Agent d’IA vs MCP? Quan fer servir cadascun (& quan necessites tots dos)

Un agent d’IA és un programari que decideix les seves pròpies accions i crides a eines per assolir un objectiu concret, i el Model Context Protocol (MCP) és un estàndard obert sobre com es connecten les aplicacions d’IA amb eines i dades externes. Així, MCP permet que els agents d’IA interactuïn amb aplicacions i consultin bases de dades per completar tasques.

L’article explica què són els agents i els MCP, en què es diferencien i com funcionen. També aprendràs quan convé fer servir cadascun i quan convé fer servir agents i MCP conjuntament.

En què es diferencia un agent d’IA d’un MCP? Diferències clau.

Un agent d’IA és l’actor independent que decideix què fer per resoldre un problema, i un MCP és la connexió que fan servir les eines d’IA per accedir a dades i executar tasques amb altres aplicacions.

Què és un agent d’IA i com funciona?

Un agent d’IA és un sistema de programari que tria de manera independent el millor curs d’acció per completar una tasca.

Per exemple, quan s’utilitza per a investigació, l’agent d’IA analitza la pregunta de recerca, la desglossa en subpreguntes, delega cada una a un subagent que busca informació rellevant en diferents fonts i en fa un "informe" de retorn.

L’agent principal analitza les troballes, ajusta l’estratègia d’investigació, envia més agents a omplir els buits i recopila la sortida en un informe. Amb el temps, també aprèn com dur a terme les subtasques de la manera més eficient.

L’agent d’IA es basa en tres components:

• Nucli de raonament: El LLM que interpreta les entrades, planifica i decideix què fer
• Integracions d’eines: Connexions amb sistemes externs. Per exemple, bases de dades o API que li permeten accedir a la informació i executar accions.
• Memòria: Context de la sessió a curt termini i coneixement emmagatzemat a llarg termini que s’utilitza entre seccions

Els agents operen dins de guardrails preestablerts (per exemple, no utilitzar fonts de fa més de 3 anys o resums estadístics secundaris), però decideixen com completar la tasca.

Aquesta autonomia per triar com aconseguir un objectiu distingeix els agents d’IA dels fluxos de treball d’IA. Aquests últims segueixen una ruta predefinida i determinista, cosa que és perfecta per a tasques estructurades i repetitives que no requereixen raonament ni presa de decisions.

Què és un MCP i com funciona?

MCP significa Model Context Protocol, i és una manera segura i estandarditzada perquè aplicacions d’IA com Perplexity es connectin amb eines i fonts de dades externes.

Per exemple, el meu assistent personal d’IA utilitza MCP per connectar-se a Notion, on guardo tota la informació dels projectes dels clients, al meu Google Calendar i a Clockify, que faig servir per al seguiment del temps.

Gràcies a això, sap quina feina he de fer en un mes concret i quant de temps han trigat tasques similars en el passat, de manera que pot reservar prou temps al meu calendari i avaluar la meva disponibilitat per a feina addicional.

MCP és un protocol compartit, de manera que qualsevol eina d’IA pot accedir a qualsevol aplicació sempre que totes dues admetin MCP, sense que un desenvolupador hagi de programar una connexió a mida, com passa amb una API REST.

A nivell tècnic, MCP consta de tres elements:

• Host MCP: L’aplicació d’IA que coordina i gestiona clients (per exemple, Perplexity)
• Client MCP: Un "broker" dins de l’host que dona suport a una connexió amb el servidor MCP i passa informació a l’host MCP
• Servidor MCP: La porta d’entrada a un recurs com una base de dades o una aplicació SaaS que dona al client MCP accés a les seves capacitats (Notion, Google Calendar, Clockify, etc.).

Quan fer servir un agent, MCP o tots dos. I quan no cal cap dels dos.

L’elecció entre un agent d’IA i un MCP es redueix a una pregunta: necessites ajuda per completar una tasca complexa o vols connectar una eina d’IA a recursos externs?

Tanmateix, no totes les tasques necessiten IA agentiva, i aquelles que sí que en necessiten sovint també necessiten un MCP.

Aquí tens un desglossament més matisat de quan convé fer servir cadascun, quan convé fer-los servir conjuntament i quan convé fer servir altres opcions:

• Fes servir un agent d’IA per completar tasques complexes en què no pots predir els passos exactes i en què cada pas requereix criteri i presa de decisions.
• Fes servir un flux de treball amb crides directes a eines per completar tasques rutinàries amb passos fixos.
• Com a desenvolupador, fes servir MCP quan vulguis que la teva aplicació sigui compatible amb eines d’IA existents i futures.
• Com a usuari final, fes servir MCP per augmentar les capacitats del teu assistent d’IA connectant-lo a altres aplicacions i recursos.
• Fes servir agents d’IA i MCP conjuntament quan vulguis resoldre tasques complexes i singulars que requereixen autonomia i accés a eines i fonts de dades de tercers.

Amplia

Com funcionen conjuntament els agents d’IA i MCP?

L’agent d’IA decideix què fer, i MCP transporta cada sol·licitud a les aplicacions implicades.

