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:

  1. Con las personas, en lenguaje natural, por chat, correo, WhatsApp o voz.
  2. Con las herramientas y los datos, a través de conectores. El estándar más extendido es MCP (Model Context Protocol).
  3. 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].

CapaCon quién habla el agenteCómoEjemplo
PersonasClientes y empleadosLenguaje natural por chat, correo o vozUn asistente que agenda citas por WhatsApp
HerramientasDatos y aplicacionesMCP y APIConsultar el CRM o el inventario
Otros agentesAgentes propios o de tercerosA2AUn 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. [1] Anthropic: Introducing the Model Context Protocol, 25 de noviembre de 2024.
  2. [2] Anthropic: Donating the Model Context Protocol and establishing the Agentic AI Foundation, 9 de diciembre de 2025.
  3. [3] Google for Developers: Announcing the Agent2Agent Protocol (A2A), 9 de abril de 2025.
  4. [4] Linux Foundation: Linux Foundation Launches the Agent2Agent Protocol Project, 23 de junio de 2025.
  5. [5] Stanford HAI: AI Index Report 2026, capítulo de economía, abril de 2026.