Caroline Bishop
05 Sep, 2025 00:23
Descubra cómo la obtención MCP mejora las interacciones con herramientas de IA recopilando información faltante por adelantado, mejorando la experiencia del usuario a través de procesos intuitivos y fluidos, según los últimos conocimientos de GitHub.
GitHub está liderando una interacción más fluida entre las herramientas de IA y los usuarios mediante la implementación de la obtención del Protocolo de Contexto de Modelo (MCP). Este enfoque busca refinar la experiencia del usuario recopilando información esencial por adelantado, reduciendo así la fricción y mejorando la funcionalidad de las aplicaciones impulsadas por IA, según el blog de GitHub.
Entendiendo la Obtención MCP
En su esencia, la obtención MCP implica que la IA se detenga para solicitar detalles necesarios a los usuarios antes de proceder con una tarea, evitando así la dependencia de suposiciones predeterminadas que podrían no alinearse con las preferencias del usuario. Esta funcionalidad actualmente es compatible con GitHub Copilot dentro de Visual Studio Code, aunque su disponibilidad puede variar entre diferentes aplicaciones de IA.
Desafíos de Implementación
Durante una transmisión reciente, Chris Reddington de GitHub destacó los desafíos encontrados al implementar la obtención en un servidor MCP para un juego por turnos. Inicialmente, el servidor tenía herramientas duplicadas para diferentes tipos de juegos, lo que llevó a confusión y selección incorrecta de herramientas por parte de los Agentes de IA. La solución implicó consolidar herramientas y garantizar convenciones de nomenclatura distintas para definir claramente el propósito de cada herramienta.
Optimización de Interacciones de Usuario
El enfoque refinado permite a los usuarios iniciar un juego con configuraciones personalizadas en lugar de parámetros predeterminados. Por ejemplo, cuando un usuario solicita un juego de tres en raya, el sistema identifica detalles faltantes como el nivel de dificultad o el nombre del jugador, solicitando al usuario esta información para adaptar la configuración del juego adecuadamente.
Conocimientos Técnicos
La implementación de la obtención dentro del servidor MCP involucra varios pasos clave: verificar los parámetros requeridos, identificar argumentos opcionales faltantes, iniciar la obtención para recopilar información faltante, presentar indicaciones basadas en esquemas y completar la solicitud original una vez que se recopilan todos los datos necesarios.
Lecciones Aprendidas
La sesión de desarrollo de Reddington subrayó la importancia de una nomenclatura clara de herramientas y un desarrollo iterativo. Al refinar los nombres de las herramientas y consolidar la funcionalidad, el equipo redujo la complejidad y mejoró la experiencia del usuario. Además, analizar las solicitudes iniciales del usuario para obtener solo la información faltante fue crucial para refinar el proceso de obtención.
Perspectivas Futuras
A medida que las herramientas impulsadas por IA continúan evolucionando, la integración de la obtención MCP ofrece una vía prometedora para mejorar las interacciones del usuario. Este enfoque no solo simplifica la experiencia del usuario sino que también alinea las operaciones de IA con las preferencias del usuario, allanando el camino para aplicaciones más intuitivas y receptivas.
Fuente de la imagen: Shutterstock
Fuente: https://blockchain.news/news/enhancing-ai-interactions-mcp-elicitation
