Qué es un LLM, un token, RAG, un agente y MCP: la IA explicada en un bar

Llevas meses hablando con ChatGPT o con Claude como con el camarero de tu bar de toda la vida. Das por hecho que se acuerda de ti, que sabe lo que pasó ayer y que, cuando te dice "hecho", algo se ha hecho. Hasta que te suelta un dato inventado con el aplomo de un tertuliano. O se le olvida lo que le contaste hace un rato. O lees en LinkedIn que los agentes con MCP y memoria van a quitarte el curro, y asientes como en la junta de vecinos cuando alguien dice "derrama".

Vamos a ordenar el bar: qué es cada palabro, qué agujero tapa y en qué pieza mirar cuando algo falla. Va en orden, y no por manía. Cada invento existe para tapar lo que el anterior no sabía hacer. Una pista para el camino: en este bar solo hay un camarero, y no hace lo que crees.

El camarero que te termina las frases

Un LLM (gran modelo de lenguaje) es un modelo con muchísimos parámetros, entrenado con cantidades enormes de texto para escribir como una persona, responder preguntas o resumir. Casi todo lo aprende en el preentrenamiento, que consiste en leer texto y predecir la siguiente palabra a partir de las anteriores.

Es el camarero de toda la vida. Le dices "una caña y unas..." y antes de que acabes ya ha dicho "bravas". No te conoce de nada: ha oído esa frase tantas veces que sabe cómo suele terminar. Eso, a lo bestia, es un LLM. Recién salido del preentrenamiento no sabe responder preguntas ni seguir instrucciones. Le enseñan modales con fine-tuning y RLHF: personas ordenan respuestas de mejor a peor y el entrenamiento lo empuja hacia las ganadoras. La cena de Navidad votando croquetas. Al año siguiente solo vuelven las que ganaron la mesa.

Tampoco lee palabras. Lee tokens, los trozos en que se corta el texto antes de procesarlo: palabras, trozos de palabra, letras o incluso bytes. Piensa en el corte del jamón: lo común entra en lonchas gordas y lo raro se corta fino, y así maneja palabras nunca vistas. En inglés, un token de Claude son unos 3,5 caracteres, y varía con el idioma. Te importa porque todo se mide en lonchas, desde lo que le cabe delante hasta lo que se factura en la API.

Y aquí viene el disgusto. Como lo suyo es completar con lo plausible, cuando no sabe algo no se calla: completa. Esas afirmaciones plausibles pero falsas son las alucinaciones. La mejor explicación que hemos leído lo compara con un estudiante ante una pregunta difícil de examen. Adivina en vez de admitir que no lo sabe, porque el entrenamiento y la forma de evaluarlo premian adivinar. Es el test donde los fallos no restan: dejarlo en blanco es un cero seguro y marcar a boleo a veces suma.

Pruébalo: dile por escrito que puede contestar "no lo sé". Parece una tontería y es la primera medida contra las alucinaciones. Y si un dato te importa, pregúntalo dos veces. Ni con la aleatoriedad al mínimo las respuestas son del todo deterministas, así que si cambia de una vez a otra, ya tienes la alarma encendida. Lo que pasa por dentro lo contamos en Del prompt a la respuesta.

La comanda (y por qué se pudre)

El camarero se sabe todas las bravas del mundo y de ti no sabe nada. Eso lo arregla el contexto, o ventana de contexto: todo el texto que el modelo puede consultar al generar una respuesta, incluida la propia respuesta. Nada que ver con lo que leyó al entrenarse: es su memoria de trabajo. Se sabe el callejero entero, pero de tu mesa solo conoce la comanda: lo que no esté escrito ahí, para él no existe.

En la comanda entra todo: tus mensajes, los documentos que pegas, las herramientas y sus resultados, y lo que él mismo escribe. Arriba, grapadas, van las normas de la casa que pone la aplicación, el prompt de sistema. El cartel del dueño, no el tuyo.

Ahora el marrón que casi nadie cuenta: el camarero no recuerda la conversación. Cada petición al modelo es independiente y sin estado, y para que parezca una charla la aplicación le reenvía los mensajes anteriores en cada turno. Es dictar la lista de la compra desde el principio cada vez que añades algo. Y la lista crece, porque cada mensaje y cada respuesta se acumulan en la ventana.

