IA Generativa
Conceptos Fundamentales

Ventanas de Contexto, Agentes y MCPs

Alejandro de la Fuente

Technical Leader Specialist en NTT

Explorando las capacidades de la IA Generativa

Visita mi web →

La Paradoja del Vibe Coding

Alta adopción, baja confianza

Alta Adopción

Los equipos abrazan la IA para acelerar desarrollo

85%

de desarrolladores usan IA

Baja Confianza

Pero dudan de la calidad del código generado

68%

requieren revisión senior

Necesidad de Control

Sin procesos adecuados, la velocidad se convierte en deuda técnica

3x Más revisiones
2x Más iteraciones
4x Más refactoring

Métricas de Sobrecarga

El costo oculto de la generación de código

+0%

Tamaño de PR

Pull requests significativamente más grandes

+0%

Tiempo de Review

Revisiones de código más lentas y detalladas

+0%

Bugs por Dev

Incremento en defectos introducidos

Capacidad Humana vs IA

Humano
200-400 LOC/h
IA
1000 LOC/h

La IA genera 2.5x más rápido, pero la revisión humana se convierte en el cuello de botella

Code Churn y Refactorización

El ciclo interminable de cambios

+0%

Code Churn

Incremento en código que se modifica inmediatamente después de escribirse

0M

LOC Copy-Paste

Estudio GitClear: líneas de código duplicadas

¿Por qué ocurre esto?

Menos Refactoring

La IA prioriza velocidad sobre calidad estructural

Más Copy-Paste

Duplicación de patrones sin abstracciones adecuadas

Ciclos de Reescritura

Código generado que no cumple requisitos en primera iteración

Impacto en el Equipo

2-3x
Tiempo en reviews
↓ 40%
Calidad de código
↑ 60%
Deuda técnica

Los 4 Pilares de un Buen Prompt

Estructura fundamental para prompts efectivos

📝

Instructions

Define qué quieres que haga

"Analiza este código y refactorízalo para mejorar su legibilidad usando principios SOLID"
  • Sé específico y claro
  • Usa verbos de acción
  • Define el resultado esperado
🎯

Context

Proporciona información relevante

"Este proyecto usa React 18 con TypeScript. El equipo sigue la guía de estilo de Airbnb"
  • Stack tecnológico
  • Restricciones del proyecto
  • Convenciones del equipo
⚠️

Rules

Establece límites y restricciones

"NO uses 'any' en TypeScript. Mantén funciones bajo 20 líneas. SIEMPRE incluye tests"
  • Define qué NO hacer
  • Establece límites claros
  • Especifica requisitos obligatorios
💡

Examples

Muestra ejemplos concretos

"Formato: const suma = (a, b) => a + b;"
  • Input y output esperados
  • Casos de uso reales
  • Formato deseado
💡

Recuerda: Un prompt bien estructurado es la diferencia entre una respuesta genérica y una solución precisa

La Fórmula Perfecta

Combinando los 4 pilares para resultados excepcionales

Context + Instruction + Rules + Examples = 🎯 Output de Calidad

📋 Ejemplo Completo

Context

"Trabajo en un proyecto React 18 con TypeScript. Seguimos las guías de estilo de Airbnb y usamos hooks funcionales."

Instruction

"Crea un hook personalizado para gestionar el estado de un formulario con validación en tiempo real."

Rules

"NO uses clases. DEBE incluir TypeScript tipos. Las funciones DEBEN ser menores de 20 líneas. SIEMPRE incluir comentarios JSDoc."

Examples

"Formato: useForm retorna objeto con values, errors, handleChange, handleSubmit"

3x
Más preciso
70%
Menos iteraciones
5x
Menos tokens

Ventana de Contexto

La memoria de trabajo de los modelos de IA

🧠

¿Qué es?

La ventana de contexto es la cantidad máxima de tokens (texto) que un modelo de IA puede procesar en una sola conversación. Es su "memoria de trabajo".

📏

Limitaciones

  • Capacidad finita de procesamiento
  • Mayor contexto = mayor costo
  • Degradación de atención en contextos largos
  • El modelo "olvida" lo que sale del contexto
💡

Analogía

Piensa en la ventana de contexto como tu escritorio: puedes tener varios documentos abiertos, pero hay un límite físico. Cuando necesitas más espacio, debes guardar algunos documentos para abrir otros nuevos.

