ai-agents-for-beginners

Uso de Protocolos Agénticos (MCP, A2A y NLWeb)

(Haga clic en la imagen de arriba para ver el video de esta lección)

A medida que crece el uso de agentes de IA, también crece la necesidad de protocolos que aseguren la estandarización, la seguridad y apoyen la innovación abierta. En esta lección, cubriremos 3 protocolos que buscan satisfacer esta necesidad: Model Context Protocol (MCP), Agent to Agent (A2A) y Natural Language Web (NLWeb).

Introducción

En esta lección, cubriremos:

• Cómo MCP permite que los agentes de IA accedan a herramientas y datos externos para completar tareas de usuario.

• Cómo A2A posibilita la comunicación y colaboración entre diferentes agentes de IA.

• Cómo NLWeb lleva interfaces de lenguaje natural a cualquier sitio web permitiendo que agentes de IA descubran e interactúen con el contenido.

Objetivos de Aprendizaje

• Identificar el propósito principal y los beneficios de MCP, A2A y NLWeb en el contexto de los agentes de IA.

• Explicar cómo cada protocolo facilita la comunicación y la interacción entre LLMs, herramientas y otros agentes.

• Reconocer los roles distintos que cada protocolo desempeña en la construcción de sistemas agénticos complejos.

Protocolo de Contexto del Modelo

El Model Context Protocol (MCP) es un estándar abierto que proporciona una forma estandarizada para que las aplicaciones provean contexto y herramientas a los LLMs. Esto habilita un “adaptador universal” para diferentes fuentes de datos y herramientas a las que los agentes de IA pueden conectarse de manera consistente.

Veamos los componentes de MCP, los beneficios comparados con el uso directo de APIs, y un ejemplo de cómo los agentes de IA podrían usar un servidor MCP.

Componentes Básicos de MCP

MCP opera bajo una arquitectura cliente-servidor y los componentes principales son:

• Hosts son aplicaciones LLM (por ejemplo un editor de código como VSCode) que inician las conexiones a un Servidor MCP.

• Clientes son componentes dentro de la aplicación host que mantienen conexiones uno a uno con los servidores.

• Servidores son programas livianos que exponen capacidades específicas.

Incluidos en el protocolo hay tres primitivas centrales, que son las capacidades de un Servidor MCP:

• Herramientas: Son acciones discretas o funciones que un agente de IA puede invocar para realizar una acción. Por ejemplo, un servicio meteorológico podría exponer una herramienta “obtener clima”, o un servidor de comercio electrónico podría exponer una herramienta “comprar producto”. Los servidores MCP anuncian el nombre de cada herramienta, descripción y esquema de entrada/salida en su listado de capacidades.

• Recursos: Son elementos o documentos de datos solo lectura que un servidor MCP puede proveer y que los clientes pueden recuperar a demanda. Ejemplos incluyen contenido de archivos, registros de base de datos o archivos de registro (logs). Los recursos pueden ser texto (como código o JSON) o binarios (como imágenes o PDFs).

• Prompts: Son plantillas predefinidas que proporcionan sugerencias de prompts, permitiendo flujos de trabajo más complejos.

Beneficios de MCP

MCP ofrece ventajas significativas para los agentes de IA:

• Descubrimiento Dinámico de Herramientas: Los agentes pueden recibir dinámicamente una lista de herramientas disponibles desde un servidor junto con descripciones de su función. Esto contrasta con las APIs tradicionales, que a menudo requieren codificación estática para integraciones, significando que cualquier cambio en la API requiere actualizaciones de código. MCP ofrece un enfoque de “integrar una vez”, conduciendo a mayor adaptabilidad.

• Interoperabilidad entre LLMs: MCP funciona a través de diferentes LLMs, proporcionando flexibilidad para cambiar modelos principales y evaluar el mejor desempeño.

• Seguridad Estandarizada: MCP incluye un método estándar de autenticación, mejorando la escalabilidad al agregar acceso a servidores MCP adicionales. Esto es más simple que manejar diferentes claves y tipos de autenticación para varias APIs tradicionales.

Ejemplo de MCP

Diagrama MCP

Imagine que un usuario quiere reservar un vuelo usando un asistente de IA potenciado por MCP.

Conexión: El asistente de IA (cliente MCP) se conecta a un servidor MCP proporcionado por una aerolínea.
Descubrimiento de Herramientas: El cliente pregunta al servidor MCP de la aerolínea: “¿Qué herramientas tienes disponibles?” El servidor responde con herramientas como “buscar vuelos” y “reservar vuelos”.
Invocación de la Herramienta: Luego usted le pide al asistente de IA: “Por favor, busca un vuelo de Portland a Honolulu.” El asistente de IA, usando su LLM, identifica que necesita llamar a la herramienta “buscar vuelos” y pasa los parámetros relevantes (origen, destino) al servidor MCP.
Ejecución y Respuesta: El servidor MCP, actuando como un middleware, realiza la llamada real a la API interna de reservas de la aerolínea. Luego recibe la información del vuelo (por ejemplo, datos JSON) y la envía de regreso al asistente de IA.
Interacción Posterior: El asistente de IA presenta las opciones de vuelo. Una vez que usted selecciona un vuelo, el asistente podría invocar la herramienta “reservar vuelo” en el mismo servidor MCP, completando la reserva.

