Los agentes de IA con un toque humano son mucho mejores que los sistemas agénticos generales que intentan automatizarlo todo. El toque humano ocurre en fases como el diseño de prompts, la ingeniería de contexto, la arquitectura de agentes y, lo más importante, la evaluación. La experiencia en el dominio es muy importante.

Estoy emocionado de finalmente lanzar esto. Mi servidor MCP ahora ofrece noticias del mercado de valores en tiempo real. Herramientas disponibles: • obtener noticias • obtener precios de acciones • obtener métricas clave • obtener estados financieros Tomó aproximadamente un mes hacer que el servidor MCP funcionara correctamente, pero ahora está funcionando bien. Pronto llegarán más herramientas financieras.

¡MCP está mejorando tanto!

¿Qué es la ingeniería de contexto❓ Y por qué todo el mundo está hablando de ello...👇 La ingeniería de contexto se está convirtiendo rápidamente en una habilidad crucial para los ingenieros de IA. Ya no se trata solo de hacer preguntas ingeniosas; se trata de la orquestación sistemática del contexto. 🔷 El Problema: La mayoría de los agentes de IA fallan no porque los modelos sean malos, sino porque carecen del contexto adecuado para tener éxito. Piénsalo: los LLMs no son lectores de mentes. Solo pueden trabajar con lo que les das. La ingeniería de contexto implica crear sistemas dinámicos que ofrezcan: - La información correcta - Las herramientas adecuadas - En el formato correcto Esto asegura que el LLM pueda completar la tarea de manera efectiva. 🔶 Por qué la ingeniería de prompts tradicional no es suficiente: Al principio, nos enfocamos en "palabras mágicas" para obtener mejores respuestas. Pero a medida que las aplicaciones de IA se vuelven complejas, el contexto completo y estructurado importa mucho más que una redacción ingeniosa. 🔷 4 Componentes Clave de un Sistema de Ingeniería de Contexto: 1️⃣ Flujo de Información Dinámico El contexto proviene de múltiples fuentes: usuarios, interacciones previas, datos externos, llamadas a herramientas. Tu sistema necesita reunirlo todo de manera inteligente. 2️⃣ Acceso a Herramientas Inteligentes Si tu IA necesita información o acciones externas, dale las herramientas adecuadas. Formatea las salidas para que sean lo más digeribles posible. 3️⃣ Gestión de Memoria - Corto plazo: Resume conversaciones largas - Largo plazo: Recuerda las preferencias del usuario a lo largo de las sesiones 4️⃣ Optimización de Formato Un mensaje de error corto y descriptivo supera a un enorme blob JSON cada vez. 🔷 La Conclusión La ingeniería de contexto se está convirtiendo en la nueva habilidad central porque aborda el verdadero cuello de botella: no la capacidad del modelo, sino la arquitectura de la información. A medida que los modelos mejoran, la calidad del contexto se convierte en el factor limitante. ¡Compartiré más a medida que las cosas evolucionen y se vuelvan más concretas! ¡Mantente atento!! 🙌 ____ Si lo encontraste interesante, compártelo con tu red. Encuéntrame → @akshay_pachaar ✔️ ¡Para más ideas y tutoriales sobre LLMs, Agentes de IA y Aprendizaje Automático!

si me das el código, puedo ejecutarlo lo que significa que el valor en la ejecución está protegido por el código pero la IA está facilitando la codificación así que las especificaciones se convierten en la ventaja competitiva porque si uno tiene las especificaciones, puede producir el código y puede ejecutarlo

Es bastante gracioso ver a los agentes completando captchas de manera casual.

imagina una interfaz conversacional modular donde tú: - seleccionas el modelo de tu elección - eliges tu proveedor de búsqueda - eliges herramientas MCP - accedes a tus sistemas de archivos - gestionas tu memoria, con seguridad y privacidad - pagas según el uso de los servicios

