Traducción automática Este artículo se tradujo automáticamente a partir de la versión original en inglés.
Interfaces de herramientas para AI Agents: MCP, Function Calling, CLI y Skills
Usa function calling cuando una aplicación expone un conjunto reducido de herramientas tipadas a una única API de modelo. Usa Model Context Protocol (MCP) cuando varios clientes compatibles deban descubrir y llamar a un servidor reutilizable. Usa una CLI cuando ya exista un comando estable y el texto o los archivos sean un perímetro aceptable. Usa una skill cuando unas instrucciones, scripts y referencias reutilizables deban enseñar a un agente a ejecutar un workflow.
Estas interfaces se pueden combinar. Una skill puede indicar a un agente cuándo llamar a una herramienta MCP, un servidor MCP puede encapsular una CLI y un modelo puede seleccionar la llamada mediante function calling. El perímetro de seguridad sigue correspondiendo al harness y al runtime, no a la descripción de la interfaz.
Última revisión: 2026-08-10. La comparación prioriza la claridad del schema, la reutilización entre clientes, el coste de transporte y despliegue, el principio de mínimo privilegio, la observabilidad y quién asume el mantenimiento.
Tabla de decisión
| Necesidad | Mejor punto de partida | Principal precaución |
|---|---|---|
| Conjunto reducido de herramientas tipadas dentro de una aplicación | Function calling | Un schema válido no autoriza la acción ni hace seguros los argumentos. |
| Herramientas reutilizables entre clientes compatibles | Herramientas MCP | La identidad del servidor, las credenciales, los cambios en las herramientas y el contenido devuelto requieren controles independientes. |
| Comando existente para desarrollo u operaciones | CLI | El parseo de texto, la shell injection, el estado del entorno y unas credenciales demasiado amplias pueden volver frágil el perímetro. |
| Instrucciones y recursos reutilizables para un workflow | Agent Skills | Las instrucciones pueden guiar el uso de herramientas, pero no proporcionan un transporte ni un perímetro de permisos. |
| Lógica estable dentro del proceso | Función tipada o API de biblioteca | No añadas un protocolo cuando un único código base controla ambos extremos. |
Function calling
Function calling proporciona al modelo operaciones con nombre y argumentos estructurados. Encaja en un harness propiedad del producto, donde las herramientas, las comprobaciones de políticas, las credenciales y la ejecución residen en una única aplicación. Mantén los schemas acotados, valida todos los argumentos y evalúa tanto la selección de la herramienta como el efecto secundario resultante.
MCP
MCP separa los clientes de los servidores reutilizables y estandariza el descubrimiento y la invocación. Resulta útil cuando la misma integración debe funcionar con varios agentes o aplicaciones compatibles. MCP no decide si una tool call está permitida. Autentica el servidor, limita el alcance de los tokens, revisa los cambios en las definiciones de herramientas, aísla los servidores que no sean de confianza y trata los resultados como entradas no fiables.
Herramientas CLI
Una CLI suele ser la vía más corta hacia capacidades maduras como Git, los gestores de paquetes, las herramientas cloud y los sistemas de build. Prioriza el output estructurado, los directorios de trabajo explícitos, los flags no interactivos, los timeouts acotados y las credenciales con un alcance limitado. Evita construir strings de shell a partir de texto no fiable.
Skills
Una skill encapsula instrucciones procedimentales y puede incluir scripts, referencias o plantillas. Resulta útil cuando la dificultad principal es conocer el workflow, no crear una nueva herramienta remota. Mantén la skill suficientemente pequeña para poder revisarla, fija las suposiciones externas y haz explícitas las acciones destructivas o externas.
Checklist de selección
- ¿Quién es responsable del cliente, la interfaz y la implementación?
- ¿Deben reutilizarla varios clientes?
- ¿El schema de entrada es acotado y está versionado?
- ¿Dónde se aplican la autorización y la aprobación?
- ¿Puede el contenido no fiable llegar a las credenciales o a la salida de red?
- ¿Se pueden trazar las llamadas, los argumentos, los resultados y las decisiones de política?
- ¿Puede una llamada a una biblioteca tipada resolver el problema con una superficie menor?
Lecturas recomendadas
- AI Agent Tool Use compara en profundidad MCP, CLI, skills, ejecución de código e interfaces agente-ordenador.
- Tutorial de un servidor MCP construye un servidor tipado y lo prueba antes de integrarlo con el modelo.
- Seguridad de AI Agents explica los controles necesarios alrededor de cada interfaz.