MCP para Detección de AML: Controles de Sanciones y PEP con Agentes de IA (ES)

Los equipos de cumplimiento dedican gran parte de su semana a hacer las mismas dos cosas: ejecutar nombres contra listas de vigilancia y decidir si los resultados que obtienen son reales. Ambas tareas son estructuradas, repetitivas y basadas en evidencia, lo que las convierte en el tipo exacto de trabajo que un agente de IA puede manejar bien cuando tiene una herramienta confiable a la que recurrir. El servidor Model Context Protocol (MCP) de Didit convierte la detección de Anti-Lavado de Dinero (AML) en una herramienta que su agente puede invocar en lenguaje natural, para que un analista pueda solicitar una verificación, leer un resultado interpretado y registrar una decisión sin salir del chat.

Esta publicación le mostrará cómo funciona la detección de AML a través de MCP: conectar un cliente, verificar a una persona o empresa contra más de 1,300 listas, leer los resultados que devuelve un agente y eliminar los falsos positivos con una nota de auditoría que cumpla con las revisiones.

Puntos clave

• El servidor MCP de Didit expone la detección de AML como una herramienta de lenguaje natural en más de 130 herramientas en 11 categorías, para que un agente de IA pueda verificar a un sujeto e interpretar el resultado en una sola conversación.
• La detección de AML ejecuta un nombre contra más de 1,300 listas de sanciones, Personas Expuestas Políticamente (PEP) y noticias adversas a $0.20 por verificación, con respuestas inferiores a 2 segundos.
• La autenticación es OAuth 2.1 con Proof Key for Code Exchange (PKCE), un flujo de "Iniciar sesión con Didit" sin necesidad de pegar una clave de Application Programming Interface (API), y el agente hereda su rol y permisos de la consola.
• El trabajo del agente no es solo obtener resultados: interpreta la solidez de la coincidencia, distingue las coincidencias verdaderas de las colisiones de nombres y redacta la nota de auditoría que documenta la decisión.
• La Monitorización AML continua vuelve a verificar al sujeto a medida que cambian las listas, a $0.07 por usuario al año, para que un sujeto verificado sea supervisado, no olvidado.
• Obtiene 500 verificaciones gratuitas por mes; la capa MCP es gratuita y solo paga por cada verificación exitosa.

Qué verifica realmente la detección de AML

La detección de AML responde a una pregunta específica: ¿esta persona o empresa aparece en una lista que haría que la incorporación o la continuación de la relación sea un riesgo? El módulo de Detección de AML de Didit responde a esta pregunta en más de 1,300 listas que abarcan tres categorías. Las listas de sanciones cubren las listas de vigilancia gubernamentales y multilaterales: el sujeto está prohibido o restringido. Las listas de PEP cubren a las personas en funciones públicas destacadas y a sus asociados cercanos, que conllevan un mayor riesgo de corrupción y, por lo general, requieren una diligencia debida mejorada en lugar de una denegación automática. La cobertura de noticias adversas revela noticias negativas creíbles (fraude, trata de personas, informes de delitos financieros) que aún no han llegado a una lista formal.

Una sola verificación a $0.20 consulta las tres a la vez y devuelve resultados estructurados en menos de dos segundos. A través de MCP, su agente llama a ese módulo y recibe la misma carga útil estructurada que una integración directa de la API, luego la traduce a algo en lo que un analista pueda actuar.

Conectar su agente al servidor MCP

El servidor Didit MCP se ejecuta en https://mcp.didit.me/mcp a través de Streamable HTTP. Puede utilizar el punto final alojado o auto-alojarlo desde el repositorio de código abierto (con licencia MIT). La autenticación es OAuth 2.1 con PKCE: la primera vez que su cliente se conecta, se abre un flujo de "Iniciar sesión con Didit", usted aprueba la conexión y el agente opera con su rol de consola. No hay clave de API que administrar para el servidor alojado, y los ámbitos solicitados (didit:management y didit:verification) significan que el agente solo puede hacer lo que su cuenta ya está autorizada a hacer.

Para Claude Code, agregue el servidor en una línea y luego confírmelo con el comando /mcp:

claude mcp add --transport http didit https://mcp.didit.me/mcp

Claude Desktop, Cursor, VS Code, Windsurf y Zed se conectan a través de una pequeña configuración JSON que apunta a la misma URL. ChatGPT Developer Mode se puede conectar a través del soporte beta de MCP de OpenAI, aunque esa superficie aún está en evolución, así que trátelo como experimental. La matriz de conexión completa se encuentra en la documentación general de MCP.

Verificar a una persona en lenguaje natural

Una vez conectado, la verificación es una oración. Un analista que revisa una nueva cuenta puede escribir:

"Ejecutar la detección de AML en Jane Doe, nacida en 1990, nacionalidad ES".

