La Web Agéntica: el MCP resolvió la interacción, el ARD resuelve el descubrimiento

Una pieza importante del rompecabezas acaba de resolverse. El Model Context Protocol dio a los agentes una forma estándar de interactuar con software externo, y miles de proveedores se apresuraron a exponer sus capacidades a través de él.

Pero cuanto más se publicaban herramientas y conectores en los directorios de ChatGPT o Claude, más clara se volvía una segunda pregunta, más grande.

No «¿cómo usa un agente una capacidad?».

Sino «¿cómo sabe un agente que la capacidad existe siquiera?».

El 17 de junio, una coalición de los mayores nombres de la industria publicó su respuesta. Y marca el comienzo de algo mucho mayor que un protocolo.

El MCP resolvió la interacción. Pero no el descubrimiento.

A medida que los agentes de IA se volvían más capaces, la industria reconoció rápidamente un desafío fundamental.

Aunque un agente pudiera razonar sobre una tarea, todavía necesitaba una forma estándar de interactuar con software externo. Cada aplicación exponía sus propias APIs. Cada servicio tenía su propia autenticación. Cada integración requería ingeniería a medida.

Si los agentes iban a interactuar con millones de servicios distintos, este enfoque simplemente no escalaría. La industria necesitaba un idioma común.

Este es precisamente el problema que el Model Context Protocol (MCP) se propuso resolver. En lugar de exigir que cada proveedor de IA y cada empresa de software construyera integraciones a medida, el MCP introdujo una interfaz estándar a través de la cual los agentes podían comunicarse con herramientas y servicios externos. En vez de enseñar a cada modelo a hablar con cada API por separado, una empresa podía exponer sus capacidades a través de un servidor MCP, y cualquier agente compatible sabría cómo usarlas.

En muchos sentidos, el MCP se convirtió en el USB-C de la IA. Igual que el USB-C estandarizó cómo se conectan los dispositivos entre sí, el MCP estandarizó cómo se conectan los agentes al software.

El impacto fue inmediato. Durante el último año, se han publicado miles de servidores MCP en viajes, finanzas, sanidad, herramientas para desarrolladores, software empresarial y comercio electrónico. Las empresas por fin tenían un camino claro para hacer accesibles sus servicios a los agentes sin construir integraciones a medida para cada modelo o plataforma.

En Listo AI hemos vivido este cambio en primera persona. Hemos construido servidores MCP que exponen capacidades de hoteles, proveedores de viajes y plataformas de reserva, permitiendo que las plataformas de IA interactúen directamente con servicios que antes estaban ocultos detrás de webs e interfaces tradicionales.

Parecía un gran avance. Y lo era.

Pero a medida que más empresas empezaron a publicar servidores MCP, comenzó a surgir otra pregunta. Quizá una aún mayor.

Imagina que hay mil servidores MCP de reserva de hoteles. O diez mil. O, con el tiempo, millones de servidores MCP en cada industria.

¿Cómo sabe un agente que existen? ¿Cómo decide cuál es relevante para una tarea? ¿Cómo distingue un servicio oficial de una copia maliciosa? ¿Cómo verifica la propiedad? ¿Cómo sabe qué capacidad es la más apropiada antes de intentar usarla?

El MCP resolvió una mitad de la ecuación. Enseñó a los agentes cómo interactuar con el software. Pero nunca respondió a una pregunta igual de importante: ¿cómo descubren los agentes ese software en primer lugar?

Cuanto más éxito tenía el MCP, más evidente se volvía esta pieza que faltaba. Porque una capacidad que no se puede descubrir es, en la práctica, casi indistinguible de una que no existe.

La capa que faltaba: la descubribilidad

Durante décadas hemos dado por sentada la descubribilidad, porque la web ya la resolvió para los humanos.

