente. Este es el flujo de trabajo detrás de por qué las startups hacen seguimiento del interés de los inversores.
"¿Cómo está funcionando el memo para inversores? Muéstrame las estadísticas generales y dime quién de Acme ha pasado más tiempo en él y en qué páginas se han detenido."
El agente encadena get_document_analytics, list_links, list_link_views e get_view_analytics para obtener las duraciones página por página, luego filtra por dominio de correo electrónico y ordena por tiempo invertido. Obtienes una respuesta en texto en lugar de una exportación del panel de control.
"Audita mi cuenta de Papermark. Lista todas las salas de datos, los documentos en cada una, los enlaces existentes y marca cualquier enlace sin contraseña o fecha de vencimiento."
El agente recorre list_datarooms, list_dataroom_documents e list_links, y luego reporta los enlaces abiertos que deberían estar protegidos. Ejecútalo una vez por trimestre como revisión de seguridad. Más patrones como este están disponibles en la guía de flujos de trabajo para agentes.
Imagina a una fundadora técnica en solitario abriendo una ronda semilla un martes por la noche, con el pitch deck y los estados financieros en una carpeta local y sin ningún interés en aprender a usar un panel de control de VDR. Abre Claude Desktop con el servidor MCP de Papermark conectado con un token de escritura con alcance limitado y escribe una sola frase: "Crea una sala de datos llamada 'Nimbus Seed', sube todos los PDF en ~/nimbus/raise/ y organiza el modelo financiero y la tabla de capitalización en una carpeta de Financials." Claude llama a create_dataroom, ejecuta upload_document en bucle por la carpeta, crea la carpeta y confirma la sala en unos veinte segundos. Ella nunca ve una pantalla de configuración.
A continuación, describe el proceso de contacto: "Crea un enlace con verificación de correo electrónico para cada firma en investors.txt, con descargas desactivadas y vencimiento en seis semanas." Un create_link por firma, todos apuntando a la misma sala, cada uno con su propio registro de analíticas. Pega las URLs en sus correos de presentación y envía el lote antes de irse a dormir.
Para el jueves, la ronda de financiación se ha convertido en un juego de información, y ella la lee desde un prompt: «¿Quién está realmente interactuando con la sala Nimbus?» Claude encadena las herramientas de análisis y responde en prosa: un fondo pasó once minutos en el modelo y volvió dos veces, otro abrió la diapositiva de portada una sola vez. Ella prioriza su seguimiento con la firma que, según los datos, está más comprometida. Cuando un socio solicita cifras actualizadas, ella sube una nueva versión del documento y todos los enlaces existentes sirven la versión más reciente. Cuando quiere eliminar una sala, lo hace ella misma desde el panel, no a través del agente.
Una sala de datos de Papermark como la que un agente de IA aprovisiona, llena y comparte a través del servidor MCP — mientras tú mantienes las acciones destructivas en el panel.
Darle a un agente de IA acceso de escritura a tus documentos de due diligence es algo que genera cierta inquietud, por lo que el modelo de permisos está diseñado para ser deliberadamente simple: el agente actúa en tu nombre, a través de tu token de API, y los permisos del token se aplican en el servidor en cada llamada. No existe una «identidad MCP» separada ni un canal secundario.
Esto te proporciona tres controles concretos. Primero, un token de solo lectura (documents.read, links.read, analytics.read) genera un agente de solo lectura: todas las herramientas de escritura devuelven 403 forbidden y el agente lo indica claramente. Segundo, los permisos son granulares por recurso, por lo que puedes permitir la creación de enlaces pero no la eliminación de documentos. Tercero, los tokens se pueden revocar en cualquier momento desde el panel.
Nuestras configuraciones predeterminadas recomendadas: otorga a un asistente de larga duración un token de solo lectura, genera tokens de escritura con alcance limitado por tarea y revócalos al finalizar, y nunca le pidas a un agente que elimine elementos en masa. Las eliminaciones están controladas por alcances como todo lo demás, pero los errores son irrecuperables, así que mantén las operaciones destructivas en el panel de control o en la CLI donde puedes ver exactamente lo que estás haciendo.
Establece esa como la regla fija: las operaciones destructivas quedan fuera del alcance predeterminado del agente y requieren la intervención de una persona. El servidor MCP sí expone herramientas de eliminación — delete_dataroom, delete_document, delete_link — porque la API también lo hace, y negarse a incluirlas sería simplemente deshonesto respecto a lo que ofrece la plataforma. Pero existe una línea clara entre un agente que puede leer tus analíticas todo el día y uno que puede eliminar una sala, y el modelo de alcances traza esa línea de forma deliberada. Un token de lectura o escritura aún no puede eliminar; un token con capacidad de eliminación es uno que generas conscientemente, usas para una tarea específica y luego revocas. Cuando realmente es necesario cerrar una sala, tú mismo lo apruebas en el panel de control, del mismo modo que mantendrías el ciclo de revocación fuera de las manos de un agente de IA en un script. Nada en este flujo de trabajo te pide que confíes en el modelo con una acción irreversible.
