Tag: AI - Página 4

Dos protocolos, dos filosofías

En los últimos meses han aparecido dos protocolos que van a cambiar cómo construimos sistemas de IA: Agent2Agent Protocol (A2A) de Google y Model Context Protocol (MCP) de Anthropic. Pero aquí está el tema: no compiten entre sí.

Es más, tras analizar ambos durante semanas, me he dado cuenta de que entender la diferencia entre A2A y MCP es crucial para cualquiera que esté construyendo sistemas de IA más allá de simples chatbots.

Two protocols, two philosophies

In recent months, two protocols have emerged that will change how we build AI systems: Agent2Agent Protocol (A2A) from Google and Model Context Protocol (MCP) from Anthropic. But here’s the thing: they don’t compete with each other.

In fact, after analyzing both for weeks, I’ve realized that understanding the difference between A2A and MCP is crucial for anyone building AI systems beyond simple chatbots.

The key lies in one question: Are you connecting an AI with tools, or are you coordinating multiple intelligences?

Hace unos meses, cuando Anthropic lanzó su protocolo MCP (Model Context Protocol), sabía que íbamos a ver integraciones interesantes entre LLMs y bases de datos. Lo que no esperaba era ver algo tan pulido y funcional como AgentHouse de ClickHouse tan pronto.

Tengo planificado probar esta demo en breve, pero ya solo leyendo sobre ella me parece fascinante la idea de poder preguntarle a una base de datos cosas como “¿cuáles son los repositorios más populares de GitHub este mes?” y obtener no solo una respuesta, sino visualizaciones automáticas.

A few months ago, when Anthropic launched their MCP (Model Context Protocol), I knew we’d see interesting integrations between LLMs and databases. What I didn’t expect was to see something as polished and functional as ClickHouse’s AgentHouse so soon.

I’m planning to test this demo soon, but just reading about it, the idea of being able to ask a database questions like “What are the most popular GitHub repositories this month?” and getting not just an answer, but automatic visualizations, seems fascinating.

Hace unos años, muchos investigadores de IA (incluso los más reputados) predecían que el prompt engineering sería una habilidad temporal que desaparecería rápidamente. Se equivocaron completamente. No solo no ha desaparecido, sino que ha evolucionado hacia algo mucho más sofisticado: Context Engineering.

Y no, no es solo otro término de moda. Es una evolución natural que refleja la complejidad real de trabajar con LLMs en aplicaciones productivas.

De prompt engineering a context engineering

El problema con el término “prompt engineering” es que mucha gente lo confunde con blind prompting - simplemente escribir una pregunta en ChatGPT y esperar un resultado. Eso no es ingeniería, es usar una herramienta.

A few years ago, many AI researchers (even the most reputable) predicted that prompt engineering would be a temporary skill that would quickly disappear. They were completely wrong. Not only has it not disappeared, but it has evolved into something much more sophisticated: Context Engineering.

And no, it’s not just another buzzword. It’s a natural evolution that reflects the real complexity of working with LLMs in production applications.

From prompt engineering to context engineering

The problem with the term “prompt engineering” is that many people confuse it with blind prompting - simply writing a question in ChatGPT and expecting a result. That’s not engineering, that’s using a tool.

Mozilla AI vuelve a sorprender: agentes de IA que funcionan con solo abrir un HTML

Hace unos días me topé con un proyecto de Mozilla AI que me ha llamado muchísimo la atención: WebAssembly Agents. Y es que después de 30 años viendo cómo la industria se complica la vida con dependencias, instalaciones y configuraciones, ver algo que funciona con solo “abrir un HTML” me ha hecho sonreír.

El problema que resuelve (y que todos conocemos)

¿Cuántas veces habéis intentado probar un proyecto de IA y os habéis encontrado con esto?

Mozilla AI surprises again: AI agents that work just by opening an HTML

A few days ago I came across a Mozilla AI project that really caught my attention: WebAssembly Agents. And after 30 years watching the industry complicate life with dependencies, installations, and configurations, seeing something that works just by “opening an HTML” made me smile.

The problem it solves (and we all know it)

How many times have you tried to test an AI project and encountered this?

After many years working with systems of all kinds, I’ve seen how information retrieval has evolved from simple databases to today’s sophisticated systems. But what Baidu researchers have just proposed has particularly caught my attention, and I believe it marks a before and after in how we think about intelligent information retrieval.

The problem we all know (but don’t always admit)

If you’ve worked with RAG (Retrieval-Augmented Generation) systems, you know they work quite well for direct questions. But when you face queries that require multiple reasoning steps, comparing information from multiple sources, or handling contradictory data… that’s where it gets complicated. And a lot.

Después de muchos años trabajando con sistemas de toda índole, he visto cómo la búsqueda de información ha evolucionado desde simples bases de datos hasta los sofisticados sistemas de hoy. Pero lo que acaban de proponer los investigadores de Baidu me ha llamado especialmente la atención, y creo que marca un antes y un después en cómo pensamos sobre la recuperación inteligente de información.

El problema que todos conocemos (pero no siempre admitimos)

Si has trabajado con sistemas RAG (Retrieval-Augmented Generation), sabes que funcionan bastante bien para preguntas directas. Pero cuando te enfrentas a consultas que requieren varios pasos de razonamiento, comparar información de múltiples fuentes, o manejar datos contradictorios… ahí es donde la cosa se complica. Y mucho.

El hype vs la realidad: reflexiones de un desarrollador con 30 años de guerra

Esta mañana me he topado con una charla que me ha hecho reflexionar bastante sobre todo este revuelo que hay montado con la IA y el desarrollo de software. El ponente, con una dosis saludable de escepticismo, hace un “reality check” sobre las afirmaciones grandilocuentes que estamos escuchando por todas partes.

La charla completa que ha inspirado estas reflexiones. Vale la pena verla entera.

The hype vs reality: reflections from a developer with 30 years of experience

This morning I came across a talk that made me reflect quite a bit about all this fuss surrounding AI and software development. The speaker, with a healthy dose of skepticism, does a “reality check” on all the grandiose claims we’re hearing everywhere.

The complete talk that inspired these reflections. It’s worth watching in full.