Si alguien está tan confundido acerca de las licencias de software como lo estaba yo, aquí está cómo las veo ahora. Las licencias de software controlan lo que las personas pueden hacer con tu código. La licencia MIT permite a las personas hacer cualquier cosa. Supón que construyes una biblioteca de análisis JSON con licencia MIT. Una startup puede tomar tu código, modificarlo y venderlo como parte de su servicio API de pago sin devolverte nada. Solo necesitan mantener tu aviso de copyright en los comentarios del código. React usa MIT, así que Facebook podría haberlo hecho propietario, pero eligieron mantenerlo abierto. Esta es la licencia de "haz lo que quieras". GPL obliga a compartir. Imagina que creas un marco web bajo GPL. Si alguien modifica tu marco para agregar nuevas características, debe liberar esas modificaciones también como GPL. No pueden vender una versión propietaria. WordPress usa GPL, así que todos los temas y plugins de WordPress también deben ser GPL. Si construyes un CMS comercial sobre WordPress, tu CMS completo se convierte en GPL. Esto mantiene todo como código abierto. Apache 2.0 maneja las patentes mejor. Escribes una biblioteca de aprendizaje automático y alguien contribuye con un algoritmo. Más tarde, intentan demandar a los usuarios por infracción de patente sobre ese algoritmo. Con la licencia Apache, automáticamente pierden sus derechos para usar tu biblioteca. Es una protección contra los trolls de patentes. Kubernetes usa Apache 2.0 porque las empresas de la nube se preocupan por los problemas de patentes. BSD es básicamente MIT con diferentes palabras. Creas una biblioteca de redes bajo BSD. Las mismas reglas que MIT, las personas pueden hacer lo que quieran. FreeBSD usa esto, que es por qué Apple pudo tomar el código BSD y ponerlo en macOS sin liberar el código fuente de macOS. La mayoría de los desarrolladores solo usan MIT ahora porque es más claro. LGPL es GPL para bibliotecas. Construyes una biblioteca de generación de PDF bajo LGPL. Las empresas pueden usar tu biblioteca en su software propietario sin hacer que toda su aplicación sea LGPL. Pero si modifican el código de tu biblioteca, esos cambios deben ser LGPL. VLC media player usa LGPL para que otras aplicaciones puedan incluir la reproducción de video sin convertirse en GPL. Propietario significa que controlas todo. Construyes un motor de base de datos y lo mantienes propietario. Las empresas te pagan tarifas de licencia para usarlo. No pueden ver el código fuente, no pueden modificarlo, no pueden redistribuirlo. Oracle Database funciona de esta manera. Ganas dinero con las licencias pero limitas quién puede usarlo. La doble licencia ofrece opciones. Libertas una base de datos bajo licencias GPL y comerciales. Los proyectos de código abierto usan la versión GPL de forma gratuita. Las empresas que no quieren restricciones GPL pagan por la licencia comercial. MySQL hace esto. Las startups usan MySQL gratis, las grandes empresas a menudo compran licencias comerciales. El dominio público renuncia a todos los derechos. Creas una función hash y la pones en dominio público. Cualquiera puede hacer cualquier cosa con ella, sin restricciones, sin atribución requerida. SQLite hace esto. A las agencias gubernamentales les encanta porque no hay riesgo legal. ¿Construyendo una biblioteca que quieres que todos usen? Elige MIT. ¿Quieres asegurarte de que las mejoras regresen a la comunidad? Usa GPL. ¿Preocupado por las patentes en el software empresarial? Opta por Apache. ¿Construyendo un negocio alrededor de tu código? Mantente propietario. ¿Quieres la máxima libertad para los usuarios? Prueba el dominio público. La clave es hacer coincidir tus objetivos con las restricciones de la licencia. No copies simplemente lo que hacen otros proyectos sin entender por qué eligieron esa licencia.

MCP es como el HTTP para agentes, y se siente como la base de una nueva internet. Publicamos el artículo del blog que responde a las preguntas más comunes que he estado recibiendo de desarrolladores, socios y empresas. ¡Un agradecimiento al creador de MCP @dsp_ por colaborar en esto!

esto es enorme de la investigación de Google. un documento técnico muy avanzado, pero supongo que es muy necesario.