Capacidades de los agentes
Qué puede hacer un agente (MCP), cómo debe hacerlo (Agent Skills) y cómo se reparte el trabajo sin reventar el contexto (multiagente).
Dos artículos de 2025 y 2026 responden a preguntas distintas que suelen confundirse. Un agente necesita tres cosas para ser útil: poder actuar, saber cómo se hacen las cosas aquí y no ahogarse en instrucciones.
Qué puede hacer: MCP
La revolución de la IA no está en lo que dice, sino en lo que puede hacer. Los MCP (Model Context Protocol) transforman asistentes conversacionales en agentes que consultan, ejecutan y actualizan sobre SharePoint, Jira, CRMs, ERPs o bases de datos.
Un MCP es el servidor de capacidades de tus agentes: define qué pueden hacer, sobre qué sistemas, con qué permisos y cómo. El agente actúa como un usuario más, pero gobernado por reglas y privilegios. OpenAI, Google, Microsoft, Salesforce, Zendesk y GitHub ya publican los suyos — el paso siguiente al desarrollo sobre plataformas, donde la IA ayudaba a escribir el conector pero no podía usarlo.
Cómo debe hacerlo: Agent Skills
Los Agent Skills empaquetan conocimiento especializado y procesos repetibles en un formato portátil. En vez de depender de prompts mágicos o del estilo de un proveedor, la experiencia del equipo se vuelve operable y versionable. Una carpeta con tres cosas:
Skill.md— el cerebro: metadatos que definen qué hace, cuándo se activa y cómo debe comportarse.- Scripts — lo determinista: validaciones, refactors, chequeos.
- Recursos — plantillas, estándares, convenciones, checklists.
Se pasa de “una IA que sabe un poco de todo” a “un sistema que ejecuta como ejecuta tu equipo”.
Sin ahogarse: divulgación progresiva
El cuello de botella real es la saturación de contexto: miles de instrucciones en el prompt hacen al modelo más lento, más caro y a veces más errático. El antídoto es cargar bajo demanda, en tres niveles:
- Descubrimiento. El agente solo conoce nombre y descripción del skill.
- Activación. Carga el
Skill.mdcompleto cuando la petición lo requiere. - Ejecución. Usa scripts y recursos si hacen falta.
Un especialista bajo demanda: rápido, limpio de contexto y consistente. El
mismo principio que hace navegable una wiki —el índice permite decidir qué leer
antes de leerlo— y que explica por qué una description floja hace más daño de
lo que parece: si el nivel 1 miente, el agente elige mal y ningún nivel 2 lo
arregla.
La sinergia: multiagente × skills
Un sistema jerárquico —un supervisor que planifica, especialistas con roles claros (LangGraph, CrewAI, AutoGen)— combinado con una biblioteca de skills da orquestación de especialistas, menos latencia y menos coste, y portabilidad real: el valor no está en el modelo, está en tu biblioteca. Cada especialista arrastra solo el contexto de su rol.
Ese es el puente con conocimiento y documentación: el know-how deja de ser un truco que vive en una sesión. Y también con seguridad y gobernanza, porque la potencia de un MCP es a la vez su mayor riesgo.