MCP frente a A2A frente a ACP: protocolos de agentes de IA comparados

Tres siglas aparecen una y otra vez en cualquier conversación sobre agentes de IA, y mucha gente las usa como si fueran intercambiables. MCP, A2A y ACP suenan a rivales, pero resuelven problemas distintos en capas distintas de la pila. Una conecta un agente con herramientas. Otra permite que los agentes se pasen trabajo entre ellos. La tercera fue una idea acertada que se integró en la otra antes de que la mayoría de los equipos llegaran a implementarla. Si eliges mal, unos meses después tendrás que reescribir tu capa de integración.

Este desglose pone las tres lado a lado con los datos que importan en octubre de 2026: quién creó cada protocolo, qué envía por la red, quién lo gobierna y cuál encaja en tu proyecto. Sin exageraciones, solo un mapa.

La respuesta corta

Aquí tienes toda la historia en una tabla. Déjala abierta mientras lees el resto.

💡 La versión en una línea: MCP es la forma en que un agente llega hacia abajo a las herramientas. A2A es la forma en que un agente llega hacia los lados a otros agentes. ACP intentó hacer el trabajo lateral y luego se unió a A2A.

Si solo recuerdas una cosa, que sea que MCP y A2A son complementarios, no competidores. ACP es el único que ya no se sostiene por sí solo.

Qué hace MCP

Anthropic liberó como código abierto el Model Context Protocol en noviembre de 2024 para resolver un problema aburrido pero caro. Cada app de IA necesitaba código de conexión a medida para cada herramienta con la que trabajaba, así que diez apps y veinte herramientas significaban doscientas integraciones. MCP sustituye esa cuadrícula por un único enchufe estándar.

El USB-C de las herramientas de agentes

La comparación a la que todo el mundo recurre es el USB-C, y se sostiene. Quien fabrica una herramienta escribe un servidor MCP. Cualquier app que hable MCP puede usarlo, ya sea un editor de código, un cliente de chat o un agente propio que escribiste el fin de semana pasado.

Las cifras explican por qué ganó en la capa de herramientas. Todos los grandes proveedores de IA, entre ellos Anthropic, OpenAI, Google DeepMind, Microsoft y AWS, lo adoptaron. A principios de 2026, los SDK rondaban los 97 millones de descargas mensuales, y había más de 10.000 servidores públicos activos. El 9 de diciembre de 2025, Anthropic donó MCP a la Agentic AI Foundation, un fondo dirigido bajo la Linux Foundation cofundado por Anthropic, Block y OpenAI. Ya no pertenece a un solo proveedor.

Herramientas, recursos y prompts

Un servidor MCP puede ofrecer tres tipos de cosas:

• Herramientas: funciones que el modelo puede llamar, como consultar una base de datos, crear un ticket o redimensionar una imagen.
• Recursos: datos de solo lectura, como archivos, registros o documentos, que la app anfitriona puede cargar en el contexto.
• Prompts: plantillas reutilizables que el usuario puede activar a propósito.

La app anfitriona (tu IDE o tu cliente de chat) ejecuta un cliente MCP por cada servidor y transmite los mensajes en JSON-RPC 2.0. Los servidores locales se comunican por stdio. Los servidores remotos usan Streamable HTTP. Una llamada a una herramienta tiene este aspecto:

{
  "jsonrpc": "2.0",
  "id": 1,
  "method": "tools/call",
  "params": {
    "name": "search_orders",
    "arguments": { "customer_id": "C-1042" }
  }
}

Copiar prompt

Hay una trampa práctica. Cada descripción de herramienta es texto que el modelo tiene que leer antes de actuar, así que un servidor con sesenta herramientas consume la ventana de contexto antes de que empiece la conversación. Los equipos que usan MCP bien mantienen los servidores pequeños, nombran las herramientas con claridad y cargan solo lo que la tarea necesita.

💡 Hasta dónde llega MCP: un servidor MCP es pasivo. Responde cuando se le llama. No planifica, no negocia, no pone objeciones ni ejecuta un trabajo de cuatro horas para avisarte al terminar. Esa brecha es exactamente donde empieza A2A.

Qué hace A2A

Google anunció el protocolo Agent2Agent en abril de 2025 con más de 50 socios de lanzamiento, y en junio de 2025 lo cedió a la Linux Foundation. El objetivo: que los agentes creados por distintos proveedores, con distintos frameworks, trabajen juntos como pares y no como desconocidos.

Agent Cards y tareas

Cada agente A2A publica una Agent Card, un pequeño documento JSON en una URL conocida. Indica el nombre del agente, qué sabe hacer, dónde contactar con él y qué autenticación espera. Un agente cliente lee primero la card y luego decide si ese agente remoto es el adecuado para el trabajo.

El trabajo viaja como una tarea. Una tarea recibe un ID y pasa por varios estados: enviada, en curso, a veces en pausa mientras espera más datos, y después terminada, fallida o cancelada. Los mensajes llevan texto, archivos o datos estructurados, y el resultado final vuelve como artefactos.

