Guías prácticas para trabajar con agentes de IA, con un laboratorio al final de cada una
Las definiciones de herramientas de cada servidor MCP entran en el contexto al empezar la sesión, las uses o no, y se facturan como tokens de entrada. Anthropic ha publicado cuánto se ahorra al cargarlas solo cuando hacen falta: aquí está la cuenta, y un laboratorio para hacerla con tus números.
11 min de lectura laboratorio: calculadora publicado el 29 sept 2026
Conectar un servidor MCP a un agente no es gratis. Su catálogo de herramientas entra en la ventana de contexto antes de que escribas la primera palabra, y vuelve a entrar en cada sesión nueva. Anthropic lo identificó como uno de los dos cuellos de botella de MCP en producción: las descripciones de las herramientas desbordan el espacio del que dispone el modelo V. Simon Willison, un programador que lleva años documentando estas herramientas, lo ilustró con un caso conocido: el servidor MCP oficial de GitHub consume por sí solo decenas de miles de tokens de contexto; es su valoración, no una medición publicada.
El coste tiene dos caras. La económica es directa: son tokens de entrada facturados sesión tras sesión, uses las herramientas o no. La de calidad es menos evidente: Drew Breunig cataloga la confusión de contexto (contenido superfluo, y sobre todo demasiadas herramientas, empeora la respuesta) y cita el benchmark BFCL, donde todos los modelos rinden peor al pasar de una herramienta, y un Llama 3.1 8B que falla con 46 herramientas y acierta con 19 V. Se paga de más por decidir peor.
MCP (Model Context Protocol) es el estándar abierto que Anthropic publicó el 25 de noviembre de 2024 para conectar agentes con datos y acciones externos, sustituyendo las integraciones N×M por un protocolo único V. Desde el 9 de diciembre de 2025 lo gobierna la Agentic AI Foundation, dentro de la Linux Foundation V. La arquitectura es sencilla: la aplicación anfitriona (el harness) abre un cliente por cada servidor, y cada servidor expone tres primitivas: tools (funciones ejecutables), resources (datos de contexto) y prompts (plantillas) V.
La factura nace de las tools. Para que el modelo pueda llamar a una herramienta tiene que conocerla antes: su nombre, su descripción y el esquema JSON de sus parámetros. Por omisión, todo ese catálogo se serializa en cada petición. Cuatro servidores con doce herramientas cada uno son cuarenta y ocho esquemas cargados en el primer token de cada sesión, aunque el agente acabe usando dos.
Conviene saber dónde se arregla esto, porque no es donde mucha gente lo busca. La especificación 2026-07-28 de MCP no introduce ningún mecanismo de búsqueda de herramientas: es responsabilidad del cliente V. La documentación de MCP sí recomienda ya progressive tool discovery a los clientes que federan muchos servidores V. Dicho de otro modo: se arregla cambiando de cliente o de configuración, no de servidor.
Anotado el 7 de octubre de 2026. Desde la versión 2.1.287, del 1 de octubre, poner alwaysLoad: false en la configuración de un servidor deja todas sus herramientas detrás de la búsqueda, no solo algunas. V Es la forma de pedir la carga diferida servidor por servidor, en vez de para todos a la vez.
Y una nota de compatibilidad de la misma versión, por si al actualizar un servidor deja de conectar: se añadieron las peticiones por URL de servidores MCP del protocolo de noviembre de 2025, y la documentación dice que, si un servidor ya no conecta tras esa actualización, hay que añadir "bareElicitationCapability": true a su entrada de configuración. V
defer_loading: true y se añade una herramienta de búsqueda V. En Claude Code llegó en la versión 2.1.7, el 13 de enero de 2026 V, y la documentación actual indica que esa búsqueda viene activada de fábrica y que al empezar solo se cargan los nombres de las herramientas, no sus descripciones completas V. Según VentureBeat y otros medios, la carga diferida se dispara cuando las descripciones superan alrededor del 10 % del contexto S./context, ten en cuenta que hasta la versión 2.1.283, del 25 de septiembre, no contaba las instrucciones que cada servidor MCP añade al contexto: ahora salen en su propia fila y suman en el total. V I Cualquier medición anterior a esa fecha se quedaba corta, y precisamente en la partida que esta guía te pide vigilar. Si tomaste una cifra de referencia antes, vuelve a tomarla.Anthropic publicó tres cifras en «Advanced tool use» (24 de noviembre de 2025): la herramienta de búsqueda baja las definiciones de unos 77.000 a unos 8.700 tokens, un −85 %; y la precisión en sus evaluaciones MCP sube del 49 % al 74 % con Opus 4 y del 79,5 % al 88,1 % con Opus 4.5 V. Es decir: menos tokens y mejores resultados a la vez, no un intercambio entre las dos cosas. En «Code execution with MCP» (4 de noviembre de 2025) el salto es mayor porque cambia el planteamiento entero: un flujo que consumía 150.000 tokens pasa a 2.000, un −98,7 % V.