Protocolo Agente a Agente (A2A)

Mientras que MCP se enfoca en conectar LLMs a herramientas, el protocolo Agent-to-Agent (A2A) da un paso más permitiendo la comunicación y colaboración entre diferentes agentes de IA. A2A conecta agentes de IA a través de distintas organizaciones, entornos y pilas tecnológicas para completar una tarea compartida.

Examinaremos los componentes y beneficios de A2A, junto con un ejemplo de cómo podría aplicarse en nuestra aplicación de viajes.

Componentes Básicos de A2A

A2A se centra en habilitar la comunicación entre agentes y que trabajen juntos para completar una subtarea del usuario. Cada componente del protocolo contribuye a esto:

Tarjeta de Agente

Similar a cómo un servidor MCP comparte una lista de herramientas, una Tarjeta de Agente tiene:

El Nombre del Agente.
Una descripción de las tareas generales que completa.
Una lista de habilidades específicas con descripciones para ayudar a otros agentes (o incluso usuarios humanos) a entender cuándo y por qué llamarían a ese agente.
La URL actual del Endpoint del agente.
La versión y las capacidades del agente como respuestas en streaming y notificaciones push.

Ejecutor de Agente

El Ejecutor de Agente es responsable de pasar el contexto del chat del usuario al agente remoto, el agente remoto necesita esto para comprender la tarea que debe completar. En un servidor A2A, un agente usa su propio Modelo de Lenguaje Extenso (LLM) para parsear las solicitudes entrantes y ejecutar tareas usando sus propias herramientas internas.

Artefacto

Una vez que un agente remoto ha completado la tarea solicitada, su producto de trabajo se crea como un artefacto. Un artefacto contiene el resultado del trabajo del agente, una descripción de lo que se completó, y el contexto textual que se envía a través del protocolo. Después de que el artefacto es enviado, la conexión con el agente remoto se cierra hasta que vuelva a ser necesario.

Cola de Eventos

Este componente se usa para manejar actualizaciones y pasar mensajes. Es particularmente importante en producción para sistemas agénticos para evitar que la conexión entre agentes se cierre antes de que una tarea se complete, especialmente cuando los tiempos de finalización pueden ser prolongados.

Beneficios de A2A

• Colaboración Mejorada: Permite que agentes de diferentes proveedores y plataformas interactúen, compartan contexto y trabajen juntos, facilitando la automatización fluida a través de sistemas tradicionalmente desconectados.

• Flexibilidad en la Selección del Modelo: Cada agente A2A puede decidir qué LLM usar para atender sus solicitudes, permitiendo modelos optimizados o afinados por agente, a diferencia de una única conexión LLM en algunos escenarios MCP.

• Autenticación Incorporada: La autenticación está integrada directamente en el protocolo A2A, proporcionando un marco robusto de seguridad para las interacciones entre agentes.

Ejemplo de A2A

Diagrama A2A

Expandamos nuestro escenario de reserva de viajes, pero esta vez usando A2A.

Solicitud del Usuario al Multi-Agente: Un usuario interactúa con un cliente/agente A2A “Agente de Viajes”, quizá diciendo: “Por favor reserva un viaje completo a Honolulu para la próxima semana, incluyendo vuelos, hotel y coche de alquiler”.
Orquestación por el Agente de Viajes: El Agente de Viajes recibe esta solicitud compleja. Usa su LLM para razonar sobre la tarea y determina que necesita interactuar con otros agentes especializados.
Comunicación Inter-Agente: El Agente de Viajes usa luego el protocolo A2A para conectar con agentes downstream, como un “Agente de Aerolínea”, un “Agente de Hotel” y un “Agente de Alquiler de Coches” creados por distintas compañías.
Ejecución Delegada de Tareas: El Agente de Viajes envía tareas específicas a estos agentes especializados (por ejemplo, “Busca vuelos a Honolulu”, “Reserva un hotel”, “Alquila un coche”). Cada uno de estos agentes especializados, corriendo sus propios LLMs y utilizando sus propias herramientas (que pueden ser servidores MCP ellos mismos), realiza su parte específica de la reserva.
Respuesta Consolidada: Una vez que todos los agentes downstream completan sus tareas, el Agente de Viajes compila los resultados (detalles de vuelo, confirmación de hotel, reserva de coche) y envía una respuesta integral en formato de chat al usuario.

