LLM, agente, MCP — qué significan realmente
Tres términos que se usan como sinónimos y no deberían. Qué es cada uno, cómo encajan y qué preguntar antes de comprar “un agente de IA”.
Tres términos se tiran sobre la mesa en cada conversación de IA como si todos ya acordaran qué significan: LLM, agente y MCP. Están relacionados, pero no son lo mismo — y confundirlos es cómo los equipos terminan comprando lo que no necesitan, o aprobando un sistema cuyos riesgos nadie dimensionó.
Acá va la versión en castellano claro, y por qué la distinción importa en el momento en que pasás de una demo a algo que tenés que correr en producción.
LLM — el cerebro
Un Large Language Model es el motor central. En el fondo hace una cosa, asombrosamente bien: dado un texto, predice el siguiente token, una y otra vez, para producir una salida fluida y coherente. Esa única capacidad alcanza para resumir, redactar, traducir, clasificar y razonar en un rango sorprendente de problemas.
Pero fijate lo que no puede hacer. Por sí solo, un LLM no tiene memoria de tus sistemas, no puede buscar nada y no tiene forma de actuar en el mundo. Razona y escribe — y después se detiene. Solo habla. Cada producto que viste que “hace algo” con un LLM envolvió ese motor de predicción crudo en bastante maquinaria adicional. El modelo es una caja en el diagrama, no el diagrama entero.
Agente — el cerebro con manos
Un agente es un LLM al que le dieron un objetivo y la capacidad de tomar acciones hacia él: buscar algo, llamar a otro sistema, correr una consulta, mandar un mensaje, registrar un dato. El modelo decide qué hacer después; un framework de agentes ejecuta esas decisiones, le devuelve los resultados y deja que el modelo decida el paso siguiente — un loop que sigue hasta cumplir el objetivo.
Ese loop es de donde viene el poder, y también hacia dónde se mueve el riesgo. Una pregunta respondida mal es algo que podés atrapar en pantalla. Una acción tomada mal ya pasó — el registro se actualizó, el mensaje se envió. Así que las decisiones de diseño interesantes en un agente no son realmente sobre el modelo. Son sobre el alcance: qué puede hacer, cuánto puede hacer sin una persona en el loop y dónde están los checkpoints para todo lo que tiene consecuencias.
MCP — el adaptador universal
Model Context Protocol es una forma estándar de conectar una IA con tus datos y herramientas. Sin un estándar, cada integración es a medida: este modelo cableado a ese CRM, un conector distinto para el sistema de tickets, otro para el data warehouse — cada uno construido y mantenido a mano.
MCP les da un lenguaje común. La analogía habitual es USB: antes, cada dispositivo necesitaba su propio puerto y cable; después, enchufás una vez y te conectás a muchos. MCP cumple el mismo rol para la IA — exponés un sistema a través de él una vez, y cualquier modelo o agente que hable MCP puede llegar por la misma interfaz. Eso importa para la gobernanza tanto como para la comodidad: una superficie única y consistente es mucho más fácil de asegurar, permissionar y auditar que un montón de integraciones sueltas.
La versión corta
- LLM piensa y escribe.
- Agente piensa, después actúa.
- MCP es cómo llega a tus sistemas de forma segura.
Qué preguntar antes de comprar “un agente de IA”
Una vez que distinguís estos tres, los pitches de proveedores se vuelven mucho más fáciles de evaluar. Cuando alguien te ofrece “un agente de IA”, el modelo es la parte menos interesante de la respuesta. Las preguntas que realmente deciden si es seguro correrlo son:
- Qué tiene permitido hacer — y con la autoridad de quién actúa?
- A qué puede llegar — qué sistemas y datos, y cada acción queda registrada y atribuible?
- Dónde está el checkpoint humano para todo lo que tiene consecuencias o es irreversible?
Ahí vive el diseño real — y también el riesgo real. En un contexto regulado o de producción, “el modelo dio una buena respuesta en la demo” es la parte fácil; probar quién preguntó, controlar qué podía tocar y mantener todo auditable es la parte que decide si sale.
Nada de esto requiere la jerga. Mantené los tres en orden — el cerebro, el cerebro con manos, el adaptador universal — y vas a comprar, construir y gobernar sistemas de IA con mucha más claridad sobre lo que realmente estás comprando.