Opacos por diseño

Aquí está la decisión de diseño que más importa. Los agentes A2A siguen siendo opacos. No comparten su memoria, sus prompts internos ni sus listas de herramientas. Quien llama solo ve la Agent Card y los resultados, nada más. Un agente de compras en una empresa puede pasar un trabajo a un agente de logística de otra sin exponer ni un solo sistema interno.

Los trabajos largos también tienen un papel protagonista. A2A admite streaming mediante server-sent events y notificaciones push para trabajos que duran minutos u horas. La versión 1.0 llegó en 2026, y el Comité Directivo Técnico incluye a Google, Microsoft, AWS, Cisco, Salesforce, ServiceNow y SAP. Esa lista importa, porque un protocolo respaldado por competidores es uno en el que puedes apostar.

Qué pasó con ACP

La apuesta REST-first de IBM

IBM Research y el equipo de BeeAI presentaron el Agent Communication Protocol en marzo de 2025 con un diseño deliberadamente sencillo. Funcionaba sobre endpoints REST normales. Podías llamar a un agente con cURL o Postman, sin necesidad de SDK. Se diseñó para ser asíncrono desde el principio, lo que encajaba con el trabajo de agentes de larga duración, y encajaba bien en la plataforma BeeAI.

La fusión con A2A

Dos protocolos que apuntaban al mismo problema lateral eran demasiados. En agosto de 2025, IBM Research y Google anunciaron que ACP se uniría a A2A bajo el paraguas LF AI & Data de la Linux Foundation. Kate Blair, que dirigía ACP en IBM Research, se incorporó al Comité Directivo Técnico de A2A. El desarrollo de ACP se detuvo, la especificación se archivó y los usuarios de BeeAI recibieron rutas de migración a A2A.

Las ideas de ACP sobre estado y asincronía ahora viven dentro de A2A. Si una diapositiva de un proveedor en 2026 presenta ACP como una tercera opción vigente, mira la fecha de la diapositiva.

💡 Cuidado con las coincidencias de nombre. Otros proyectos usan las mismas tres siglas. El Agent Client Protocol de Zed conecta editores de código con agentes de programación. El Agentic Commerce Protocol de OpenAI y Stripe gestiona el pago dentro de los chats de IA. Ninguno es el ACP de IBM, y ninguno compite con MCP ni con A2A.

Comparación lado a lado

Lee la primera fila dos veces. Acceder a herramientas y colaborar entre agentes son trabajos distintos, y cada protocolo se encarga de uno.

Diferencias de seguridad

La seguridad parece distinta en cada capa.

En MCP, los riesgos están en lo que una herramienta puede tocar. Los servidores remotos usan autorización basada en OAuth, pero el peligro real son los permisos demasiado amplios y la salida de las herramientas que lleva instrucciones ocultas, lo que se conoce como inyección de prompt. Un servidor que puede leer archivos y enviar correos da a un modelo manipulado un camino corto hacia una filtración.

En A2A, el riesgo es la confianza. Una Agent Card declara qué esquemas de autenticación acepta, y las llamadas viajan sobre la seguridad HTTP estándar. La pregunta abierta es si debes creer una card que encontraste en internet. Trata cada card remota como una entrada no fiable.

Una lista breve sirve para los dos:

1. Limita los tokens a un solo servidor o agente, con los permisos más estrechos que funcionen.
2. Registra cada llamada a herramientas y cada tarea delegada: quién lo pidió y qué devolvió.
3. Exige un clic humano antes de cualquier acción destructiva, como borrar, pagar o enviar correos salientes.
4. Revisa las descripciones de herramientas y las Agent Cards como revisas las dependencias, porque dirigen al modelo.

Transporte y formato de los mensajes

Los tres hablan variantes de HTTP y JSON, así que depurarlos es menos exótico de lo que sugieren las siglas. MCP sobre stdio es lo más fácil de probar: lanzas un servidor local, envías JSON y lees JSON. El MCP Inspector te ofrece una vista visual del mismo tráfico. A2A requiere algún paso más, porque un cliente debe obtener una card antes de enviar una tarea. El ACP de IBM era el más sencillo de los tres para probar con un simple comando cURL, y eso explica en parte por qué a los desarrolladores les gustaba.

Cómo encajan los tres

Imagina un asistente para planificar viajes. Un usuario le pide reservar un fin de semana en Lisboa. El flujo es así:

1. El agente orquestador del usuario lee la petición y la divide en trabajos.
2. Usa MCP para consultar el calendario del usuario y sus preferencias guardadas.
3. Usa A2A para pasar "busca un hotel" a un agente de hotel de otra empresa.
4. Ese agente de hotel usa MCP internamente para consultar su inventario de habitaciones y su herramienta de pagos.
5. El resultado vuelve por A2A como artefacto, y el orquestador lo presenta.

MCP funciona dentro de cada agente. A2A funciona entre agentes. Esa organización en capas es la razón por la que se describen como una pila y no como un enfrentamiento.