Hay comandas enormes: algunos modelos admiten hasta un millón de tokens. Pero más no es mejor, y lo admite la propia Anthropic, que vende esas comandas kilométricas. A medida que crecen los tokens, la precisión y la capacidad de recordar se degradan, y lo llaman context rot: la comanda que se pudre. Les pasa a todos los modelos. Encima, lo de en medio es lo que peor se lee. Rinden mejor con lo importante al principio o al final que enterrado en mitad de un contexto largo. La comanda de un metro: primera línea, última línea y lo de en medio, en diagonal.

Pruébalo: cuando una conversación larga empiece a desvariar, no la riñas. Pídele un resumen de lo importante, abre un chat nuevo y pégalo. Eso tiene nombre, compactación: resumir una conversación que se acerca al límite y arrancar una ventana nueva con ese resumen. Y si llevas semanas reescribiendo el mismo prompt, mira antes qué entra en la comanda.

El archivador y la libreta

La comanda tiene límite, y el camarero solo sabe lo que leyó cuando lo entrenaron. Tus contratos, el manual de tu empresa o lo que pasó esta semana no están ahí, y pegarlo todo no cabe. El libro de actas de la comunidad no entra en el mantel.

RAG (generación aumentada por recuperación) es el parche. Cuando preguntas, se busca en una base de documentos la información relevante y se le pasa al modelo junto con tu pregunta, dentro de la ventana de contexto. Es el mozo que baja al archivador y sube solo la ficha que toca. Quien busca puede ser otro programa o el propio modelo, si le das una herramienta de búsqueda. Sirve para lo que no pudo aprender: información actualizada, conocimiento de tu sector o respuestas que deben citar la fuente.

Las fichas se suelen buscar con embeddings, que miden cuánto se parecen dos textos para quedarse con los trozos más parecidos a la pregunta. Un archivero que ordena por parecido y no por abecedario: le pides caña y te sube también la ficha de cerveza de barril. RAG vale lo que valgan la base y lo que se recupera. Si el mozo sube la ficha equivocada, el camarero la canta con el mismo aplomo. Él no ha bajado.

¿Y si en vez de pasarle fichas lo reentrenas con lo tuyo? Eso es fine-tuning: seguir entrenando un modelo ya entrenado con datos adicionales, hasta que imita sus patrones y rasgos. Es mandar al camarero a un curso de cocina vasca: vuelve hablando de txangurro aunque no se lo pidas. El fine-tuning cambia al camarero; RAG le cambia la comanda. Para datos que cambian cada semana, nuestra apuesta es la ficha. No lo mandas a la escuela cada vez que cambias la carta.

Queda el agujero más famoso: cierras la conversación y la comanda va a la basura. La memoria es el parche, y su mecanismo te va a sonar: notas guardadas fuera del modelo que se le vuelven a dar cuando hacen falta. En la API de Claude es literal. La herramienta de memoria crea, lee, edita y borra archivos que sobreviven entre sesiones, y cada operación la ejecuta tu aplicación. Es la libreta del bar donde alguien apunta que el de la mesa del fondo es celíaco, para grapársela a tu próxima comanda.

La instrucción que la API le añade con esa memoria es de una sinceridad que enternece. En mayúsculas, le pide que mire su directorio de memoria antes de hacer nada y que asuma que su ventana puede reiniciarse en cualquier momento. El pósit del encargado en la cafetera para el turno de noche. En la app de Claude, la libreta se ve: un resumen que puedes leer y editar en los ajustes. Hay memoria aparte por proyecto y chats de incógnito que no apuntan nada.

Durante un tiempo el búfalo creyó que bastaba con echarlo todo al archivador para que un agente tuviera memoria. Hoy separa dos montones. El historial de lo ocurrido va con su fecha y se consulta filtrando. El conocimiento curado solo entra en la comanda cuando la tarea lo pide. Lo contamos con calma en memoria determinista en la capa de datos.

La cocina: el camarero no fríe ni un huevo

Hasta aquí el camarero habla, y mucho. Pero no hace: no mira el tiempo, no abre tu calendario, no manda un correo.

Las herramientas (function calling o tool calling) conectan el modelo con sistemas externos y con datos que no estaban en su entrenamiento. Y su mecanismo es la clave de toda la guía: el modelo no ejecuta nada. Si decide que necesita una herramienta, responde con una petición que nombra la herramienta y sus argumentos. Le preguntas qué tiempo hace en París y, en vez de una frase, devuelve una llamada a get_weather con París como ubicación. Tu aplicación ejecuta el código, le pasa el resultado y entonces él redacta la respuesta.