Actualizado el 24 de septiembre de 2026. Los precios han bajado y las cuentas de aquí abajo han cambiado, pero no en la dirección que esperarías.
Antes de la cuenta, a quién le aplica. Todo lo que sigue son precios de la API, que se factura por consumo. Si trabajas con suscripción —Pro, Max, Team o Enterprise— pagas una cuota fija y estas cifras no son tu factura: lo que te afecta es que el mismo trabajo consume más de tu límite de uso, y que la ventana se te llena antes. En Claude Code, /usage desglosa qué te está comiendo el límite: por servidor MCP, por subagente —cada ayudante al que delegas una parte del trabajo—, por skill —cada carpeta de instrucciones que el agente abre cuando la necesita— y por complemento instalado. V
Traducido a dinero con los precios de entrada de la API consultados hoy —Opus 5.5, 4 $ por millón de tokens; Opus 5, 5 $; Sonnet 5, 2 $; Haiku 4.5, 1 $— V:
Y ahora la parte que no cuadra. Esas 77.000 y 8.700 se midieron en noviembre de 2025, con un modelo del tokenizador antiguo. Los modelos desde la versión 4.7 usan uno nuevo que cuenta alrededor de un 30 % más de tokens para el mismo texto V. Si ese 30 % se aplica también a las definiciones de herramientas —una estimación nuestra, no una medida, porque un esquema JSON no tiene por qué comportarse como la prosa— las mismas herramientas ocupan hoy unos 100.000 tokens, no 77.000.
Rehecha la cuenta: 44 millones de tokens al mes a 4 $ son 176 $. Con Opus 5 y el recuento antiguo eran 169 $. Es decir, el precio ha bajado un 20 % y la factura sube, porque el mismo trabajo cuenta un 30 % más. I La lección práctica no es qué modelo es más barato por token, sino que la única cifra que sirve para decidir es la que midas tú, con tu modelo de hoy y tus herramientas. El laboratorio de abajo lleva ese factor como un supuesto que puedes apagar.
Las conversiones a dólares son aritmética nuestra sobre las cifras publicadas por Anthropic, no mediciones; el laboratorio de abajo las recalcula con tus números. Y son un suelo, no el total: no incluyen los resultados de las herramientas, ni la salida del modelo, ni el efecto de la caché de prompt, que abarata la parte estable del contexto cuando el cliente la aprovecha.
Anotado el 2 de octubre de 2026. Si mediste con /usage antes del 30 de septiembre, repite la medida. Hasta la versión 2.1.286, publicada ese día, /usage no apuntaba a un servidor MCP las llamadas a herramientas hechas mientras ese servidor se estaba conectando o acababa de conectarse, por ejemplo justo después de reiniciar. V Esas llamadas existían y consumían, pero no aparecían en la columna de ese servidor, así que el reparto salía bajo justo donde lo estabas midiendo.
Antes de optimizar MCP, comprueba de dónde salen de verdad los tokens. Si el gasto no está en las definiciones sino en los resultados, la respuesta es otra: LangChain, en Deep Agents, descarga a ficheros los resultados de más de 20.000 tokens y los sustituye por una ruta y una vista previa de diez líneas V. Si está en las instrucciones que se cargan siempre, mira ahí: un estudio de ETH Zúrich concluye que los ficheros de contexto «no mejoran en general la tasa de éxito, mientras aumentan el coste de inferencia más de un 20 % de media» V.
Hay además una tesis de fondo que conviene escuchar: para muchas integraciones el camino corto no es un servidor MCP, sino una CLI y código. Armin Ronacher lo defendió en «Tools: Code Is All You Need» (julio de 2025) y Simon Willison ha insistido en la misma dirección; Anthropic y Cloudflare han asumido parte del diagnóstico, cada uno con su versión de ejecutar código en vez de encadenar llamadas V. Son opiniones de autores identificados, no resultados medidos, pero llevan a una pregunta práctica y barata de responder: si tu agente ya tiene una terminal y el servicio ya tiene una CLI documentada, ¿qué te aporta el catálogo en contexto?
La tercera salida es consolidar. En lugar de cuatro servidores de terceros con cuarenta herramientas entre todos, un servidor propio con las seis operaciones que tu equipo usa de verdad. No conocemos ninguna medición publicada de este patrón, así que tómalo como criterio y no como dato: lo que cambia es que el catálogo lo diseñas tú y, con él, el coste fijo de cada sesión.
Hasta dónde llega: esto reduce lo que ocupan las definiciones de herramientas, no lo que ocupan sus resultados, ni las instrucciones que se cargan siempre, ni el riesgo de confiar en un servidor que no deberías tener conectado.
Marca las que se cumplan en tu caso.
Usa el laboratorio de arriba con tu propio caso.
Las piezas que lo completan.
Si algo no encaja con tu caso, o si encuentras un error, escríbeme: se corrige y se anota.
Escríbeme