MCP v/s A2A - Los Protocolos Utilizados Por Los AI Agents
Los sistemas que integran blockchain se vuelven cada vez más complejos. Recuerdo que cuando apareció Eliza Framework el año pasado ¿año pasado? vaya que pasa rápido el tiempo fue uno de los primeros momentos en que vimos una intersección clara y tangible entre la inteligencia artificial y blockchain.
Después de eso, comenzaron a aparecer protocolos como MCP, A2A, los agentes fueron madurando rápidamente y, casi sin darnos cuenta, las terminales se robaron la película con herramientas como Claude Code. Hoy tenemos una explosión de herramientas directamente integradas en la terminal e incluso en los IDEs.
El objetivo principal de este blog es conectarlo con los últimos videos y artículos que he estado publicando sobre x402 y ERC-8004. Aunque ya he hecho contenido mostrando cómo crear un servidor MCP que integra x402, nunca me había detenido a explicar con mayor detalle qué es MCP como protocolo, ni tampoco qué es A2A, y por qué ambos son piezas clave en este nuevo paradigma.
¿Y por qué esto es importante?
Porque la tecnología —y el mercado blockchain en general— ha madurado. La forma en que desarrollamos agentes hoy es mucho más sofisticada que hace solo un año. Los agentes ya no son scripts simples: involucran múltiples capas, distintos protocolos, interacción entre sistemas y una creciente necesidad de estandarización. Todo se vuelve cada vez más complejo chale.
Mi objetivo con este contenido es entender primero la teoría con bases sólidas, para luego saltar a la práctica con mayor claridad.
Si analizas el contenido del estándar ERC-8004, verás que dentro de la metadata de los agentes aparecen propiedades relacionadas tanto con A2A como con MCP. Y sí: los agentes no solo podrán, sino que deberán implementar estos protocolos, sumados a tecnologías como x402, para poder operar de forma efectiva en los sistemas que vienen.
Por eso, a lo largo de esta serie tendremos blogs y videos dedicados a cada uno de estos componentes de manera independiente, y finalmente construiremos un agente que integre todas estas tecnologías en conjunto. La idea es clara: crear agentes productivos, preparados para la nueva era agéntica.
Estamos muy temprano en todo esto.
Y precisamente por eso, es el mejor momento para aprender.
MCP vs A2A
En este vertiginoso mundo de la IA hemos pasado rápidamente de los simples “chatbots” a los llamados “agentes” —ojo, no dije autónomos, porque en la práctica aún no lo son, para mí—. Este cambio es natural: ya no solo queremos conversar con la IA, ahora queremos que haga cosas.
Pero para que un agente sea realmente útil, necesita dos capacidades fundamentales:
Acceso a datos y herramientas (contexto).
Capacidad de comunicarse con otros agentes (colaboración).
Aquí es donde entran los dos estándares que hoy se mencionan constantemente cuando hablamos de agentes:
Model Context Protocol (MCP) y Agent-to-Agent (A2A).
Sí, suele decirse que “compiten” por convertirse en el estándar dominante, pero spoiler: no compiten realmente. Resuelven problemas distintos y, en la práctica, se complementan.
Podemos verlos mencionados juntos, pero atacan capas completamente diferentes del problema.
Piensa en MCP como el sistema nervioso de un agente (conectando el cerebro con las manos), y en A2A como el lenguaje social (permitiendo que distintos agentes cooperen entre sí).
El objetivo de este artículo es ayudarte a entender las diferencias reales, las similitudes, y sobre todo cuándo usar uno, el otro o ambos, porque como siempre en ingeniería: depende del contexto.
1. ¿Qué es MCP (Model Context Protocol)?
El “USB-C” de la inteligencia artificial
Desarrollado y liberado por Anthropic —y adoptado rápidamente por la comunidad y grandes empresas—, MCP busca resolver un problema muy concreto: las integraciones aisladas.
Antes de MCP, si querías que tu agente leyera una base de datos PostgreSQL, accediera a archivos locales y consultara tu calendario de Google, tenías que escribir conectores específicos para cada modelo y cada herramienta. Un caos difícil de mantener. En Eliza Framework están los plugins.
MCP propone una solución simple: un protocolo estándar para exponer contexto y herramientas a los modelos.
Características clave de MCP
Estandarización del contexto
Proporciona una forma universal para que los LLMs accedan a datos (archivos, código, logs) y herramientas.Arquitectura Cliente–Host–Servidor
Separa claramente quién solicita información y quién la provee.Soporte local y remoto
Funciona tanto para leer archivos en tu máquina local como para conectarse a servicios remotos.
¿Cómo funciona MCP? (Arquitectura)
El diseño es simple y elegante. Se divide en tres partes:
MCP Host (el anfitrión)
Es la aplicación donde vive el modelo: por ejemplo, Claude Desktop o un IDE como Cursor. Es quien orquesta la conversación y la interacción con el usuario.MCP Client (el cliente)
Vive dentro del host y mantiene una conexión uno-a-uno con los servidores MCP.MCP Server (el servidor)
Es un programa ligero que expone una capacidad específica, como:“Leer una base de datos”
“Buscar mensajes en Slack”
“Consultar una API interna”
Vamos con una analogía: Imagina que el host es tu computador y MCP es el puerto USB-C. Puedes conectar un disco duro, una cámara o un micrófono. El computador no necesita saber cómo funcionan internamente; solo sabe que, si los conecta vía USB-C, recibirá datos en un formato estándar.
