Cómo se comunican los agentes de IA
Un agente de IA es un programa que recibe un objetivo, decide qué pasos dar y usa herramientas para cumplirlo: busca información, rellena un formulario, consulta una base de datos o responde a un cliente. Para hacerlo necesita comunicarse en tres direcciones:
- Con las personas, en lenguaje natural, por chat, correo, WhatsApp o voz.
- Con las herramientas y los datos, a través de conectores. El estándar más extendido es MCP (Model Context Protocol).
- Con otros agentes, para repartirse una tarea. Aquí el estándar abierto principal es A2A (Agent2Agent).
Los dos protocolos se complementan: MCP da al agente herramientas y contexto, y A2A permite que agentes distintos colaboren entre sí [3].
1. Comunicación con personas
Es la parte visible. Los grandes modelos de lenguaje permiten que un agente entienda instrucciones escritas o habladas sin comandos especiales y que responda con frases naturales. La diferencia con un chatbot clásico es que el agente, además de contestar, actúa: consulta tu agenda y propone una cita, o revisa un pedido y abre una incidencia.
Lo que conviene cuidar en esta capa:
- Transparencia. La persona debe saber que habla con una IA. En la Unión Europea es una obligación de transparencia del AI Act; tienes el resumen en la guía del AI Act para empresas.
- Salida a un humano. Siempre debe haber forma de pasar a una persona cuando el caso se complica.
- Confirmación antes de actuar. Pagos, cancelaciones o envíos deberían pedir un «sí» explícito.
2. Comunicación con herramientas: MCP
MCP es un estándar abierto que Anthropic presentó en noviembre de 2024 para conectar asistentes de IA con las fuentes de datos y herramientas de una empresa: repositorios, documentos, bases de datos o aplicaciones de negocio [1]. En lugar de programar una integración distinta para cada modelo y cada herramienta, el proveedor publica un «servidor MCP» y cualquier agente compatible puede usarlo.
El 9 de diciembre de 2025 Anthropic donó MCP a la Agentic AI Foundation, una fundación dentro de la Linux Foundation creada junto a OpenAI y Block, con el apoyo de Google, Microsoft, AWS, Cloudflare y Bloomberg. Según Anthropic, en ese momento había más de 10.000 servidores MCP públicos activos [2].
3. Comunicación entre agentes: A2A
Cuando una tarea es compleja, a veces conviene repartirla entre varios agentes especializados: uno busca proveedores, otro compara precios, otro prepara el pedido. Para que agentes de empresas distintas se entiendan, Google presentó el protocolo A2A el 9 de abril de 2025, con más de 50 socios tecnológicos [3]. Funciona así:
- Tarjeta de agente (Agent Card). Cada agente publica un documento que describe qué sabe hacer, para que otros lo encuentren.
- Tareas. Un agente encarga una tarea a otro, que puede resolverse al momento o durar horas, y el resultado se devuelve como un «artefacto».
- Mensajes. Los agentes intercambian contexto, respuestas e instrucciones del usuario, y acuerdan el formato del contenido.
El 23 de junio de 2025 Google cedió A2A a la Linux Foundation para que lo gobierne de forma neutral, con el apoyo de más de 100 empresas tecnológicas [4].
| Capa | Con quién habla el agente | Cómo | Ejemplo |
|---|---|---|---|
| Personas | Clientes y empleados | Lenguaje natural por chat, correo o voz | Un asistente que agenda citas por WhatsApp |
| Herramientas | Datos y aplicaciones | MCP y API | Consultar el CRM o el inventario |
| Otros agentes | Agentes propios o de terceros | A2A | Un agente de compras que coordina con el de un proveedor |
Dónde están hoy las empresas
Se habla mucho de agentes, pero su uso real todavía es temprano. Según el AI Index 2026 de Stanford, el 88 % de las organizaciones encuestadas usaba IA en 2025, pero el despliegue de agentes seguía por debajo del 10 % en casi todas las funciones de negocio [5]. La versión anterior de este artículo afirmaba que los agentes mejoran la eficiencia «un 40 % de media»; no he encontrado ninguna fuente para esa cifra y la he retirado.
Si quieres pasar de la teoría a un primer caso de uso, la guía práctica de agentes de IA en empresas explica por dónde empezar y cómo medirlo.
Riesgos de que los agentes se comuniquen solos
Cuantos más canales abre un agente, más puertas hay que vigilar:
- Inyección de instrucciones. Un correo, una web o la respuesta de otro agente pueden esconder órdenes que el agente obedezca como si fueran tuyas.
- Conectores de terceros. Un servidor MCP o un agente externo mal construido puede filtrar datos. Usa solo los de fuentes que puedas revisar.
- Identidad y permisos. Cada agente debería tener su propia identidad y solo los permisos que necesita, con registro de lo que hace. Microsoft, por ejemplo, ya ofrece identidades específicas para agentes; lo explico en qué es Microsoft Entra Agent ID.
- Errores en cadena. Si un agente se equivoca y pasa el resultado a otro, el error se propaga. Pon revisiones humanas en los puntos críticos.
Yo lo resumo así: un agente que se comunica bien es útil; un agente que se comunica sin límites es un riesgo. La diferencia está en el diseño, no en el modelo.
Fuentes y referencias
Fuentes consultadas el 3 de noviembre de 2026.
- [1] Anthropic: Introducing the Model Context Protocol, 25 de noviembre de 2024.
- [2] Anthropic: Donating the Model Context Protocol and establishing the Agentic AI Foundation, 9 de diciembre de 2025.
- [3] Google for Developers: Announcing the Agent2Agent Protocol (A2A), 9 de abril de 2025.
- [4] Linux Foundation: Linux Foundation Launches the Agent2Agent Protocol Project, 23 de junio de 2025.
- [5] Stanford HAI: AI Index Report 2026, capítulo de economía, abril de 2026.
