Agentes de IA y MCP: cómo funciona esta tecnología

Los agentes de IA pueden utilizar herramientas y servicios externos para completar tareas, siempre que tengan los permisos necesarios.

Hasta hace poco, buena parte de la experiencia con la inteligencia artificial consistía en escribir una pregunta y recibir una respuesta. Ahora, el desarrollo apunta a sistemas capaces de dar varios pasos para completar una tarea: consultar información, utilizar herramientas digitales, analizar resultados y continuar trabajando según las instrucciones recibidas.

Estos sistemas se conocen como agentes de inteligencia artificial. Su evolución está relacionada con tecnologías que permiten conectar los modelos de IA con aplicaciones, servicios y bases de datos. Una de las más relevantes es el Model Context Protocol (MCP), un protocolo diseñado para facilitar esa conexión.

¿Qué significa este avance en la práctica? Un asistente podría pasar de explicar cómo organizar una agenda a consultar un calendario y preparar una propuesta de horarios. En un entorno empresarial, podría buscar información en documentos autorizados, analizarla y elaborar un reporte. Las acciones concretas dependerán de las herramientas disponibles, los permisos concedidos y las reglas de supervisión.

¿Qué es un agente de inteligencia artificial?

Un agente de IA es un sistema que utiliza un modelo de inteligencia artificial para avanzar hacia un objetivo mediante una secuencia de pasos. Según su diseño, puede interpretar instrucciones, decidir qué herramienta necesita, ejecutar una acción, revisar el resultado y continuar hasta completar la tarea o encontrar un límite.

La diferencia con un chatbot convencional no está únicamente en la calidad de sus respuestas. Está en su capacidad para interactuar con otros sistemas y realizar acciones dentro de un entorno definido.

Por ejemplo, ante la solicitud de preparar un informe de ventas, un chatbot podría explicar cómo hacerlo. Un agente conectado a las herramientas adecuadas podría consultar una fuente de datos autorizada, organizar las cifras, detectar variaciones y preparar un borrador del informe.

Eso no significa que todos los agentes sean autónomos ni que puedan acceder libremente a cualquier sistema. Algunos solo proponen acciones; otros pueden ejecutarlas. Su alcance depende de la configuración y de los permisos que reciban.

¿Qué es MCP y por qué importa?

El Model Context Protocol (MCP) es un protocolo abierto que establece una forma común para que las aplicaciones de inteligencia artificial se conecten con fuentes de información y herramientas externas.

Para entenderlo, imaginemos que una organización utiliza distintos sistemas: una plataforma documental, una base de datos, un calendario y una aplicación de gestión de proyectos. Sin una forma estandarizada de conexión, cada integración puede requerir trabajo específico para comunicar las aplicaciones entre sí.

MCP busca simplificar ese proceso. Una aplicación compatible puede conectarse a servidores MCP que ofrecen determinadas funciones o información. De esta manera, las herramientas pueden integrarse con diferentes asistentes de IA sin tener que diseñar desde cero cada conexión.

En términos sencillos: el agente de IA interpreta la tarea y decide qué necesita hacer; MCP facilita la comunicación con las herramientas que pueden ayudarlo a realizarla. El protocolo no es, por sí mismo, un modelo de inteligencia artificial ni garantiza que una acción sea correcta o segura.

La especificación de MCP publicada el 28 de julio de 2026 incorporó cambios en su arquitectura, el intercambio de solicitudes y los mecanismos de autorización. Estos avances buscan facilitar integraciones más escalables, aunque la seguridad también depende de cómo se implementa cada conexión.

La documentación oficial del protocolo puede consultarse en modelcontextprotocol.io.

¿Cómo trabajan juntos un agente y MCP?

Un flujo de trabajo básico puede entenderse en cinco pasos:

1. El usuario plantea un objetivo. Por ejemplo, preparar un resumen de las actividades de un equipo durante la semana.
2. El agente identifica lo que necesita. Puede determinar que debe consultar un calendario, documentos o una herramienta de gestión.
3. La aplicación se conecta a las herramientas. Si están disponibles y autorizadas, puede utilizar MCP para acceder a las funciones o los datos que ofrecen.
4. El agente analiza los resultados. Organiza la información y puede decidir si necesita realizar consultas adicionales.
5. Presenta el resultado o propone una acción. Según los permisos, puede entregar un borrador, actualizar un registro o solicitar autorización antes de ejecutar un cambio.

Este proceso puede reducir tareas repetitivas, pero no elimina la necesidad de comprobar la información. Si los datos de origen están incompletos, una herramienta devuelve resultados incorrectos o el agente interpreta mal una instrucción, el resultado también puede ser defectuoso.