2. ¿Qué es A2A (Agent-to-Agent)?
El “LinkedIn” y la diplomacia de los agentes
Impulsado principalmente por iniciativas de Google y socios de la industria, A2A nace de una necesidad completamente distinta: la colaboración entre agentes.
A medida que creamos agentes especializados —uno experto en reservar vuelos, otro en auditar código, otro en análisis financiero— necesitamos que puedan colaborar entre sí sin intervención humana directa.
Características clave de A2A
Descubrimiento y “Agent Cards”
Los agentes publican una especie de tarjeta de presentación que describe:quiénes son,
qué pueden hacer,
cómo contactarlos.
Orquestación descentralizada
No existe un cerebro central. Los agentes negocian y coordinan tareas entre ellos.Interoperabilidad
Permite que un agente construido en Python con LangChain se comunique con otro construido usando Eliza Framework, por ejemplo.
Si leíste el blog de ERC-8004, probablemente aquí algo ya hizo click. Justamente ese estándar busca formalizar la identidad, capacidades y descubrimiento de agentes, lo que encaja de forma natural con A2A.
¿Cómo funciona A2A?
El flujo típico de A2A se centra en la delegación de tareas:
Descubrimiento
El Agente A busca un agente que pueda cumplir un objetivo (por ejemplo, reservar una mesa) y encuentra el Agent Card del Agente B.Handshake
Ambos agentes establecen una conexión segura y verifican identidades.Negociación / Ejecución
El Agente A envía la tarea.
El Agente B puede aceptar, rechazar o pedir más información.Resultado
El Agente B ejecuta la tarea y devuelve el resultado.
3. Comparativa directa: diferencias críticas
Aquí es donde la mayoría de los desarrolladores se confunde.
La diferencia no es de calidad, sino de nivel de abstracción.
MCP conecta agentes con herramientas y datos.
A2A conecta agentes con otros agentes.
Uno no reemplaza al otro.
4. Casos de uso: ¿cuándo elegir cuál?
Escenario A: asistente de programación (usa MCP)
Estás construyendo un asistente interno que necesita:
leer documentación (PDFs),
consultar el estado de servidores en AWS.
Elección: MCP
Por qué:
Tu agente es el cerebro central. Solo necesita ojos (documentos) y manos (AWS CLI). No necesita negociar con otros agentes, solo acceso directo al contexto.AWS.
Escenario B: agencia de viajes autónoma (usa A2A)
El usuario dice: “Planea mis vacaciones”.
Esto implica:
vuelos,
hoteles,
restaurantes.
Elección: A2A
Por qué:
Tu agente no debe tener acceso directo a los sistemas internos de aerolíneas u hoteles. En su lugar, se comunica con agentes externos especializados. Cada agente es dueño de su dominio y colaboran para cumplir el objetivo.
Escenario C: convergencia total (usa ambos)
Ejemplo: un agente de soporte técnico.
Usa A2A para recibir tickets desde un agente de ventas.
Usa MCP para consultar logs y bases de datos.
Usa A2A para escalar el problema a un agente de ingeniería.
Este es el escenario más potente y realista.
5. Implementación Técnica: Primeros Pasos
Por supuesto que haremos un video en mi canal para profundizar mas en la implementación, pero aquí veremos una pequeña aproximación.
Para empezar con MCP
Lo mejor de MCP es que puedes empezar localmente muy rápido. Si usas Claude Desktop, puedes configurar un servidor MCP editando un simple archivo JSON de configuración.
Ejemplo de flujo JSON-RPC en MCP:
// El Cliente (Host) pregunta qué herramientas tiene el Servidor
{
“jsonrpc”: “2.0”,
“method”: “tools/list”,
“id”: 1
}// El Servidor responde
{
“jsonrpc”: “2.0”,
“result”: {
“tools”: [{
“name”: “query_database”,
“description”: “Ejecuta una consulta SQL segura”
}]
},
“id”: 1
}Para empezar con A2A
A2A requiere más infraestructura (necesitas endpoints públicos o una red local descubrible). Google y otros partners están definiendo las especificaciones de las “Agents Cards", pero la implementación suele basarse en endpoints RESTful donde un agente hace un POST con la tarea del otro para mantenerlo sencillo.
Conclusión
La industria se está moviendo hacia un ecosistema modular. MCP está ganando la batalla de la “integración de herramientas" gracias a su simplicidad y el respaldo de Anthropic. Si quieres que tu Agente lea tus archivos o use tus APIs internas, MCP es el camino a seguir hoy.
Por otro lado, A2A es la apuesta a largo plazo para la “economía de agentes". A medida que las empresas desplieguen sus propios agentes, A2A será el protocolo que evite que tengamos miles de agentes aislados que no puedan hablar entre sí.
Veremos como todo esto se va intensificando y evolucionando con lo que estamos viviendo con ERC-8004. Aprovecho de dejarle algunos de proyectos interesantes que utilizan ERC-8004, los utilizaremos mas adelante pero se los comparto de igual manera.
Los veremos má adelante en profundidad.