MCP vs A2A vs AGENTS.md: ¿Qué capa hace qué en 2026?

Si en 2026 te cuesta más evaluar agentes de IA que hace un año, no es tu imaginación. La conversación ha dejado atrás el “¿qué modelo debería usar?” y se ha trasladado a qué capa resuelve qué parte del stack. La guía de protocolos de agentes que Google publicó en marzo de 2026 dejó claro lo rápido que se ha expandido el panorama, y la actualización de abril de 2026 de la Linux Foundation sobre A2A mostró lo rápido que la adopción está pasando de la teoría a producción. Para los equipos que construyen sistemas reales, MCP vs A2A es ahora una decisión práctica de arquitectura, no solo un debate más de siglas.

Este artículo se centra a propósito en MCP, A2A y los archivos de instrucciones de repositorio, porque son las capas con las que más desarrolladores están topándose primero. El panorama más amplio de Google incluye también cosas como UCP, AP2, A2UI y AG-UI, pero aquí el objetivo es facilitar las decisiones de implementación más comunes, no catalogar cada estándar emergente.

Por qué las capas de agentes importan ahora

El mayor cambio en el tooling de agentes es que los proveedores empiezan a converger en capas más claras en lugar de enviar todo como un paquete propietario. En la Guía para desarrolladores sobre protocolos de agentes de IA de Google, MCP, A2A, UCP, AP2, A2UI y AG-UI se presentan como piezas distintas del mismo problema: cómo los agentes acceden a herramientas, se comunican, transaccionan y renderizan interfaces.

Esto importa porque los equipos en producción no solo necesitan un modelo inteligente. Necesitan un sistema capaz de:

• alcanzar herramientas y fuentes de datos de forma fiable
• coordinarse entre múltiples agentes o servicios
• obedecer instrucciones y restricciones específicas del repositorio
• ejecutarse en un entorno de ejecución controlado
• mantenerse gobernable a medida que más equipos lo adoptan

Por eso el tema está cobrando fuerza ahora. OpenAI expone una herramienta MCP en la Responses API, Anthropic posiciona Claude Code como un sistema de codificación agéntica que trabaja entre archivos y herramientas, y A2A ha superado las 150 organizaciones que lo apoyan. El ecosistema no se está asentando. Se está estructurando por capas.

Qué hace MCP

MCP, o Model Context Protocol, es la capa de herramientas y contexto. Su labor es darle al agente una forma estándar de descubrir herramientas, invocarlas y trabajar con contexto externo sin que cada integración se convierta en algo a medida.

En la práctica, recurres a MCP cuando tu agente necesita:

• consultar APIs internas
• buscar en documentación
• inspeccionar bases de datos
• interactuar con catálogos de producto o sistemas de tickets
• llamar a servicios externos a través de una interfaz consistente

La documentación oficial de OpenAI describe la herramienta MCP como una forma de conectar modelos tanto con servidores MCP remotos como con conectores en la Responses API. Es una señal importante porque significa que MCP ha salido del terreno de la demo y ya forma parte de rutas de implementación habituales.

Si ya has montado un servidor a medida, esto te sonará. Nuestra guía sobre construir servidores MCP personalizados cubre lo primero con lo que chocan muchos equipos: conseguir que un agente de codificación acceda a datos reales del dominio y no solo a lo que cabe en el prompt.

MCP no es coordinación entre agentes

Aquí es donde los equipos se confunden.

MCP puede dar a un agente acceso a herramientas y datos, pero por sí mismo no resuelve todo problema de orquestación. Si un agente necesita pedir a otro agente que haga trabajo, pasar una tarea o negociar entre varios agentes especializados, estás más allá del acceso básico a herramientas.

Ahí entra A2A.

Qué hace A2A

A2A, o Agent2Agent, es la capa de coordinación. Está diseñada para situaciones en las que un agente necesita comunicarse con otro agente de forma segura y predecible.

Google anunció A2A en abril de 2025, y el proyecto fue posteriormente aportado a la Linux Foundation. En abril de 2026, la Linux Foundation informó de que A2A había superado las 150 organizaciones de apoyo y ya tenía uso empresarial en producción.

Esto hace a A2A relevante cuando tu arquitectura incluye:

• un agente planificador delegando trabajo a agentes especialistas
• agentes de distintos proveedores o departamentos que deben colaborar
• flujos entre sistemas donde ningún agente es dueño de toda la tarea
• traspasos entre agentes que necesitan más estructura que un paso de prompts ad hoc

A2A no sustituye a MCP

A2A y MCP resuelven problemas distintos.

