Segun MarkTechPost (AI/ML News), la confusión entre los conceptos de agente, marco y protocolo en arquitecturas de inteligencia artificial ha generado debates en el sector sobre cómo se estructuran los sistemas autónomos. Aunque estas tres piezas se usan con frecuencia de forma intercambiable, representan capas distintas dentro de la cadena de ejecución de un agente. Cada una desempeña un rol específico, desde la gestión directa del flujo de trabajo hasta la comunicación entre componentes.
El concepto de "harness" se refiere al sistema que ejecuta el modelo y lo convierte en un agente funcional. Este entorno no solo gestiona el estado de conversación y la ejecución en tiempo real, sino que también integra herramientas, establece políticas de aprobación y mantiene el proceso a través de turnos. OpenAI ha definido este rol en publicaciones recientes, mientras que Anthropic describe su versión como "agentic harness". En este escenario, el harness no es un conjunto flexible, sino un paquete integrado que incluye una estructura de ciclo, un modelo de permisos, un entorno de sandbox y una estrategia de contexto.
Por su parte, el "framework" actúa como un conjunto de componentes básicos que permiten armar agentes desde cero. Ofrece interfaces para conectar modelos, gestionar herramientas, organizar flujos de trabajo mediante grafos, integrar memoria y monitorear el rendimiento. Ejemplos como LangGraph, el SDK de OpenAI Agents y el Microsoft Agent Framework (alcanzado el estado GA en abril de 2026) ilustran esta funcionalidad. Aquí, el usuario dispone de los elementos para construir el ciclo de trabajo, pero debe definir las políticas y reglas de operación.
El protocolo MCP (Model Context Protocol), en cambio, no opera como un entorno de ejecución. Es una especificación técnica que establece cómo un sistema host descubre y llama a capacidades expuestas por servidores: herramientas, recursos o prompts. Basado en JSON-RPC 2.0, MCP facilita la interoperabilidad entre aplicaciones y servicios. Desde diciembre de 2025, el Agentic AI Foundation de Linux Foundation lo regula junto a otros estándares como goose y A2A. Crucialmente, MCP no gestiona el ciclo de vida del agente ni su estado interno. Su función es limitarse al contrato técnico entre el agente y sus herramientas.
En el contexto peruano, donde las empresas de servicios digitales y tecnológicas buscan modernizar sus operaciones, esta distinción es clave. Muchos proyectos de automatización aún confunden el marco de desarrollo con el sistema de ejecución. Para un inversionista o ejecutivo que desea implementar agentes autónomos en su empresa, entender cuál capa maneja el ciclo de trabajo, el estado y las políticas de seguridad es esencial. Si se elige un harness, se obtiene una solución más completa y operativa desde el inicio, aunque con menos flexibilidad. Si se opta por un framework, se permite mayor personalización, pero requiere más esfuerzo técnico para integrar políticas y gestión del estado. El protocolo MCP, por su parte, sirve como puente de comunicación, pero no sustituye la necesidad de un sistema de ejecución robusto.
La elección correcta dependerá del nivel de control, escalabilidad y seguridad que requiera el proyecto. En un entorno como el peruano, donde la adopción de tecnologías emergentes crece, esta claridad técnica puede convertirse en una ventaja competitiva real.