ai-agents-for-beginners

Uso de Protocolos Agentes (MCP, A2A y NLWeb)

(Haz 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: el Protocolo de Contexto de Modelo (MCP), Agente a Agente (A2A) y Web de Lenguaje Natural (NLWeb).

Introducción

En esta lección, cubriremos:

• Cómo MCP permite a los agentes de IA acceder a herramientas externas y datos para completar tareas de los usuarios.

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

• Cómo NLWeb lleva interfaces de lenguaje natural a cualquier sitio web, permitiendo a los agentes de IA descubrir e interactuar 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 e interacción entre LLMs, herramientas y otros agentes.

• Reconocer los roles distintos que juega cada protocolo en la construcción de sistemas agentes complejos.

Protocolo de Contexto de Modelo

El Protocolo de Contexto de Modelo (MCP) es un estándar abierto que proporciona una forma estandarizada para que las aplicaciones ofrezcan contexto y herramientas a los LLMs. Esto permite un “adaptador universal” para diversas fuentes de datos y herramientas a las que los agentes de IA pueden conectarse de manera consistente.

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

Componentes Básicos de MCP

MCP opera en una arquitectura cliente-servidor y los componentes básicos 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 ligeros que exponen capacidades específicas.

Incluido en el protocolo hay tres primitivas básicas que son las capacidades de un Servidor MCP:

• Herramientas: Son acciones o funciones discretas que un agente de IA puede llamar 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 publicitan el nombre, descripción y esquema de entrada/salida de cada herramienta en su listado de capacidades.

• Recursos: Son datos o documentos de solo lectura que un servidor MCP puede proporcionar, y los clientes pueden recuperarlos bajo demanda. Ejemplos incluyen contenido de archivos, registros de bases de datos o archivos de registro. Los recursos pueden ser texto (como código o JSON) o binarios (como imágenes o PDF).

• Prompts: Son plantillas predefinidas que proveen prompts sugeridos, 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 de un servidor junto con descripciones de qué hacen. Esto contrasta con las APIs tradicionales, que a menudo requieren codificación estática para integraciones, lo que implica que cualquier cambio en la API requiere actualizaciones de código. MCP ofrece un enfoque de “integrar una vez”, llevando a mayor adaptabilidad.

• Interoperabilidad entre LLMs: MCP trabaja con diferentes LLMs, proporcionando flexibilidad para cambiar modelos centrales para evaluar un mejor rendimiento.

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

Ejemplo de MCP

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

1. Conexión: El asistente de IA (cliente MCP) se conecta a un servidor MCP proporcionado por una aerolínea.

2. Descubrimiento de Herramientas: El cliente pregunta al servidor MCP de la aerolínea, “¿Qué herramientas tienen disponibles?” El servidor responde con herramientas como “buscar vuelos” y “reservar vuelos”.

3. Invocación de Herramienta: Luego le pides al asistente de IA, “Por favor busca un vuelo de Portland a Honolulu.” El asistente de IA, usando su LLM, identifica que debe llamar a la herramienta “buscar vuelos” y pasa los parámetros relevantes (origen, destino) al servidor MCP.

4. Ejecución y Respuesta: El servidor MCP, actuando como un envoltorio, hace la llamada real a la API interna de reserva de la aerolínea. Luego recibe la información del vuelo (por ejemplo, datos JSON) y la envía de vuelta al asistente de IA.

5. Interacción Adicional: El asistente de IA presenta las opciones de vuelo. Una vez seleccionas 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 con herramientas, el protocolo Agente a Agente (A2A) da un paso más al permitir la comunicación y colaboración entre diferentes agentes de IA. A2A conecta agentes de IA de diferentes 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 enfoca en habilitar la comunicación entre agentes y hacer 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 a usuarios humanos) a entender cuándo y por qué querrían llamar a ese agente.
• La URL actual del Endpoint del agente.
• La versión y 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 entender la tarea que debe completarse. En un servidor A2A, un agente usa su propio Modelo de Lenguaje Grande (LLM) para analizar las solicitudes entrantes y ejecutar tareas usando sus propias herramientas internas.

Artefacto

Cuando 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 completado, y el contexto de texto que se envía a través del protocolo. Después de enviar el artefacto, la conexión con el agente remoto se cierra hasta que se necesite nuevamente.

Cola de Eventos

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

Beneficios de A2A

• Colaboración Mejorada: Permite que agentes de diferentes vendedores y plataformas interactúen, compartan contexto y trabajen juntos, facilitando una automatización sin interrupciones a través de sistemas tradicionalmente desconectados.

