Comprender los roles de agent harness, framework y mcp en la arquitectura de IA

Un artículo reciente explora las distinciones entre agent harnesses, frameworks y MCP (Protocolo de Contexto del Modelo) en los sistemas de IA, centrándose en qué capa gestiona los bucles de ejecución, el estado, las herramientas, los permisos y la recuperación. El MCP, definido por sus tres primitivas del lado del servidor: herramientas, recursos y indicaciones, ahora admite MRTR (Solicitudes de múltiples viajes) para gestionar los permisos. Relay y Codex de OpenAI ejemplifican cómo las aplicaciones poseen el contexto y las herramientas del producto, con el MCP actuando como la capa de protocolo. El artículo destaca que los harnesses, como Claude Code y los de OpenAI, gestionan los permisos y la recuperación, mientras que los frameworks, como LangGraph y el Framework de Agentes de Microsoft, proporcionan puntos de anclaje para la lógica de aprobación. El papel del MCP es facilitar la comunicación entre los agentes y las herramientas, sin superposición en la comunicación entre agentes. La especificación del MCP enfatiza que los principios de seguridad deben ser aplicados por el host, no por el propio protocolo. Las cifras de adopción muestran más de 1.000 millones de descargas de SDK mensuales, lo que subraya la importancia del MCP en el panorama de la IA basada en agentes. El artículo señala que, si bien el MCP gestiona el transporte y la ejecución básica de herramientas, los harnesses y los frameworks gestionan las políticas y la recuperación de nivel superior. El harness de OpenAI mejoró el rendimiento de GPT-5.6, y la aplicación de servidor de Codex demostró una ejecución robusta de herramientas. Los límites entre estas capas se están difuminando, pero la comunicación A2A (agente-a-agente) sigue siendo distinta. La pieza enfatiza la importancia de la clara propiedad de las responsabilidades para garantizar operaciones seguras y eficientes de los agentes de IA.