MCP, skills y memoria. Cómo encajan en un agente de IA útil
Qué aporta cada capa, cómo la utilizo en mis proyectos y cómo probar un agente con herramientas sin confundir acceso, instrucciones y conocimiento.
Tres piezas que resuelven problemas diferentes
Cuando enseño un asistente que consulta documentación y ejecuta acciones, aparecen tres palabras juntas. MCP, skills y memoria. Conviene separarlas porque añadir una conexión no resuelve un problema de conocimiento y escribir instrucciones no concede acceso a una herramienta.
En mi forma de trabajar, la memoria conserva contexto y fuentes. Una skill documenta cómo ejecutar una tarea concreta. MCP ofrece un estándar para conectar aplicaciones de IA con sistemas externos. El modelo coordina estas piezas dentro de las capacidades y permisos disponibles.
MCP conecta herramientas, no garantiza el resultado
Un servidor MCP puede exponer herramientas para consultar una base de datos o trabajar con un servicio. El cliente de IA utiliza esa interfaz. Que exista la conexión no significa que cualquier modelo vaya a utilizarla bien ni que el resultado de una operación esté comprobado.
Antes de conectar una acción definiría sus entradas, sus permisos y cómo verificar su salida. Consultar un contacto y modificarlo son operaciones distintas. Para una actualización importante necesito una relectura del estado final y una forma de detectar duplicados si se repite la petición.
Una skill convierte experiencia en un procedimiento
Uso skills para tareas que necesitan una secuencia y criterios de cierre. Por ejemplo, revisar las fuentes, preparar una propuesta, comprobar el resultado y registrar el trabajo. La skill no debería contener toda la base de conocimiento ni credenciales.
El formato y la carga de estas instrucciones dependen del entorno. El principio portable es mantener el procedimiento separado del modelo, indicar las herramientas necesarias y explicar qué evidencia permite dar la tarea por terminada.
La memoria responde qué sabe el sistema y de dónde sale
Un agente puede tener acceso a una agenda y seguir sin saber por qué se decidió una reunión. Ese contexto pertenece a la memoria. En Superbrain lo organizo con índices y notas que conservan hechos, decisiones, fechas y fuentes.
JARVIS añade la interacción por voz a ese conjunto. Life RPG utiliza conversación, memoria estructurada en Notion y herramientas MCP para registrar progreso. Son proyectos propios que me sirven para trabajar la arquitectura. No implican que el mismo flujo esté implantado en cualquier empresa.
Un piloto concreto que sí permite evaluar el agente
Escogería una tarea pequeña, como localizar una ficha de proyecto y proponer una actualización sin aplicarla. Primero comprobaría que recupera la ficha correcta, distingue fuentes contradictorias y no rellena campos que desconoce. Después probaría la escritura en un entorno controlado.
La prueba incluye una ficha inexistente, falta de permisos, datos ambiguos y una petición repetida. Si el agente inventa un identificador o crea dos registros, el piloto ha encontrado un fallo útil. La demostración buena es la que permite corregirlo antes de ampliar el alcance.
Cuándo mantendría el flujo sin un agente
Si una regla fija y una integración convencional resuelven el problema, empezaría por ahí. Un agente aporta valor cuando interpretar contexto y elegir entre acciones es parte real de la tarea. También añade variabilidad que hay que evaluar.
Por eso defino primero el proceso y después las herramientas. En un proyecto a medida el entregable debería incluir el flujo, los permisos, las pruebas y el mantenimiento. Puedes ver mis sistemas propios en trabajos o contarme qué operación quieres mejorar para estudiar un piloto acotado.