El agente llama a la herramienta de detección de AML con esos parámetros, espera la respuesta inferior a 2 segundos y devuelve un resumen estructurado: si hubo alguna coincidencia, de qué categoría de lista provino cada coincidencia y qué tan fuerte es la coincidencia del nombre y la fecha de nacimiento. Para una empresa, la redacción es igualmente directa:

"Verificar a Acme Trading Ltd, registrada en Malta, contra las listas de sanciones y noticias adversas".

Debido a que el agente mantiene toda la conversación, puede hacer un seguimiento sin volver a ingresar el contexto: "amplíe eso a las listas de PEP también" o "muéstreme solo las coincidencias de fecha de nacimiento exacta" — y volverá a consultar o filtrar en consecuencia.

Interpretar coincidencias: ¿coincidencia real o colisión de nombres?

Las coincidencias sin procesar son donde la detección de AML sale mal con mayor frecuencia. Un apellido común chocará con docenas de entradas de listas no relacionadas, y un analista que trate cada coincidencia como una coincidencia verdadera se ahogará en ruido. Esta es la parte en la que un agente es genuinamente bueno, porque la interpretación es razonar sobre evidencia estructurada.

Cuando el agente devuelve coincidencias, pídele que razoné sobre ellas:

"Para las tres coincidencias de sanciones en Jane Doe, dígame cuáles comparten su año de nacimiento y nacionalidad, y cuáles son probablemente colisiones de nombres".

El agente alinea los identificadores de cada coincidencia con los del sujeto (fecha de nacimiento, nacionalidad, alias, fuente de la lista) y explica cuáles son coincidencias verdaderas plausibles y cuáles son casi con seguridad una persona diferente que tiene el mismo nombre. No toma la determinación legal final por usted; estructura la evidencia para que un humano tome esa determinación de forma más rápida y consistente. Una coincidencia exacta de alta confianza en el nombre, la fecha de nacimiento y la nacionalidad se eleva; una coincidencia de apellido borroso contra una persona nacida en una década diferente se marca como una colisión probable.

Eliminar falsos positivos con una nota de auditoría

La decisión solo cuenta si está documentada. Los reguladores y los auditores quieren ver no solo que se eliminó una coincidencia, sino por qué. A través de MCP, el agente que interpretó la coincidencia también puede redactar el registro:

"Eliminar las dos coincidencias de colisiones de nombres como falsos positivos y escribir una nota de auditoría que explique el razonamiento".

El agente produce una nota que indica los identificadores del sujeto, las coincidencias específicas revisadas, la razón por la que cada una se eliminó (fecha de nacimiento no coincidente, nacionalidad incorrecta, no corroboración de noticias adversas) y la decisión confirmada del analista. La revisa, ajusta la redacción si es necesario y la registra. Debido a que la misma conversación contenía la verificación, las coincidencias y la interpretación, la nota se basa en la evidencia real en lugar de reconstruirse después del hecho, que es exactamente lo que debe ser un rastro de auditoría.

Mantener a los sujetos verificados bajo vigilancia

Una verificación limpia hoy no es una verificación limpia para siempre. Las listas cambian: aparecen nuevas sanciones, un cliente se convierte en una PEP después de un nombramiento, surgen noticias adversas meses después de una relación. La monitorización AML continua vuelve a verificar a sus sujetos existentes a medida que cambian esas listas, a $0.07 por usuario al año, y puede notificarle cuando un sujeto previamente verificado produce una nueva coincidencia. Su agente puede inscribir a un sujeto en la monitorización en la misma frase en que lo elimina:

"Agregar a Jane Doe a la monitorización AML continua y alertarme si aparece una nueva coincidencia de sanciones o PEP".

Esto cierra el ciclo entre la verificación única y el cumplimiento continuo, para que el trabajo que su agente realizó durante la incorporación siga dando frutos a lo largo de la vida de la relación.

Comience gratis

La detección de AML a través de MCP significa que sus analistas de cumplimiento describen lo que necesitan, su agente verifica contra más de 1,300 listas de sanciones, PEP y noticias adversas, y el razonamiento más la nota de auditoría regresan en la misma conversación. Didit es utilizado por más de 1,500 empresas, está respaldado por $7.5 millones en financiación, es una empresa Y Combinator W26, es rentable y cubre más de 220 países y territorios. Comience gratis: obtiene 500 verificaciones por mes de forma gratuita, la capa MCP es gratuita y cada verificación de AML cuesta $0.20 cuando supera el nivel gratuito. Lea la descripción general de MCP, explore el centro para desarrolladores o clone el servidor de código abierto y apunte su agente a él hoy.