Anthropic lanza Tool Search y Programmatic Tool Calling para agentes MCP a escala

El 9 de abril de 2026, Anthropic presentó dos nuevas capacidades en su API que cambian las reglas del juego para empresas que despliegan agentes de IA a escala: Tool Search y Programmatic Tool Calling. Ambas se apoyan en el protocolo MCP (Model Context Protocol), que ya supera los 97 millones de descargas mensuales y cuenta con más de 5.800 servidores comunitarios.

El problema: demasiadas herramientas, demasiada latencia

Construir un agente de IA es fundamentalmente distinto a crear un chatbot convencional. Un agente debe decidir qué herramienta usar, en qué orden ejecutar acciones y cómo recuperarse de errores. Los principales cuellos de botella hasta ahora eran:

1. Proliferación de herramientas: Una empresa grande puede tener cientos o miles de APIs, conectores y servicios internos. Incluir todas como "tools" en el contexto del modelo dispara costes y latencia.

2. Latencia en workflows multi-paso: Cada vez que un agente necesita ejecutar una acción, debe esperar la respuesta del modelo para decidir qué hacer a continuación, multiplicando los tiempos de respuesta.

3. Silos de datos: Los LLMs no tienen acceso nativo a datos en Google Drive, Slack, CRMs o bases de datos internas.

Tool Search: buscar entre miles de herramientas de forma inteligente

Tool Search permite al modelo buscar semánticamente entre un catálogo de herramientas MCP en lugar de incluirlas todas en el prompt. En vez de cargar 500 definiciones de tools en cada llamada (con el coste de tokens que eso supone), el agente realiza una búsqueda y solo carga las herramientas relevantes para la tarea actual.

Esto es especialmente potente para:

• Empresas con ecosistemas complejos (CRM + ERP + herramientas de marketing + bases de datos internas)

• Plataformas multi-tenant donde cada cliente tiene sus propias integraciones

• Agentes generalistas que deben cubrir un amplio abanico de funcionalidades

Programmatic Tool Calling: menos latencia, más control

Programmatic Tool Calling permite definir de antemano qué herramientas debe usar el agente en ciertos pasos del workflow, sin esperar a que el modelo "decida". El resultado: se eliminan llamadas innecesarias al LLM y se reduce drásticamente la latencia.

Ejemplo práctico: en un flujo de procesamiento de facturas, puedes especificar que el paso 1 siempre use extract_invoice_data, el paso 2 validate_against_erp y el paso 3 notify_accounting. El modelo solo interviene en los pasos que requieren razonamiento flexible.

MCP: el estándar que conecta IA con el mundo real

El Model Context Protocol (MCP), lanzado originalmente por Anthropic como estándar abierto, se ha convertido en el puente universal entre LLMs y herramientas externas. Algunos datos:

• 97+ millones de descargas mensuales del SDK

• 5.800+ servidores comunitarios disponibles

• Adoptado por Google, Microsoft, OpenAI y miles de empresas

• Soporte nativo en herramientas como Cursor, Windsurf, Lovable y otros IDEs

MCP resuelve el problema de los silos de datos: en lugar de escribir conectores custom para cada servicio, un servidor MCP expone datos y acciones de forma estandarizada que cualquier LLM puede consumir.

Caso de uso empresarial: de semanas a horas

Imaginemos una empresa con 500+ herramientas conectadas (APIs internas, servicios SaaS, bases de datos, sistemas legacy). Sin Tool Search, el equipo de ingeniería debía:

1. Seleccionar manualmente qué herramientas incluir en cada agente

2. Mantener múltiples agentes especializados para distintos dominios

3. Gestionar la latencia de workflows de 10+ pasos

Con las nuevas capacidades de Anthropic:

• Un único agente puede descubrir dinámicamente la herramienta correcta entre las 500+

• Los pasos predecibles del workflow se ejecutan con Programmatic Tool Calling, eliminando latencia

• El tiempo de integración de nuevas herramientas baja de semanas a horas: basta con registrar un nuevo servidor MCP

Impacto para empresas españolas

Estas mejoras son particularmente relevantes para empresas que ya están desplegando agentes de IA en producción:

• Reducción de costes de infraestructura: menos tokens consumidos por llamada al no cargar herramientas innecesarias

• Mayor velocidad de respuesta: workflows que tardaban 30 segundos pueden bajar a 5 segundos

• Escalabilidad: añadir nuevas integraciones sin rediseñar la arquitectura del agente

• Menor barrera técnica: los servidores MCP comunitarios cubren la mayoría de servicios populares

¿Qué debería hacer tu empresa?

1. Si ya usas agentes con Claude, evalúa migrar a Tool Search para reducir costes de tokens y latencia.

2. Identifica workflows repetitivos donde Programmatic Tool Calling puede eliminar pasos de razonamiento innecesarios.

3. Explora el ecosistema de servidores MCP comunitarios — es probable que ya exista un conector para tus herramientas.

4. Calcula el ahorro potencial con nuestra Calculadora de Ahorro IA.

Fuente: n1n.ai

#Anthropic #MCP #ToolSearch #AIAgents #IAparaEmpresas