Fundamentos

Agentes, herramientas y MCP

Un chat responde; un agente actúa: busca, lee ficheros, ejecuta código o llama a otras aplicaciones hasta terminar una tarea. Aquí tienes las piezas, explicadas para usarlas con criterio.

De chat a agente

Un agente es un modelo de lenguaje que, en vez de responder una vez, trabaja en bucle:

Lee la tarea y lo que tiene.
Decide el siguiente paso.
Usa una herramienta (buscar, leer un fichero, ejecutar un comando).
Mira el resultado.
Repite hasta terminar o hasta necesitar tu permiso.

Lo que lo hace útil es lo mismo que lo hace arriesgado: actúa. Por eso los buenos agentes piden permiso antes de lo que tiene consecuencias.

Herramientas (tool use)

Una herramienta es una función que el modelo puede pedir que se ejecute: «busca esto», «lee este fichero», «consulta la base de datos». El modelo no la ejecuta él: la pide con los datos necesarios; la aplicación la ejecuta y le devuelve el resultado. Así se conecta la IA con el mundo sin que el modelo tenga acceso directo a nada.

MCP: un enchufe común para herramientas

El Model Context Protocol es un estándar abierto para conectar agentes con herramientas y datos: tu calendario, una base de datos, GitHub, la documentación de tu empresa. En vez de programar cada integración para cada agente, se escribe un servidor MCP una vez y lo usa cualquier agente compatible.

Servidor MCP: expone herramientas, recursos (datos) y prompts.
Cliente: el agente o la aplicación que se conecta (Claude, editores de código, otros agentes).
Riesgo: un servidor MCP puede leer o hacer cosas en tu nombre. Instala solo los de confianza y revisa sus permisos.

Añadir un servidor MCP en Claude Code (ejemplo)

claude mcp add mi-servidor -- npx -y @paquete/servidor-mcp
claude mcp list

RAG: responder con tus documentos

RAG (*retrieval-augmented generation*) significa buscar primero en tus documentos los fragmentos relevantes y dárselos al modelo para que responda con ellos. Es lo que hacen NotebookLM, los conocimientos de un Proyecto o un buscador interno con IA.

Ventaja: responde con tu información y puede citarla.
Límite: si la búsqueda trae el fragmento equivocado, la respuesta falla. Revisa las citas.

Subagentes y orquestación

Un agente puede repartir trabajo entre subagentes con roles distintos (investigar, programar, revisar). Ayuda en tareas grandes, pero multiplica el coste y complica saber qué pasó. Regla práctica: un agente bien instruido antes que cinco mal coordinados.

Cómo mantener el control

Permisos: que pregunte antes de borrar, enviar, pagar o publicar.
Entorno aislado: carpetas de prueba, ramas de Git o contenedores.
Registro: qué hizo, en qué orden y con qué resultado.
Persona en el bucle: las decisiones con consecuencias, siempre tuyas.
Instrucciones que vienen de fuera: una web o un documento pueden contener órdenes escondidas para el agente (*prompt injection*). Un buen agente las trata como datos, no como órdenes.

Nunca des a un agente contraseñas, datos de pago ni permisos de borrado sin supervisión.

Fuentes

Siguiente guía: Ingeniería de procesos con IA, paso a paso