Natural Language Web (NLWeb)

Los sitios web han sido durante mucho tiempo la principal forma para que los usuarios accedan a información y datos a través de internet.

Veamos los diferentes componentes de NLWeb, los beneficios de NLWeb y un ejemplo de cómo funciona nuestro NLWeb observando nuestra aplicación de viajes.

Componentes de NLWeb

Aplicación NLWeb (Código del Servicio Central): El sistema que procesa preguntas en lenguaje natural. Conecta las diferentes partes de la plataforma para crear respuestas. Se puede pensar en él como el motor que potencia las funciones de lenguaje natural de un sitio web.
Protocolo NLWeb: Este es un conjunto básico de reglas para la interacción en lenguaje natural con un sitio web. Envía respuestas en formato JSON (a menudo usando Schema.org). Su propósito es crear una base simple para la “Web IA”, de la misma manera que HTML hizo posible compartir documentos en línea.
Servidor MCP (Punto Final del Protocolo de Contexto del Modelo): Cada configuración NLWeb también funciona como un servidor MCP. Esto significa que puede compartir herramientas (como un método “ask”) y datos con otros sistemas de IA. En la práctica, esto hace que el contenido y las capacidades del sitio web sean usables por agentes de IA, permitiendo que el sitio se convierta en parte del “ecosistema de agentes” más amplio.
Modelos de Embedding: Estos modelos se usan para convertir el contenido del sitio web en representaciones numéricas llamadas vectores (embeddings). Estos vectores capturan significado de una manera que las computadoras pueden comparar y buscar. Se almacenan en una base de datos especial, y los usuarios pueden elegir qué modelo de embedding desean usar.
Base de Datos Vectorial (Mecanismo de Recuperación): Esta base de datos almacena los embeddings del contenido del sitio web. Cuando alguien hace una pregunta, NLWeb consulta la base vectorial para encontrar rápidamente la información más relevante. Proporciona una lista rápida de posibles respuestas, ordenadas por similitud. NLWeb funciona con diferentes sistemas de almacenamiento vectorial como Qdrant, Snowflake, Milvus, Azure AI Search y Elasticsearch.

NLWeb en un Ejemplo

NLWeb

Consideremos nuestro sitio web de reservas de viajes nuevamente, pero esta vez está potenciado por NLWeb.

Ingesta de Datos: Los catálogos de productos existentes del sitio web de viajes (por ejemplo, listados de vuelos, descripciones de hoteles, paquetes turísticos) se formatean usando Schema.org o se cargan vía feeds RSS. Las herramientas de NLWeb ingieren estos datos estructurados, crean embeddings y los almacenan en una base de datos vectorial local o remota.
Consulta en Lenguaje Natural (Humano): Un usuario visita el sitio y, en lugar de navegar por menús, escribe en una interfaz de chat: “Encuéntrame un hotel amigable para familias en Honolulu con piscina para la próxima semana”.
Procesamiento NLWeb: La aplicación NLWeb recibe esta consulta. Envía la consulta a un LLM para su comprensión y simultáneamente busca en su base de datos vectorial los listados de hoteles relevantes.
Resultados Precisos: El LLM ayuda a interpretar los resultados de la búsqueda en la base de datos, identifica las mejores coincidencias basado en criterios como “amigable para familias”, “piscina” y “Honolulu”, luego formatea una respuesta en lenguaje natural. De manera crucial, la respuesta se refiere a hoteles reales del catálogo del sitio, evitando información inventada.
Interacción con Agente de IA: Debido a que NLWeb funciona como un servidor MCP, un agente de viajes de IA externo también podría conectarse a esta instancia NLWeb del sitio. El agente de IA podría entonces usar el método ask de MCP para consultar directamente el sitio: ask("¿Hay restaurantes veganos recomendados por el hotel en la zona de Honolulu?"). La instancia NLWeb procesaría esto, aprovechando su base de datos de información de restaurantes (si está cargada), y devolvería una respuesta estructurada en JSON.

¿Tiene Más Preguntas sobre MCP/A2A/NLWeb?

Únase al Microsoft Foundry Discord para conectar con otros estudiantes, asistir a horas de oficina y resolver sus preguntas sobre Agentes de IA.

Recursos

Aviso legal: Este documento ha sido traducido utilizando el servicio de traducción automática Co-op Translator. Aunque nos esforzamos por la precisión, tenga en cuenta que las traducciones automáticas pueden contener errores o inexactitudes. El documento original en su idioma nativo debe considerarse la fuente autorizada. Para información crítica, se recomienda la traducción profesional humana. No nos hacemos responsables de malentendidos o interpretaciones erróneas que resulten del uso de esta traducción.

This site is open source. Improve this page.