Es la ventanilla de la cocina. El camarero apunta bravas para la mesa del fondo, la cocina fríe y él sirve: lo único que ha hecho es escribir el ticket. A veces la cocina la pone el propio proveedor del modelo, como pasa con la búsqueda web o la ejecución de código, que corren en su infraestructura. Cambia quién cocina. El camarero sigue sin tocar los fogones.

La cocina cocina lo que pone el ticket, y si el ticket va mal, sale mal el plato. Ojo también al bar sin cocina: un camarero que completa con lo plausible es muy capaz de contestarte "marchando" sin que nadie haya encendido un fuego.

Pruébalo: pregúntale por algo de esta semana y mira si busca o contesta de memoria. Si no ha pasado por cocina, lo está completando, no leyendo.

El camarero suelto (o qué es un agente)

Con herramientas el camarero hace cosas, pero pedido a pedido: tú preguntas, él pide a cocina, tú miras y vuelves a preguntar. Para organizar la cena de empresa del viernes, eso es un coñazo.

Un agente es un modelo que usa herramientas en bucle para lograr un objetivo. Pide una acción, el programa que lo rodea la ejecuta, el resultado vuelve al modelo y este decide el siguiente paso. El objetivo marca cuándo parar, y conviene añadir frenos como un número máximo de vueltas. Es dejar al camarero solo con el bar y una misión. Mira las reservas, pide a cocina, llama al proveedor y vuelve a mirar, sin que nadie le dicte cada paso.

Ojo, que no todo lo que se mueve es un agente. En un flujo de trabajo el camino está escrito de antemano en código; en un agente, el modelo dirige su propio proceso. Un flujo es el camarero con el protocolo plastificado; un agente, el camarero con iniciativa. Y por dentro suelen ser, simplemente, modelos usando herramientas en bucle con lo que les devuelve el entorno. Mucho "agéntico" en las presentaciones para un camarero dando vueltas entre la barra y la ventanilla. Más en LLM y agente de IA.

Para que el bucle no se le vaya, ayuda pensar antes de actuar. Los modelos de razonamiento generan tokens internos de razonamiento antes de responder, lo que les ayuda a planificar, usar mejor las herramientas y resolver tareas de varios pasos. Es el camarero que repasa la comanda en voz baja antes de cantarla. Y esas lonchas se pagan. Hacienda no distingue el murmullo de lo que se canta: en Claude, los tokens de pensamiento ocupan ventana y se facturan como tokens de salida.

Cuando el encargo es gordo, el agente reparte. Los subagentes trabajan en paralelo, cada uno con su propia ventana de contexto, y le pasan al agente principal solo lo importante, condensado. Son los ayudantes que bajan al almacén y vuelven con la lista de lo que falta, no con el almacén a cuestas. La parte fea de coordinarlos, en cómo orquestar agentes sin que se pisen el contexto.

Y luego está la servilleta, que es el peor marrón. El modelo sigue las instrucciones que encuentra en el contenido, vengan de quien lo maneja o de cualquier otro, porque todo acaba pegado en la misma secuencia de tokens. Es el cliente que deja escrito en la servilleta que el jefe ha dicho que le des la caja. El camarero lee la servilleta como lee la comanda, y la abre. Se llama prompt injection, inyección de instrucciones.

Simon Willison, que ha coleccionado decenas de estos ataques, lo resume en el trío letal: datos privados, contenido no fiable y capacidad de comunicarse hacia fuera. Si un agente junta las tres, un atacante puede engañarlo para que coja tus datos y se los mande. Y no hay parche mágico: todavía no se sabe evitarlo de forma fiable al 100 %, y en seguridad, recuerda él, un 95 % es un suspenso.

El búfalo aprendió por las malas dónde va la llave de la caja. Un agente suyo llegó a actuar con datos que ya no valían y a derivar charlas a humanos con excusas que se sacaba de la manga. Lo arregló quitándole la llave: el modelo solo propone, y una única pieza de código dice sí o no a cada acción. El camarero propone; la caja la abre el encargado.

Pruébalo antes de darle a un agente tu correo o tus archivos: ¿lee cosas de fuera, toca datos tuyos y puede mandar algo hacia fuera? Si es que sí a las tres, quítale una.

El talonario, el recetario y el bar entero

Con herramientas y agentes, cada cocina hablaba su idioma. Conectar un asistente a tus documentos o a una herramienta de empresa pedía una integración a medida para cada fuente, y así no había quien escalara. MCP (Model Context Protocol) es el estándar abierto que lo arregla. Las fuentes de datos y herramientas se publican como servidores MCP, y las aplicaciones de IA se conectan a ellos como clientes.

