Agentes de IA
Skills, herramientas y MCP: cómo combinarlos en un agente de IA
La skill explica el procedimiento, la herramienta hace la operación y MCP puede conectarlas. Un ejemplo para entender qué aporta cada pieza.
Tres piezas que suelen aparecer juntas
Quieres que un agente prepare una ficha siguiendo siempre el mismo proceso. Puedes guardar el procedimiento en una skill, darle una herramienta para consultar los datos y usar MCP para conectar esa herramienta con la aplicación.
Cada pieza tiene un papel: la skill contiene instrucciones; la herramienta realiza una operación; MCP define la conexión con un servidor que ofrece capacidades. Pueden trabajar juntas sin ser alternativas entre sí.
Agent Skills es un formato abierto organizado alrededor de un archivo SKILL.md, con nombre, descripción e instrucciones. Puede incluir referencias, plantillas o scripts. Así el procedimiento tiene un lugar concreto donde revisarlo y mantenerlo.
La herramienta y la conexión resuelven otras necesidades
Una herramienta podría recibir la referencia de un producto y devolver su ficha. En el caso de las herramientas que defines para Claude, el modelo solicita una llamada y tu aplicación ejecuta la operación. Escribir en la skill que consulte esa ficha no crea la función ni le concede acceso al servicio.
MCP permite ofrecer herramientas, recursos y prompts mediante un protocolo común. La skill puede explicar cómo utilizar esas capacidades, pero también puede trabajar con archivos o herramientas conectadas directamente. Para una función que solo utiliza tu aplicación, empezaría por comprobar si la integración directa cubre lo necesario.
| Componente | Responsabilidad en el ejemplo |
|---|---|
| Skill | Explicar qué comparar y cómo presentar las fuentes |
| Herramienta | Obtener una ficha concreta y devolver sus datos |
| MCP | Ofrecer esa consulta a través de una conexión común |
Un ejemplo: comparar dos fichas de producto
Imagina que quieres comparar dos fichas públicas para preparar una tabla de medidas y materiales. Es un ejemplo hipotético. La skill indicaría qué campos buscar, cómo conservar las unidades y dónde poner el enlace de cada fuente. Si una ficha no incluye un dato, el resultado debería señalarlo.
La consulta podría hacerse con una herramienta que lea las fichas. Si esa operación se ofrece desde un servidor MCP, el cliente la invocaría por ese protocolo. El procedimiento de comparación sigue teniendo sentido aunque cambies la forma de obtener los documentos.
Separaría la información extraída de las conclusiones. Si un documento usa centímetros y otro milímetros, la tabla tendría que explicar cualquier conversión. Una medida ausente no debería convertirse en una estimación del modelo. El resultado buscado es una comparación que una persona pueda comprobar con los originales.
Cargar instrucciones cuando la tarea las necesita
El formato Agent Skills propone una carga progresiva. Primero se presentan el nombre y la descripción de las skills. Cuando hace falta una, se leen sus instrucciones. Las referencias y otros archivos se consultan después según la tarea. Así no necesitas incluir todos los procedimientos completos desde el inicio.
Por eso escribiría una descripción concreta para la comparación de fichas, en lugar de algo como «ayuda con productos». También separaría una plantilla breve de las referencias largas. Esta organización facilita la selección, pero conviene probar si el agente activa la guía adecuada y si la deja fuera de una petición que no tiene relación.
Deep Agents permite asociar herramientas a una skill
LangChain explicó el 7 de octubre de 2026 mejoras en las skills de Deep Agents. Permiten asociar herramientas a una skill, cargar explícitamente las instrucciones de una skill elegida y volver a descubrir una biblioteca modificada durante una conversación. Es una actualización de esa implementación, no un requisito general de MCP.
Su documentación distingue las herramientas asociadas mediante metadata.include_tools del formato base Agent Skills. Las incorpora cuando se lee o se fija la skill. También permite resolver qué herramientas ofrecer según el contexto de ejecución. Antes de usarlo, comprueba la versión y configuración de Deep Agents y el comportamiento del modelo que has elegido.
Para el ejemplo, podrías asociar la consulta de fichas al procedimiento de comparación. Cargar ambos juntos ayuda a presentar la operación con sus instrucciones. Aun así, leer la guía no demuestra que el modelo vaya a seguir todos los pasos ni sustituye las comprobaciones del resultado.
Prueba el procedimiento y conserva los permisos en la aplicación
Antes de incorporar una skill, revisa sus instrucciones, scripts y referencias. Anthropic advierte de que ese contenido puede dirigir llamadas y ejecución de código. En la comparación de fichas, daría acceso de lectura a los documentos previstos. Cualquier modificación necesitaría su propio control en la aplicación, aunque las instrucciones pidan realizarla.
Probaría una pareja de fichas completas, otra con un campo ausente y una consulta ajena a la comparación. Revisaría las unidades, las fuentes, los datos inventados y las operaciones solicitadas. Compararía el resultado con y sin la skill sobre las mismas entradas. Es una propuesta de evaluación, sin pruebas ejecutadas ni ahorro prometido.
Empezaría por un procedimiento pequeño cuyo resultado puedas revisar. Si mejora la consistencia, guarda una versión de la skill junto a sus casos de prueba. Cuando cambies las instrucciones o las herramientas, vuelve a comprobarlos. La ventaja útil es poder mantener el procedimiento y evaluar qué aporta.