• Usa MCP cuando un agente necesita herramientas, contexto o datos externos.
• Usa A2A cuando los agentes necesitan hablar entre sí como agentes.

Un buen modelo mental:

1. Un agente usa MCP para alcanzar una herramienta o servicio.
2. Ese mismo agente puede usar A2A para delegar parte del flujo a otro agente.
3. Ambos pueden coexistir en el mismo sistema de producción.

Así que la pregunta no es realmente “¿MCP o A2A?”. Suele ser “¿dónde encaja cada uno en el stack?”.

Dónde encajan AGENTS.md y CLAUDE.md

Esta es la parte que más confusión genera, porque AGENTS.md y CLAUDE.md no son protocolos de red.

Son capas de instrucción.

La documentación de Anthropic describe los archivos CLAUDE.md como archivos Markdown que dan a Claude instrucciones persistentes para un proyecto, flujo personal u organización. La documentación de Copilot de GitHub afirma de forma similar que puedes crear uno o más archivos AGENTS.md en un repositorio, y que el archivo coincidente más cercano en el árbol de directorios tiene prioridad. GitHub también documenta soporte para CLAUDE.md y GEMINI.md en la raíz, lo que refuerza que los archivos de instrucciones de repositorio se están consolidando como capa reconocida en los flujos de agentes de codificación.

Estos archivos ayudan a responder otra pregunta:

¿Cómo debería comportarse el agente dentro de este código o proyecto?

Son ideales para codificar cosas como:

• comandos de setup y test
• estándares de código y reglas de organización de archivos
• patrones de arquitectura preferidos
• checklists de revisión
• restricciones de despliegue
• avisos específicos del repo y zonas de “no tocar”

El proyecto AGENTS.md describe el formato como una forma sencilla y abierta de guiar a los agentes de codificación; esencialmente un README para agentes en lugar de para humanos.

AGENTS.md y CLAUDE.md son gobernanza, no transporte

La forma más limpia de pensarlo:

• MCP le dice al agente cómo alcanzar herramientas y contexto.
• A2A le dice a los agentes cómo colaborar.
• AGENTS.md y CLAUDE.md le dicen al agente cómo operar dentro de tu repositorio.

Si ya estás experimentando con reglas a nivel de repo, nuestro artículo sobre configuraciones modulares de CLAUDE.md es el complemento natural a este tema.

Una comparación rápida para builders

Capa	Ideal para	No encaja en	Ejemplo
MCP	Acceso a herramientas y contexto externo	Delegación multi-agente por sí sola	Un agente de codificación consultando docs o APIs internas
A2A	Coordinación entre agentes	Sustituir la capa de acceso a herramientas	Un planificador pasando tareas a agentes especialistas
AGENTS.md / CLAUDE.md	Comportamiento y reglas específicas del repo	Interoperabilidad de red o ejecución remota de herramientas	Indicar al agente qué comandos, tests y convenciones usar

Cómo están convergiendo las grandes plataformas

El motivo por el que este tema cobra importancia es que las grandes plataformas se están alineando en torno a bloques similares, aunque con nombres de producto distintos.

La documentación de OpenAI ahora soporta MCP en la Responses API, y la actualización de abril de 2026 del Agents SDK añadió ejecución nativa en sandbox para que los agentes puedan correr código, manipular archivos y trabajar dentro de entornos de computadora controlados.

La descripción general de Claude Code de Anthropic posiciona Claude Code como un agente de codificación que lee bases de código, edita archivos, ejecuta comandos y se integra con herramientas de desarrollo. Su modelo de memoria de proyecto convierte las instrucciones del repo en ciudadanos de primera clase a través de CLAUDE.md.

GitHub, por su parte, documenta instrucciones personalizadas de repositorio mediante el soporte de AGENTS.md en Copilot, lo que ayuda a normalizar la idea de que los agentes de codificación necesitan guía explícita de proyecto, no solo acceso a un modelo.

El patrón común es cada vez más fácil de ver:

• instrucciones sobre cómo debe comportarse el agente
• herramientas y contexto para lo que el agente puede acceder
• ejecución para lo que el agente puede correr con seguridad
• coordinación para cómo los agentes colaboran

Ese modelo por capas es mucho más duradero que perseguir la feature de proveedor que esté de moda este mes.

Un marco simple de decisión para builders

Cuando los equipos preguntan sobre MCP vs A2A, lo que suelen necesitar no es una clase de historia de protocolos. Necesitan una decisión de construcción.