La conclusión es que un agente de IA que gestiona tu VDR nunca opera basándose en confianza — opera con una credencial cuyo radio de acción exacto tú elegiste. Eso es lo que hace que ponerle a Claude tu sala de datos a disposición sea algo razonable y no un acto de fe: lo peor que puede hacer un agente de solo lectura es decirte algo que no querías escuchar, y lo peor que puede hacer un agente de escritura con alcance limitado es crear un enlace que puedes revocar con un solo clic.
Las salas de datos virtuales son una de las categorías de software menos amigables para los desarrolladores. Datasite e Intralinks venden contratos empresariales que comienzan alrededor de $25,000/año, con integraciones entregadas a través de ingeniería de ventas, no mediante documentación de autoservicio. DocSend, a pesar de ser propiedad de Dropbox, no tiene API pública ni portal para desarrolladores, por lo que hoy en día les resulta estructuralmente imposible ofrecer un servidor MCP. El resultado: en 2026, ningún proveedor tradicional de VDR ofrece a un agente de IA una forma compatible de operar una sala de datos.
Papermark viene desde la dirección opuesta. La API cuenta con 43 operaciones y una especificación OpenAPI, y el servidor MCP es una capa delgada y transparente sobre ella. Los precios del plan Data Rooms son transparentes a €99/mes con una prueba gratuita de 7 días, y la superficie para desarrolladores (API, CLI, MCP) está disponible con los planes Business y superiores. Si estás comparando proveedores en este aspecto, el resumen de las mejores salas de datos virtuales muestra la posición de cada proveedor.
El servidor MCP de Papermark es una de las tres formas de acceder a la misma sala de datos, y comparten un token y un modelo de datos, por lo que nada de lo que construyas en una se desperdicia al cambiar a otra. Una sala que Claude crea a través del servidor MCP es, byte a byte, la misma que crea la API REST o la CLI. La pregunta nunca es cuál superficie es mejor en abstracto, sino cuál encaja con la tarea que tienes frente a ti; acertar desde el principio te evita tener que migrar un flujo de trabajo más adelante.
Recurre al servidor MCP cuando el trabajo sea conversacional y variable — prefieres describirle el resultado a Claude o ChatGPT en lugar de detallar los pasos, y valoras la flexibilidad por encima de la reproducibilidad exacta. Es la herramienta adecuada para análisis exploratorio ("¿quién está interactuando?"), configuración ad hoc de salas y cualquier flujo de trabajo donde la secuencia exacta cambia en cada ejecución. Recurre a la API REST cuando estés desarrollando un servicio backend que genera enlaces según un calendario o en respuesta a los eventos de tu propia aplicación, donde necesitas respuestas tipadas y control explícito de reintentos. Y recurre a la CLI cuando el trabajo sea un script determinista, una tarea cron o un paso de CI que quieres reproducible al byte — el esquema de carpeta de entrada y lista de enlaces de salida sobre el que se construye el cookbook de recaudación de fondos con CLI.
En la práctica, la mayoría de los fundadores trabajan con las tres opciones: el servidor MCP para las consultas conversacionales del día a día, la CLI para el script de configuración repetible, y la API REST solo cuando un flujo de trabajo necesita ejecutarse dentro de un servicio. Como un único token abarca las tres, puedes empezar preguntándole a Claude y convertir un flujo crítico en código en el momento en que necesites que sea reproducible, sin ningún coste de migración.
La forma más rápida es la configuración de Claude Desktop en 30 segundos descrita arriba, seguida del prompt n.º 1. Si prefieres escribir scripts en lugar de chatear, la misma superficie de API está disponible a través de la CLI de Papermark y la API REST. Y si quieres ver hasta dónde llegan los flujos de trabajo con agentes, hemos creado un agente de due diligence completo con Claude y Papermark como ejemplo práctico.
Guía de salas de datos para private equity en 2026: salas de datos de fondos PE vs. portafolio, informes para LPs, índice de 30 documentos de operaciones, precios desde 99 €/mes y 5 configuraciones reales de clientes PE.
Cómo las firmas de consultoría utilizan salas de datos virtuales en 2026 para colaboración segura con clientes, diligencia debida, entrega de proyectos y compromisos confidenciales.
Configure una sala de datos virtual para M&A en 2026. Cubre flujos de trabajo del lado vendedor vs comprador, la lista de verificación de 15 documentos, estructura de carpetas y comparación de principales proveedores.