Imagina’t que ets el propietari d’una petita botiga en línia i vols saber per què les vendes van baixar el mes passat, així que demanes al teu assistent d’IA que ho investigui. L’assistent d’IA desplega un agent que fa servir MCP per obtenir la informació necessària:

1. Agent: L’assistent decideix comparar les vendes del mes passat amb les del mes anterior.
2. MCP: Demana a la plataforma de comerç electrònic les vendes per producte dels dos mesos.
3. Agent: Veu que un producte representa la major part de la davallada, de manera que decideix comprovar l’estoc i els anuncis del producte.
4. MCP: Demana a la plataforma de la botiga els nivells d’estoc del producte i a la plataforma publicitària el rendiment dels seus anuncis.
5. Agent: L’estoc era normal, però els anuncis van deixar de publicar-se a meitat de mes, de manera que decideix esbrinar per què.
6. MCP: Demana a la plataforma publicitària l’historial de la campanya i descobreix que la campanya va assolir el límit mensual de pressupost.
7. Agent: Informa de la causa probable, suggereix augmentar el límit o traslladar el pressupost i deixa la decisió al propietari.

Com que cada pas depèn de les troballes de l’anterior, no els pots preveure per endavant. L’agent analitza les dades obtingudes mitjançant MCP i les utilitza per planificar les accions següents.

Riscos i guardrails d’agent i MCP

Connectar agents d’IA autònoms a altres eines i aplicacions mitjançant MCP t’exposa a riscos. Les preocupacions habituals giren al voltant del fet que els agents d’IA tenen més accés del que necessiten i que tercers segresten la connexió MCP, per exemple mitjançant injecció indirecta de prompt o excessiva autonomia.

En la majoria dels casos, la solució és controlar manualment la informació a la qual l’agent pot accedir, supervisar-ne l’activitat i fer servir només connectors de fonts de confiança.

Fes servir agents de Perplexity i MCP

Perplexity fa servir agents i MCP en totes dues direccions. Els seus agents, com Computer, fan servir MCP per connectar-se a aplicacions externes, i altres assistents d’IA poden connectar-se a Perplexity a través de MCP per impulsar la seva investigació.

Perplexity Computer és un agent d’IA de propòsit general que fa servir MCP per connectar-se amb serveis de tercers. Pot buscar i navegar per la web, escriure i executar codi, crear documents, llegir i enviar correus electrònics, gestionar tasques en eines com Jira, Slack o Notion, i molt més.

La connexió també funciona a l’inrevés. Un assistent d’IA que admeti MCP, com Claude, ChatGPT o Cursor, pot fer servir el servidor MCP de Perplexity per executar una cerca web i obtenir resultats amb títols, URL i fragments, o assignar a Computer una tasca de diversos passos perquè la completi.

Preguntes freqüents

Els agents d’IA i MCP són el mateix?

No, els agents d’IA i MCP no són el mateix, i cadascun resol problemes diferents. Els agents d’IA són eines de programari que completen de manera autònoma les tasques dels usuaris, mentre que MCP és una manera estandarditzada perquè les eines d’IA accedeixin a altres aplicacions.

Els agents d’IA i MCP sovint treballen conjuntament. Un agent d’IA pot fer servir MCP per accedir a dades d’una altra aplicació de programari per assolir l’objectiu assignat.

Quina diferència hi ha entre MCP i les habilitats d’agent?

MCP (Model Context Protocol) connecta una eina d’IA amb aplicacions i dades externes, mentre que les habilitats d’agent són instruccions, scripts i recursos reutilitzables que ensenyen a un agent d’IA com fer una tasca especialitzada i establir els guardrails.

MCP és el mateix que una API?

No, MCP i API no són el mateix. Una API permet que una peça de programari en cridi una altra mitjançant regles que un desenvolupador construeix per endavant, mentre que MCP permet que els agents d’IA vegin quines capacitats hi ha disponibles i decideixin quines han de cridar sense que un desenvolupador codifiqui la connexió amb antelació.

Dit això, els servidors MCP sovint fan servir API per connectar-se amb eines.

En què es diferencia MCP d’A2A?

MCP (Model Context Protocol) connecta un agent d’IA amb eines i dades, mentre que A2A (Agent2Agent) connecta agents d’IA. Un equip pot fer servir tots dos, amb MCP gestionant la integració d’eines i A2A la col·laboració entre agents.

En què es diferencia MCP de RAG?

RAG (retrieval-augmented generation) és un sistema que les eines d’IA fan servir per fonamentar les respostes en informació fiable d’una font de coneixement externa, mentre que MCP és un estàndard per connectar aplicacions d’IA amb dades i eines externes. Així, un RAG pot fer servir MCP per accedir a la seva base de coneixement.

Pots fer servir MCP sense ser desenvolupador?

Sí, pots fer servir MCP sense escriure cap codi si connectes una eina d’IA compatible amb MCP a un servei que ja l’admet. Per exemple, els usuaris de Perplexity poden fer servir MCP per connectar-se a aplicacions populars com Gmail, ClickUp o Figma.