Elige MCP cuando tu problema es el acceso a herramientas

Elige MCP cuando el problema principal sea que tu agente necesita alcanzar sistemas externos de forma estándar.

Ejemplos:

• permitir que un agente de codificación consulte tus docs internas o el esquema de API
• conectar un agente de soporte con tu CRM, help desk o herramientas de facturación
• exponer una base de datos o API de workflow a múltiples clientes-agente

Elige A2A cuando tu problema es la delegación

Elige A2A cuando tu arquitectura tiene múltiples agentes con roles distintos y necesitan una forma formal de coordinarse.

Ejemplos:

• un agente planificador pasando trabajo a un agente de investigación y uno de codificación
• un asistente empresarial enrutando tareas a agentes específicos por departamento
• workflows de agentes entre proveedores donde la estructura del mensaje y los límites de confianza importan

Elige AGENTS.md o CLAUDE.md cuando tu problema es la consistencia

Elige archivos de instrucciones de repositorio cuando el mayor problema sea que el agente no entiende cómo funciona tu proyecto.

Ejemplos:

• ejecuta los comandos equivocados
• ignora tus estándares de testing
• reestructura archivos de formas que a tu equipo no le gustan
• necesita reglas distintas en partes distintas de un monorepo

Usa las tres en sistemas serios

Muchos despliegues reales usarán:

• AGENTS.md o CLAUDE.md para el comportamiento del repo
• MCP para herramientas y contexto externo
• A2A para coordinación multi-agente

Esto no es sobreingeniería. Es simplemente separar responsabilidades con claridad.

Errores comunes al mezclar protocolos

La forma más rápida de generar confusión es tratar cada formato de agente nuevo como si resolviera el mismo problema.

Estos son los errores más comunes:

Confundir archivos de instrucciones con estándares de interoperabilidad

Un archivo AGENTS.md puede hacer a un agente mejor dentro de tu repo. Pero no resuelve por sí mismo el acceso a herramientas, acciones remotas o traspasos entre agentes.

Usar MCP como capa de orquestación general

MCP es potente, pero forzarlo a sustituir la coordinación entre agentes suele crear parches frágiles a nivel de prompt en lugar de patrones claros de delegación.

Saltarse los límites de ejecución

A medida que crecen las capacidades del agente, la ejecución importa tanto como el razonamiento. El reciente empuje de OpenAI hacia el sandbox es una señal clara. Si tu agente puede escribir archivos, instalar dependencias o ejecutar comandos, necesitas un límite de ejecución intencional y no simplemente esperar que el prompt baste.

Ignorar la gobernanza en los flujos de codificación

Los equipos a menudo conectan herramientas primero y solo después se dan cuenta de que el agente sigue violando las normas del proyecto. Por eso los archivos de instrucciones de repositorio importan tanto, sobre todo en equipos grandes y monorepos.

Si la gobernanza es la pieza que falta en tu despliegue, nuestro artículo sobre cómo asegurar los flujos de agentes de codificación con IA merece una lectura antes de expandir el acceso a herramientas.

Qué implementar primero

Si estás construyendo ahora mismo, empieza en este orden:

1. Añade instrucciones a nivel de repo con AGENTS.md o CLAUDE.md para que el agente tenga reglas locales.
2. Añade MCP para las integraciones de herramientas y contexto más valiosas.
3. Añade un límite de ejecución, como un entorno sandbox, antes de ampliar la autonomía.
4. Añade A2A solo cuando realmente tengas múltiples agentes que necesiten coordinación formal.

Este orden mantiene tu despliegue anclado en valor real. La mayoría de los equipos se benefician más de mejores instrucciones y mejor acceso a herramientas antes de necesitar una topología multi-agente completa.

Hacia dónde ir desde aquí

La forma más útil de pensar en MCP vs A2A es que pertenecen a capas distintas del mismo stack emergente. MCP gestiona herramientas y contexto. A2A gestiona la colaboración. AGENTS.md y CLAUDE.md gestionan el comportamiento específico del proyecto.

Esa separación es una buena noticia. Significa que el ecosistema de agentes es cada vez más razonable, incluso aunque se vuelva más potente.

Si estás construyendo flujos de agentes de codificación en 2026, empieza por hacer tu repositorio legible para el agente, luego conecta las herramientas correctas y añade coordinación solo donde realmente compense su complejidad. Como siguiente paso práctico, lee nuestras guías sobre agentes de codificación con IA en 2026, servidores MCP personalizados y configuraciones modulares de CLAUDE.md.