Hace tres años leí la biografía de Steve Jobs y lo que más me obsesionó no fue el diseño sino la filosofía de mostrar al usuario lo que aún no sabe que quiere. Jobs acertó con los teléfonos, pero en el mundo de la inteligencia artificial muchas decisiones llegaron al revés. La semana pasada Anthropic publicó un artículo técnico sobre Code Execution con MCP celebrando una reducción de tokens de 98,7% al hacer que agentes generen código en lugar de invocar herramientas directamente. La comunidad aplaudió, pero esto no es innovación brillante, es control de daños.
El problema de diseño nunca fue la implementación, fue la filosofía detrás del Model Context Protocol. Definir funciones y cargar todas las herramientas en el contexto parecía lógico, pero los LLM no son sistemas tradicionales donde más datos mejoran las decisiones. Son reconocedores de patrones y cada token añadido es ruido. Si le das a una bibliotecaria una estantería relevante encuentra la respuesta rápido; si le das la biblioteca entera y solo 30 segundos, se pierde entre lo mediocre. Con MCP hicimos exactamente eso: sobrecargamos el contexto.
En producción los servidores MCP que funcionan comparten una característica clara: conjuntos de herramientas extremadamente limitados y bien curados, quizás 3 a 5 herramientas como máximo. Todo lo que supere eso convierte el contexto en una pesadilla. La realidad es que muchos servidores MCP son errores arquitectónicos; la estadística de que Anthropic ahorra 98,7% de tokens mediante ejecución de código refleja también que una proporción abrumadora del ecosistema rompió principios básicos.
Un servidor MCP útil y seguro no es un juguete. Requiere diseño de infraestructura serio: OAuth y autenticación adecuada, gestión de permisos con aplicación efectiva, gestión de estado con una base de datos, y observabilidad con monitorización, logs y trazas. Pocos servicios en el mercado cumplen esto; quizás un 2% aproximado llegan a ese nivel.
El balance señal ruido es la métrica que nadie está ajustando. Más tokens equivalen a más puntos de datos pero también a más ruido. Cuando la relación ruido señal se desequilibra, el modelo deja de encontrar lo importante. La optimización real no es ampliar ventanas de contexto indefinidamente, sino curar el contexto con rigor, cargar información de forma progresiva y bajo demanda, y suministrar solo lo que realmente importa.
En términos prácticos la arquitectura correcta es convertir MCP en una preocupación de backend y dejar que A2A, el protocolo Agent to Agent, sea la interfaz orientada al usuario. No son protocolos en competencia, son complementarios. El patrón ganador es que agentes generen fragmentos de código que descubran y llamen herramientas bajo demanda, en vez de cargar definiciones masivas al inicio.
Algunas verdades incómodas: la adopción temprana de MCP fue prematura y llevó a muchas empresas a malgastar ciclos construyendo sobre un estándar no listo para producción; la ejecución de código segura exige pensamiento en seguridad y conocimientos de programación de sistemas que la mayoría de equipos no tiene; A2A ya resolvía muchas de estas ideas y que Anthropic redescubra la ejecución de código sugiere falta de atención a otros esfuerzos de diseño de protocolos; y la estadística de 98% funciona en las dos direcciones, porque revela cuántos servidores MCP fueron arquitecturas equivocadas.
Si estás construyendo sobre MCP actúa ya: audita tus dependencias MCP, si manejas 5 o más herramientas tienes un problema de contexto y con 10 o más casi seguro que la implementación es deficiente; no construyas servidores MCP de juguete, asume desde el principio la necesidad de OAuth, permisos y una base de datos; migra hacia patrones de ejecución de código para que los agentes escriban código en lugar de llamar herramientas directamente; planifica la transición a A2A con capas de abstracción para no reescribir todo; y monitoriza la eficiencia de tokens por petición de forma obsesiva.
En Q2BSTUDIO aplicamos estas lecciones en soluciones reales para empresas. Somos especialistas en desarrollo de aplicaciones a medida y software a medida, y diseñamos arquitecturas de inteligencia artificial pensadas para producción, con foco en seguridad y eficiencia de contexto. Si buscas integrar agentes IA o desplegar soluciones de ia para empresas podemos ayudarte con diseños basados en ejecución de código y protocolos A2A. También ofrecemos servicios cloud aws y azure para soportar la infraestructura backend y asegurar alta disponibilidad, y en paralelo cubrimos ciberseguridad y pentesting para proteger los flancos operativos. Descubre nuestras propuestas de y cómo implementamos para respaldar plataformas robustas.
Además integramos servicios de inteligencia de negocio y power bi para que las decisiones sean accionables, automatizamos procesos para reducir fricción operativa y desarrollamos aplicaciones y software a medida que encajan con las necesidades reales del negocio. Nuestro enfoque combina experiencia en agentes IA, diseño de APIs seguras, gestión de estado y observabilidad para evitar que tu proyecto caiga en las trampas comunes del ecosistema MCP.
La historia de MCP es también la lección de cómo la industria resuelve problemas: escogimos una solución rápida a un problema real, funcionó un tiempo y luego no escaló. En lugar de parches, hace falta arreglar la arquitectura. La migración hacia carga de herramientas bajo demanda, ejecución de código por agentes y separación clara entre backend y frontend de agentes es la evolución natural. No es inteligencia mágica, es experiencia que se gana enviando sistemas al campo y corrigiéndolos con rigor.
En resumen: eficiencia de contexto, descubrimiento de herramientas bajo demanda y separación de responsabilidades serán los principios que dominen la próxima generación de plataformas AI. El ecosistema se consolidará y muchos servidores MCP construidos en 2024 quedarán archivados como recordatorio de qué ocurre cuando se optimiza por la métrica equivocada. En Q2BSTUDIO estamos construyendo la siguiente generación de soluciones con esas lecciones en mente, combinando desarrollo de aplicaciones a medida, inteligencia artificial, ciberseguridad, servicios cloud y business intelligence para entregar sistemas útiles, seguros y escalables.
