APIs, MCPs y A2A — los 3 protocolos que mueven la IA hoy

La pregunta clave#

Cuando hables de "integrar IA", siempre preguntate: ¿quién habla con quién?

Las 3 son capas distintas del stack moderno. La gente las confunde porque todas tienen siglas de 3 letras y todas tienen que ver con IA. Pero resuelven problemas distintos.

API — tu app habla con la IA#

Qué es#

Una API (Application Programming Interface) es la forma "tradicional" de conectar dos sistemas. Para IA:

Tu código → request HTTP → API del modelo (Claude, GPT, etc.) → respuesta

Analogía#

Una API es como tener teléfono del modelo. Lo llamás, le decís qué necesitás, te responde, colgás.

Ejemplo#

import Anthropic from '@anthropic-ai/sdk'

const client = new Anthropic()

const response = await client.messages.create({
  model: 'claude-sonnet-4-6',
  max_tokens: 1000,
  messages: [
    { role: 'user', content: '¿Cuál es la capital de Francia?' }
  ]
})

console.log(response.content[0].text)
// "París"

Tu código llama a la API de Anthropic. Recibe respuesta. Listo.

Cuándo usás API#

✅ Cuando construís una app que necesita capacidades de IA ✅ Pedirle al modelo que haga algo específico (clasificar, resumir, generar) ✅ Tu app es el "frontend"; la IA es el "backend"

Cuándo NO#

❌ Cuando lo que necesitás es que la IA acceda a tus datos / sistemas — para eso necesitás MCP

MCP — la IA habla con tus herramientas#

Qué es#

MCP (Model Context Protocol) es un protocolo abierto (creado por Anthropic, adoptado por muchos modelos) que le da a la IA acceso controlado a herramientas externas.

IA → invoca "tool" → MCP server (que vos armás) → ejecuta acción → resultado

Analogía#

MCP es como darle a la IA un control remoto con botones específicos. Cada botón hace algo (consultar DB, mandar email, leer archivo). La IA decide cuándo apretar cada botón.

Ejemplo#

Vos armás un MCP server con un tool consultar_pedidos. Lo registrás en Claude. Después:

[Tu input a Claude]:
"¿Cuántos pedidos pendientes tengo del cliente Acme?"

[Claude internamente]:
1. Detecta que necesita data → invoca tool consultar_pedidos(cliente="Acme", status="pendiente")
2. Tu MCP server recibe la llamada → corre query en tu DB → devuelve resultado
3. Claude recibe la data → la usa para responder

[Respuesta a vos]:
"Tenés 3 pedidos pendientes de Acme: #1234 ($500), #1235 ($800), #1236 ($300)."

Cuándo usás MCP#

✅ Querés que la IA consulte tus sistemas (DB, CRM, internal APIs) ✅ Querés que la IA ejecute acciones (mandar email, crear ticket) ✅ Tu IA necesita contexto vivo (datos que cambian)

Cuándo NO#

❌ Si tu IA solo necesita responder con su conocimiento general → no necesitás MCP, alcanza con API ❌ Si lo que querés es coordinar varios LLMs → A2A

Detalle de armar MCPs en tu propio MCP server.

A2A — una IA habla con otra IA#

Qué es#

A2A (Agent-to-Agent) es el protocolo donde un LLM coordina o conversa con otro LLM para dividir trabajo o validar outputs.

IA #1 (orquestadora) → llama → IA #2 (especialista) → resultado → IA #1 → respuesta final

Analogía#

A2A es como un manager delegando a especialistas. El manager (IA #1) recibe el pedido, decide qué especialista (IA #2, #3...) puede ayudar, les pasa el trabajo, integra los resultados.

Ejemplo#

Tenés un sistema donde:

• IA #1 (Claude Opus) → maneja la conversación con el usuario
• IA #2 (Claude Haiku) → traduce mensajes a otros idiomas
• IA #3 (GPT-4) → genera imágenes
• IA #4 (Specialized fine-tuned) → diagnóstico médico

Cuando el usuario manda "muéstrame un riñón en buen estado, también la descripción en alemán":

1. IA #1 (Opus) recibe el mensaje
2. IA #1 delega:
   - A IA #3 → genera imagen del riñón
   - A IA #4 → genera descripción médica precisa
   - A IA #2 → traduce la descripción a alemán
3. IA #1 integra todo → respuesta unificada al usuario

Cuándo usás A2A#

✅ Cuando ningún modelo cubre todas tus necesidades solo ✅ Cuando podés delegar a modelo barato (Haiku, mini) y reservar el caro para razonamiento ✅ Cuando tenés modelos fine-tuned para dominios específicos ✅ Sistemas multi-agente complejos

Cuándo NO#

❌ Si un modelo solo te cubre todo → A2A agrega complejidad innecesaria ❌ Para casos simples → API + MCP alcanzan

Comparación rápida#

Cómo se combinan en una app real#

App típica de SaaS con IA:

[Usuario en browser]
   ↓ HTTP
[Tu app Next.js]
   ↓ API call
[Claude API]
   ↓ tool call
[MCP server tuyo]
   ↓ DB query
[Tu Postgres]
   ↓ result
[MCP] → [Claude API] → [Tu app] → [Usuario]

• API: tu app habla con Claude
• MCP: Claude consulta tu DB

Si después agregás otro modelo (ej. para imágenes):

[Claude] → (A2A) → [GPT-4 image] → imagen → [Claude] → respuesta unificada

Ahora son los 3 en juego.

El error típico#

"Necesito que la IA hable con mi DB. ¿Uso API o MCP?"

API es para que tu app hable con la IA. MCP es para que la IA hable con tu DB. Son cosas distintas.

Si decís "yo quiero que la IA tenga acceso a mis pedidos para responder consultas de clientes":

• API → tu app llama al modelo
• MCP → el modelo accede a la DB
• Necesitás los dos

Cuándo necesitás cuál#

El standard que ganó#

MCP es abierto y multivendor. Anthropic lo creó, pero OpenAI, Google y otros lo adoptaron. Eso significa:

• Un MCP server que armaste para Claude funciona con GPT
• Tu inversión en MCPs no queda lock-in con un vendor
• La industria converge en este protocolo

A diferencia de "plugins propietarios" de cada modelo (que fragmentaban), MCP es el protocolo único.

A2A está más temprano — todavía no hay un standard único (cada framework tiene su forma: LangGraph, Anthropic SDK con multi-agent, etc.). Va a converger eventualmente.

Próximos pasos#

• Para armar tu primer MCP server, tu propio MCP server
• Para usar la Claude API con buenas prácticas, mirá la doc oficial + API claude code (parte de empezar)
• Para sistemas multi-agente con coordinación (A2A en práctica), ecosistema de agentes