Entorno de Desarrollo e Infraestructura para IA

En noviembre de 2024 Anthropic publicó discretamente una pequeña especificación llamada MCP (Model Context Protocol). Dieciséis meses más tarde, las descargas mensuales del SDK pasaron de 2 millones a 97 millones (+4.750 %), OpenAI / Google / Microsoft / AWS lo adoptaron y, en diciembre de 2025, Anthropic donó la titularidad a la Linux Foundation. Este artículo cubre la historia de los 16 meses, la arquitectura (Cliente / Servidor / Transporte sobre JSON-RPC 2.0), cinco servidores MCP que puedes usar hoy (filesystem / github / postgres / slack / fetch), la implementación mínima en 30 líneas de Python, las razones por las que MCP «ganó» (especificación delgada, código abierto temprano, administración de la Linux Foundation), las trampas y críticas (riesgo de seguridad, inyección de prompt, la tentación de «todo es MCP»), y lo que viene a continuación. Mi opinión honesta: MCP es la infraestructura más importante de la segunda mitad de los años 2020, al mismo nivel que HTTP, OAuth y WebSocket.

Las facturas de IA se inflan porque los tokens de salida cuestan 5-6× más que los de entrada, el contexto se reenvía completo en cada turno y los subagentes se disparan varias veces entre bambalinas. Este artículo muestra cómo combinar «tres palancas» — prompt caching (-60 a 90 %), selección de modelo (-50 a 80 %) y presupuesto de salida (-30 a 60 %) — para comprimir el coste sin optimizar al 20-30 %, apoyándose en la guía oficial de Anthropic, investigaciones del sector y datos operativos reales. Cubre la trampa del acortamiento del TTL de caché a principios de 2026 (60 min → 5 min), la gestión de contexto con /compact, la trampa multiagente de 15× tokens, la monitorización y las alertas de facturación, y siete patrones de despilfarro habituales que conviene evitar.

La intuición dice que la IA eliminará primero a los veteranos que hacen trabajo rutinario, pero los datos de los últimos dos años muestran lo contrario. El análisis de noviembre de 2025 del Stanford Digital Economy Lab "Canaries in the Coal Mine", junto con investigaciones de Yale SOM, la Federal Reserve y SHRM, apunta en la misma dirección: los júniores de 22-25 años caen un 13 % en ocupaciones expuestas a la IA (un 20 % en el caso de los ingenieros de software), mientras que los séniores de 35-49 años crecen entre un 6 y un 12 %. Este artículo recorre los datos, explica por qué los séniores ganan ('cambio tecnológico sesgado por antigüedad'), analiza el impacto por sector, advierte sobre el colapso futuro de la cantera de formación, presenta el contraargumento de la Federal Reserve y propone estrategias concretas para júniores, séniores y empresas.

En febrero de 2025, Andrej Karpathy acuñó "vibe coding" en X: el estilo de "dejar que la IA se encargue sin leer el código". Un año después, el propio Karpathy ha propuesto renombrarlo a "agentic engineering" y los datos de seguridad muestran tasas de vulnerabilidad del 40-62 %, un repunte de CVEs de 6x y SSRF presente en los 5 grandes agentes. Este artículo cubre la definición, el flujo de trabajo, las principales herramientas (Claude Code, Cursor Composer, Codex CLI, Lovable, v0, Bolt.new, Devin), la realidad de seguridad y calidad, la diferencia con el agentic engineering y las reglas prácticas de "Vibe & Verify" para llevarlo al trabajo real.

En 2026, los agentes de IA han pasado de "un superagente que lo hace todo" a "un equipo de agentes con roles distintos". Este artículo cubre la definición de multiagente, los cinco patrones centrales (orquestador-worker, handoff, jerárquico, peer-to-peer, pipeline), la comparativa de los principales frameworks (Claude Agent SDK, OpenAI Agents SDK, LangGraph, Strands), casos reales como Anthropic Research, los subagentes de Claude Code, Devin y Cursor, y la realidad de un coste 2x a 15x mayor en tokens. Cierra con criterios prácticos sobre cuándo usarlo y cuándo no, basado en las fuentes más recientes.

El centro de gravedad se ha desplazado de la ingeniería de prompts a la ingeniería de arnés: el nuevo campo de batalla de la era de los agentes de IA. Este artículo explica qué es realmente la ingeniería de arnés, en qué se diferencia de la ingeniería de prompts, los seis componentes (definición de herramientas, gestión de contexto, memoria, bucle, guardarraíles, UX de salida), una comparativa lado a lado de Claude Code, Cursor, Codex CLI y Devin, y una lista práctica de diseño: la base que necesitas para usar o construir agentes de IA en serio.

Que los agentes de IA (Claude Code, Cursor, Copilot, Codex) ignoren tus archivos de reglas .md se reduce a 5 causas raíz: límites de la ventana de contexto, auto-compact que diluye las instrucciones iniciales, prioridad difusa, redacción vaga y archivos inflados y dispersos. Este artículo recorre el diagnóstico, soluciones rápidas (comprimir a menos de 150 líneas, marcadores de prioridad) y sistematización a largo plazo con Claude Code Hooks, sub-agents y slash commands personalizados, además de buenas prácticas específicas por herramienta.

Pídele a Claude Code o ChatGPT que te construya una app web y casi seguro te dirá "usemos Next.js." Pero ¿qué es exactamente Next.js? ¿No basta con React? Este artículo lo explica todo: qué es Next.js, por qué la IA lo recomienda por defecto, sus diferencias con React, qué significan SSR/SSG/ISR, App Router vs Pages Router, su relación con Vercel y cómo se compara con alternativas como Nuxt, Remix y Astro — todo actualizado para Next.js 16.2 (marzo 2026).

Acaba de llegar Claude Opus 4.7 y la migración desde 4.6 trae varios breaking changes. Se retira el extended thinking (enabled), se eliminan temperature/top_p/top_k, el nuevo tokenizador consume hasta 1,35 veces más tokens, el contenido del thinking queda oculto por defecto y desaparece el prefill. En este artículo detallamos todos los breaking changes con código Before/After en Python y TypeScript, los cambios de comportamiento, la configuración recomendada y un checklist que puedes revisar línea a línea.

Cuando dejas que la IA escriba código, te sugiere constantemente «basta con desplegarlo en Vercel». Pero ¿qué es Vercel? ¿En qué se diferencia de un hosting compartido o de AWS? En este artículo comparamos a fondo el PaaS (Vercel y similares) frente al hosting compartido, el VPS y la nube (IaaS) en tres ejes: precio, libertad y carga operativa. Repasamos las características de los principales servicios (Vercel, Netlify, Render, Railway, etc.) y cómo elegir el adecuado para cada caso de uso.

Cuando le preguntas a Claude Code o ChatGPT sobre configurar un entorno de desarrollo, es muy probable que te sugieran Docker. Pero, ¿qué es exactamente Docker? ¿De verdad lo necesitas? Este artículo explica por qué la IA recomienda Docker, ofrece un diagrama de decisión para determinar si lo necesitas ahora, cubre los conceptos esenciales y te muestra alternativas para que puedas empezar a programar sin Docker.