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

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

Ejemplo de A2A

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

1. Solicitud del Usuario al Multi-Agente: Un usuario interactúa con un cliente/agente A2A “Agente de Viajes”, quizás diciendo: “Por favor reserva un viaje completo a Honolulu para la próxima semana, incluyendo vuelos, hotel y auto de alquiler”.

2. Orquestación por el Agente de Viajes: El Agente de Viajes recibe esta compleja solicitud. Usa su LLM para razonar sobre la tarea y determina que debe interactuar con otros agentes especializados.

3. Comunicación entre Agentes: Luego, el Agente de Viajes usa el protocolo A2A para conectarse con agentes posteriores, como un “Agente de Aerolínea”, un “Agente de Hotel”, y un “Agente de Alquiler de Autos” creados por distintas compañías.

4. Ejecución Delegada de Tareas: El Agente de Viajes envía tareas específicas a estos agentes especializados (por ejemplo, “Encuentra vuelos a Honolulu”, “Reserva un hotel”, “Alquila un auto”). Cada uno de estos agentes especializados, ejecutando sus propios LLMs y utilizando sus propias herramientas (que podrían ser servidores MCP), realiza su parte específica de la reserva.

5. Respuesta Consolidada: Una vez que todos los agentes posteriores completan sus tareas, el Agente de Viajes compila los resultados (detalles del vuelo, confirmación del hotel, reserva del auto) y envía una respuesta completa, estilo chat, de vuelta al usuario.

Web de Lenguaje Natural (NLWeb)

Los sitios web han sido durante mucho tiempo la forma principal 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 de Servicio Central): El sistema que procesa preguntas en lenguaje natural. Conecta las diferentes partes de la plataforma para crear respuestas. Puedes pensar en él como el motor que impulsa las funciones de lenguaje natural de un sitio web.

• Protocolo NLWeb: Este es un conjunto básico de reglas para 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 de IA”, de la misma manera que HTML permitió compartir documentos en línea.

• Servidor MCP (Endpoint del Protocolo de Contexto de 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 utilizables por agentes de IA, permitiendo que el sitio se convierta en parte del “ecosistema de agentes” más amplio.

• Modelos de Embeddings: Estos modelos se usan para convertir el contenido del sitio web en representaciones numéricas llamadas vectores (embeddings). Estos vectores capturan el significado de forma que las computadoras pueden comparar y buscar. Se almacenan en una base de datos especial, y los usuarios pueden elegir qué modelo de embedding quieren 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 rápida y eficientemente la información más relevante. Proporciona una lista rápida de posibles respuestas, clasificadas por similitud. NLWeb funciona con diferentes sistemas de almacenamiento vectorial como Qdrant, Snowflake, Milvus, Azure AI Search y Elasticsearch.

NLWeb con un Ejemplo

Consideremos de nuevo nuestro sitio web de reservas de viajes, pero esta vez, alimentado por NLWeb.

1. 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 mediante feeds RSS. Las herramientas de NLWeb ingieren estos datos estructurados, crean embeddings y los almacenan en una base de datos vectorial local o remota.

2. 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 familiar en Honolulu con piscina para la próxima semana”.

3. 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 listados relevantes de hoteles.

4. Resultados Precisos: El LLM ayuda a interpretar los resultados de búsqueda de la base de datos, identifica las mejores coincidencias basadas en los criterios “familiar”, “piscina” y “Honolulu”, y luego formatea una respuesta en lenguaje natural. Es crucial que la respuesta se refiera a hoteles reales del catálogo del sitio, evitando información inventada.

5. Interacción del Agente de IA: Debido a que NLWeb sirve como servidor MCP, un agente de viaje 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 web: ask("¿Hay restaurantes veganos recomendados por el hotel en el área 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.

¿Tienes más preguntas sobre MCP/A2A/NLWeb?

Únete al Microsoft Foundry Discord para conocer a otros aprendices, asistir a horas de oficina y obtener respuestas a tus preguntas sobre Agentes de IA.

Recursos

• MCP para Principiantes
• Documentación de MCP
• Repositorio NLWeb
• Microsoft Agent Framework

Lección Anterior

Agentes de IA en Producción

Próxima Lección

Ingeniería de Contexto para Agentes de IA

---

Descargo de responsabilidad: 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 automatizadas pueden contener errores o inexactitudes. El documento original en su idioma nativo debe considerarse la fuente autorizada. Para información crítica, se recomienda una traducción profesional humana. No somos responsables de cualquier malentendido o interpretación errónea que surja del uso de esta traducción.

This site is open source. Improve this page.