Los estándares como estos suelen imponerse por la misma razón que los contenedores de carga. Cuando cada puerto, camión y grúa acepta una misma caja, a nadie le importa quién la fabricó. El valor pasa a todo lo que cabe dentro. MCP lo logró con las herramientas. A2A intenta lo mismo con la colaboración entre agentes, y la fusión con ACP eliminó el mayor motivo para esperar.

La gobernanza neutral también ayuda. MCP está bajo la Agentic AI Foundation y A2A bajo la Linux Foundation, así que ninguno depende de la hoja de ruta de una sola empresa. Para un equipo que aprueba un proyecto de varios años, eso vale más que cualquier función de una ficha técnica.

Cuál deberías usar

Empieza por el trabajo, no por la sigla.

Elige MCP cuando

• Tu agente necesita llamar a herramientas como bases de datos, sistemas de archivos, búsqueda o apps SaaS.
• Quieres una sola integración que funcione en varias apps y modelos de IA.
• Lanzas un producto y quieres que los agentes de otras personas accedan a tus datos.
• El lado remoto es una función, no alguien que toma decisiones.

Elige A2A cuando

• El lado remoto es otro agente que planifica, decide y puede necesitar varias rondas.
• Los agentes proceden de equipos, proveedores o frameworks distintos.
• Los trabajos duran lo suficiente como para necesitar streaming o actualizaciones push.
• Debes mantener privados los internos de cada agente.

Tres errores comunes

1. Envolver cada agente como una herramienta MCP. Parece ordenado, pero pierdes el estado de la tarea, el streaming y la negociación. Un trabajo de cuatro horas no puede esconderse detrás de una llamada síncrona a una función.
2. Usar A2A para una simple función. Una conversión de divisas no necesita una Agent Card ni un ciclo de vida de tarea. Usa MCP.
3. Fiarse de tutoriales antiguos de ACP. Siguen bien posicionados en los buscadores. Revisa la fecha de publicación antes de copiar un solo endpoint.

¿Y ACP? Para un proyecto nuevo, sáltatelo. Si ya usas el ACP de IBM en un proyecto de BeeAI, planifica una migración a A2A y trata los endpoints antiguos como un puente, no como destino.

La mayoría de los sistemas reales necesitan ambos protocolos. Empieza con MCP para las herramientas, porque esa necesidad aparece desde el primer día. Añade A2A cuando entre en escena un segundo agente.

Pruébalo en Picasso IA

El trabajo con protocolos consiste sobre todo en escribir: Agent Cards, esquemas de herramientas, especificaciones y diagramas. Un buen modelo de lenguaje acelera cada una de esas tareas.

Usa Claude Sonnet 5 en PicassoIA

Claude Sonnet 5 gestiona bien las tareas de programación de varios pasos y el uso de herramientas, lo que lo convierte en un compañero útil para redactar trabajo con protocolos. Esta es una forma rápida de usarlo:

1. Abre la página del modelo en Picasso IA y busca el cuadro Prompt.
2. Escribe una petición concreta. Por ejemplo: "Redacta una Agent Card de A2A para un agente de reservas de hotel con tres habilidades: buscar habitaciones, reservar una habitación temporalmente y cancelar una reserva temporal. Usa OAuth para la autenticación."
3. Ajusta el nivel de esfuerzo. El valor por defecto es low, que desactiva el pensamiento para obtener respuestas más rápidas y baratas. Usa medium o high para revisar esquemas, y xhigh o max cuando un error abarque varios archivos.
4. Añade un prompt de sistema una sola vez, por ejemplo: "Eres un revisor de protocolos. Señala primero los fallos de seguridad." Se aplicará durante toda la sesión.
5. Aumenta los tokens máximos si hace falta. El valor por defecto es 8.192 tokens de salida, suficiente para un esquema largo o el esqueleto completo de un servidor.
6. Adjunta una imagen si tienes una. Una foto de tu boceto en la pizarra sirve de contexto, porque el modelo lee imágenes.

¿Prefieres otro modelo? Kimi K2.6 está afinado para crear agentes de IA y escribir código, y GPT 5.6 Sol está pensado para tareas de programación difíciles.

Crea tus propias imágenes

Cada foto de este artículo salió de un prompt de texto. El flujo de trabajo fue sencillo: describir el sujeto, la iluminación, el objetivo y la textura, y dejar que el modelo lo renderice. Puedes hacer lo mismo para las cabeceras de tu blog, fotos de producto o el tablero de inspiración de tu próximo lanzamiento.

Prueba una de estas opciones en Picasso IA:

• Seedream 4.5 para escenas fotorrealistas con mucho detalle.
• Flux 2 Pro para un buen seguimiento del prompt y una iluminación natural.
• GPT Image 2 para imágenes que necesitan texto legible.
• P-Image para borradores rápidos cuando quieres probar ideas con rapidez.

Abre Picasso IA, elige un modelo y pega un prompt construido como los que hay detrás de estas fotos: sujeto, escenario, luz, objetivo y textura. Genera tres variaciones, quédate con la mejor e insértala en tu próximo documento o presentación. Tu primera imagen está a un prompt de distancia.