Lo venden como el puerto USB-C de las aplicaciones de IA. Muy de folleto. Nosotros nos quedamos con el talonario: un mismo ticket que entiende cualquier cocina, sin aprenderse la letra de cada cocinero. Y no es cosa de una sola marca, porque la plataforma de OpenAI también deja a sus modelos usar servidores MCP.

Eso sí, un talonario no sabe si la cocina es de fiar. El problema es que MCP anima a mezclar herramientas de fuentes distintas. Muchas tocan tus datos, leen sitios que pueden esconder instrucciones maliciosas o tienen mil maneras de mandar cosas fuera. El servidor MCP oficial de GitHub ya juntó el trío letal en una sola herramienta. Instalar un servidor MCP es meter una cocina ajena en tu bar: pregunta antes quién la ha montado. Más en MCP sí es útil: como contrato de integración, no como cerebro.

Falta el recetario: las skills. Una skill es una carpeta con instrucciones para hacer algo concreto, como un informe con el formato de tu empresa. Puede llevar también scripts y plantillas. El agente solo ve el nombre y una descripción corta de cada skill; cuando la tarea encaja, abre las instrucciones, y el resto solo si lo necesita. En el bar, la comanda lleva el índice del recetario, y la receta del txangurro se abre cuando alguien pide txangurro. Así la comanda no se llena de recetas que nadie ha pedido.

MCP le conecta cocinas; la skill le enseña a hacer un plato. Una skill son instrucciones que el agente va a seguir, y a veces código que va a ejecutar. Si el origen es dudoso, es una servilleta encuadernada: instálalas solo de quien te fíes.

El búfalo pone la frontera así. Lo que hace falta en todos los servicios va en las normas fijas de la casa; lo que sale de vez en cuando se trae cuando se pide. Y avisa de dónde escuece: que sobre una norma no cuesta casi nada, pero que falte justo la que tocaba puede costarte un disgusto gordo.

Ahora mira el bar entero. El que reenvía la comanda, el mozo del archivador, el que grapa la libreta, el que lleva los tickets y el que decide cuándo se acaba el bucle. Todo eso es el arnés (harness), el programa que rodea al modelo y ejecuta lo que este pide. Decidir qué entra en la comanda en cada momento ya es un oficio con nombre, ingeniería de contexto: seleccionar y mantener el mejor conjunto de tokens mientras el modelo trabaja.

Y aquí está el giro de toda la guía. El camarero sigue haciendo lo mismo que el primer día: escribir. No recuerda, le grapan la libreta, y no ejecuta, escribe tickets. Ni siquiera va por libre: la iniciativa del agente vive dentro de un bucle que alguien programó, con su límite de vueltas. Todo lo que parece magia es el bar de alrededor, y por eso casi todo se rompe ahí.

Dónde la caga todo el mundo

El búfalo tiene una norma para los fallos: cada uno se arregla en la pieza donde nace. Si se puede comprobar con una máquina, lo comprueba el código; si al agente le falta un dato o una capacidad, se le da la herramienta. Meterle otra frase al prompt queda para cuando no hay más remedio. La tentación es la contraria: echarle la bronca al camarero cuando lo que falló fue la cocina.

Lo que ves	La pieza que falla	Qué haces
Te suelta un dato, una cita o una fuente que no existe	El camarero: completa con lo plausible	Dale permiso para decir "no lo sé" y pídele las citas literales antes del análisis
Olvida algo que le dijiste al principio de una charla larga	La comanda: se pudre y lo de en medio se lee peor	Lo importante al principio o al final; resumen y chat nuevo
No sabe nada de tu empresa ni de esta semana	Falta el archivador: no estaba en lo que aprendió	Pásale el documento o deja que busque
Recuerda algo tuyo que ya no es así	La libreta	Revisa y edita la memoria; incógnito para lo puntual
Te dice "hecho" y no hay nada hecho	La cocina: el modelo solo pide, ejecuta otro	Mira el resultado, no el mensaje
Un agente obedece algo que venía en un correo o una web	La servilleta: sigue instrucciones del contenido	Rompe el trío letal y que el código conceda cada acción
Un agente da vueltas y se fuma el presupuesto	El bucle sin freno	Límite de vueltas y pruebas en un entorno aislado

Ábrelo ahora

Haz una prueba rápida. Si usas Claude con la memoria activada, abre los ajustes y lee el resumen de lo que tiene apuntado de ti. Ahí está la libreta que consulta el camarero para hacer como que se acuerda de ti. Si algo no te cuadra, edítalo. Es tu libreta, aunque la guarde el bar.