Agentes vs Chatbots

De la conversación a la acción

💬

Chatbot Tradicional

🎯 Propósito

Responder preguntas y mantener conversaciones

🔧 Capacidades

  • Procesar texto
  • Generar respuestas
  • Mantener contexto conversacional

⚡ Limitaciones

  • Sin acceso a herramientas externas
  • No puede ejecutar acciones
  • Conocimiento estático
Ejemplo:

"¿Cuál es el clima hoy?"

❌ "No tengo acceso a datos en tiempo real"

🤖

Agente IA

🎯 Propósito

Ejecutar tareas y resolver problemas complejos

🔧 Capacidades

  • Todo lo del chatbot, más:
  • Usar herramientas (Tools)
  • Ejecutar código
  • Acceder a APIs y servicios
  • Tomar decisiones autónomas

⚡ Ventajas

  • Acceso a información en tiempo real
  • Puede realizar acciones concretas
  • Extensible vía herramientas
Ejemplo:

"¿Cuál es el clima hoy?"

✅ Usa API meteorológica → "25°C, soleado"

🔑

Concepto Clave: Tools (Herramientas)

Los tools son funciones que el agente puede invocar para interactuar con el mundo exterior. Ejemplos: buscar en internet, leer archivos, ejecutar código, consultar bases de datos, enviar emails, etc. Sin tools, un modelo de IA es solo un chatbot conversacional.

MCP

Model Context Protocol - El estándar para conectar agentes

🔌

¿Qué es MCP?

MCP (Model Context Protocol) es un protocolo abierto estandarizado creado por Anthropic que permite a los agentes de IA conectarse con fuentes de datos y herramientas externas de forma segura y consistente.

⚠️

El Problema que Resuelve

Antes de MCP:

  • Cada agente tenía su propia forma de conectarse a herramientas
  • Integraciones personalizadas para cada servicio
  • Difícil reutilizar código entre proyectos
  • Sin estándares de seguridad comunes

Arquitectura MCP

🤖 Agente IA Claude, GPT, etc.
↓ MCP Protocol ↓
🖥️ MCP Server Expone recursos y herramientas
↓ Conecta con ↓
📁 Archivos
🗄️ Bases de Datos
🌐 APIs
🔧 Servicios
💡

Casos de Uso

📊 Análisis de Datos

Conectar con bases de datos SQL, Excel, CSV

🔍 Búsqueda

Integrar con Google, Wikipedia, documentación

🛠️ DevOps

Gestión de GitHub, Docker, Kubernetes

📝 Productividad

Slack, Email, Notion, Google Workspace

✨

Beneficios

  • Estandarización: Un protocolo para todas las integraciones
  • Reutilización: Escribe una vez, usa en múltiples agentes
  • Seguridad: Control de permisos y autenticación integrados
  • Comunidad: Ecosistema creciente de servidores MCP públicos
  • Simplicidad: Abstracciones claras para desarrolladores
💡 Analogía: MCP es como USB para agentes de IA. Así como USB estandarizó cómo conectar dispositivos a computadoras, MCP estandariza cómo conectar agentes a herramientas y datos.

¡Ponlo en Práctica!

Aprende a construir tus propios agentes y MCP servers

🚀 ¡Vamos al Taller! →
🎯

¿Qué Incluye el Taller?

  • 🤖 Dos agentes de IA funcionales (básico y avanzado)
  • 🔌 Dos MCP servers listos para Claude Desktop
  • 📚 Documentación completa en español
  • ⚡ Código TypeScript con ejemplos ejecutables
🚀

Lo que Aprenderás

✓

Construir un agente básico con tool use

✓

Implementar un agente avanzado con patrón Plan-Execute-Synthesize

✓

Crear MCP servers con FastMCP y SDK oficial

✓

Integrar con Claude y DeepSeek

Código Sin Siesta • 2025

Tu Opinión Importa

Ayúdanos a mejorar esta presentación

¿Preguntas o Sugerencias?

Puedes contactarme directamente en tellmealex.dev

🙏 ¡Gracias por tu tiempo y atención!
1 / 11