Aplicaciones en empresas y organizaciones

La utilidad de los agentes depende menos de que parezcan conversar como una persona y más de que resuelvan problemas concretos. Algunas aplicaciones posibles son:

• Atención al cliente: consultar información autorizada de productos, revisar el estado de solicitudes y preparar respuestas para su validación.
• Administración: recopilar datos de diferentes aplicaciones, elaborar borradores de reportes y organizar tareas pendientes.
• Desarrollo de software: consultar repositorios, apoyar la revisión de código y colaborar en pruebas técnicas.
• Análisis de información: buscar datos en fuentes autorizadas, compararlos y producir resúmenes para apoyar decisiones.
• Gestión de proyectos: revisar actividades registradas, identificar retrasos y proponer acciones de seguimiento.

En todos estos casos, conviene empezar con tareas acotadas y resultados verificables. Automatizar una actividad de bajo riesgo puede ser un primer paso más razonable que permitir que un agente modifique sistemas críticos o tome decisiones con consecuencias importantes.

El principal desafío: la seguridad

Conectar una IA a herramientas externas amplía sus posibilidades, pero también puede aumentar los riesgos. Un agente que solo responde preguntas tiene un alcance diferente al de uno que puede consultar información reservada, modificar archivos o ejecutar operaciones.

Entre los riesgos que deben considerarse están los permisos excesivos, el acceso no autorizado a datos, las instrucciones maliciosas ocultas en documentos y las acciones que el sistema ejecuta sin una revisión suficiente.

El problema no se resuelve únicamente con un modelo más avanzado. También exige controlar qué herramientas puede utilizar el agente, qué información puede consultar, qué operaciones tiene permitido realizar y cómo se registran sus acciones.

En mayo de 2026, el Centro de Seguridad de Inteligencia Artificial de la Agencia de Seguridad Nacional de Estados Unidos publicó recomendaciones sobre el diseño seguro de sistemas de automatización con IA que utilizan MCP. El documento advierte sobre riesgos asociados a la confianza entre componentes, el uso de herramientas y las decisiones que pueden propagarse a lo largo de un flujo de trabajo.

La guía puede consultarse en el sitio oficial de la NSA.

Para reducir los riesgos, las organizaciones deberían aplicar permisos mínimos, autenticar las conexiones, limitar el acceso a información sensible, registrar las operaciones y exigir aprobación humana para acciones delicadas. También es importante probar las integraciones antes de utilizarlas en entornos de producción.

¿Qué oportunidades existen para el Perú?

En el Perú, los agentes de IA podrían apoyar a empresas, emprendimientos y entidades públicas en tareas de análisis, gestión documental, atención de consultas y seguimiento de actividades. El beneficio potencial está en reducir trabajo manual y facilitar el acceso a información que hoy se encuentra distribuida en diferentes sistemas.

Por ejemplo, una pequeña empresa podría explorar un asistente que consulte su inventario y prepare un reporte de productos con bajo stock. Una institución podría evaluar un sistema que organice documentos de trabajo y elabore un resumen para revisión de sus funcionarios.

Son escenarios posibles, no resultados garantizados. Para llevarlos a la práctica se necesita comprobar la compatibilidad de los sistemas, definir los permisos, proteger los datos y evaluar los costos de implementación y mantenimiento.

En las entidades públicas, además, cualquier solución debe respetar las obligaciones aplicables en materia de protección de datos, seguridad de la información, acceso a documentos y gestión de los sistemas institucionales. La automatización no debe convertirse en una vía para otorgar a una herramienta más facultades de las que necesita.

Cómo empezar sin automatizarlo todo

Una organización interesada en esta tecnología puede comenzar con una prueba pequeña. El primer paso es elegir una tarea frecuente, medir cuánto tiempo requiere actualmente y determinar qué información y herramientas serían necesarias.

Después, conviene utilizar datos no sensibles o un entorno de prueba, limitar los permisos y comparar los resultados del agente con los de un procedimiento manual. La evaluación debería considerar no solo la rapidez, sino también la exactitud, el costo, la facilidad de supervisión y los riesgos.

Si el sistema debe enviar mensajes, modificar registros, realizar compras o ejecutar operaciones que puedan tener consecuencias relevantes, es recomendable incorporar confirmaciones explícitas y mecanismos para detener o revertir acciones cuando sea posible.

De los asistentes a los sistemas que actúan

Los agentes de inteligencia artificial representan una evolución importante porque conectan la capacidad de razonamiento de los modelos con herramientas que permiten actuar en entornos digitales. MCP contribuye a facilitar esas conexiones mediante una forma común de intercambio entre aplicaciones y servicios.

Pero la automatización no equivale a autonomía ilimitada. Los resultados dependerán de la calidad de los datos, la confiabilidad de las herramientas, los permisos concedidos y la supervisión que mantengan las personas responsables.

Para las empresas y organizaciones peruanas, la oportunidad está en identificar dónde esta tecnología puede aportar valor real. La mejor implementación no será necesariamente la que haga más cosas sin intervención humana, sino la que resuelva una necesidad concreta de forma segura, medible y responsable.