Cuando queremos comprar un producto, buscamos en Google. Cuando necesitamos un restaurante, abrimos Maps. Cuando buscamos software, vamos a GitHub o a una tienda de aplicaciones. El descubrimiento está tan profundamente incrustado en internet que rara vez nos paramos a pensar en él.

Detrás de cada búsqueda hay una enorme infraestructura dedicada a responder a una pregunta sencilla: ¿qué existe? Los buscadores rastrean miles de millones de páginas, las indexan, las organizan, las clasifican y comprueban continuamente si siguen disponibles. Sin esta infraestructura, la web tal como la conocemos no funcionaría.

Ahora piensa en el mundo de los agentes. Un agente recibe una petición como «resérvame un hotel boutique en Mallorca». Puede que ya sepa cómo interactuar con los sistemas de reserva de hoteles a través del MCP. Pero antes de poder invocar nada, surge de inmediato una serie de preguntas.

¿Qué proveedores exponen capacidades de reserva? ¿Dónde están publicadas esas capacidades? ¿Cuáles de ellas son oficiales? ¿Cuáles admiten los protocolos que necesito? ¿Cuál debería elegir? ¿Puedo confiar en quien publica? ¿Cuál es la versión más reciente?

Estas preguntas existen antes de que un agente pueda siquiera pensar en hacer una reserva. Y hasta ahora no había una infraestructura universal capaz de responderlas.

Los desarrolladores han improvisado. Algunos mantienen listas fijas de servidores MCP. Algunos configuran integraciones a mano. Algunos confían en directorios propietarios. Algunos simplemente entregan agentes con una colección fija de herramientas.

Estos enfoques funcionan mientras el ecosistema es pequeño. Se rompen en cuanto escala.

Y hay una segunda razón, menos obvia, por la que se rompen, una que conecta directamente con cómo eligen herramientas las plataformas de IA de hoy.

En un artículo anterior describí cómo una plataforma como ChatGPT selecciona qué integración usar. Convierte la consulta del usuario en un vector, ejecuta una búsqueda por similitud contra las descripciones de las herramientas disponibles y deja que el modelo lea esas descripciones para decidir. Ese mecanismo tiene un techo duro: cada descripción de herramienta candidata tiene que cargarse en la ventana de contexto del modelo. Con diez herramientas, no hay problema. Con diez mil, es imposible. No puedes inyectar un millón de descripciones de capacidades en una ventana de contexto y pedirle a un modelo que elija.

Así que el ecosistema necesitaba lo que la web tradicional ha tenido durante décadas: una capa de descubrimiento. No una diseñada para sitios web. Una diseñada para capacidades. Una que saque el problema de «qué existe y qué es relevante» de la ventana de contexto del modelo y lo lleve a una infraestructura dedicada, construida para gestionarlo.

Esto es precisamente lo que ofrece la nueva especificación.

El 17 de junio de 2026, Google, junto con Cisco, Databricks, GitHub, GoDaddy, Hugging Face, Microsoft, NVIDIA, Salesforce, ServiceNow y Snowflake, anunció el Agentic Resource Discovery (ARD): una especificación abierta para publicar, descubrir y verificar capacidades de IA en toda la web (Google Developers Blog). Está construida sobre el modelo de datos AI Catalog mantenido bajo la Linux Foundation, y publicada bajo una licencia abierta.

La lista de nombres importa. No son aliados naturales. Son competidores directos en la nube, en herramientas para desarrolladores y, cada vez más, en agentes. Cuando empresas que compiten con tanta fiereza se ponen de acuerdo en un estándar, suele ser porque todas han chocado contra el mismo muro. En este caso, el muro era el descubrimiento.

El ARD responde a la pregunta que el MCP nunca intentó responder. No «¿cómo uso esta capacidad?», sino «¿cómo sé que esta capacidad existe, y puedo confiar en ella?».

Esa distinción puede parecer sutil. En realidad, lo cambia todo. Porque la descubribilidad es lo que transforma capacidades aisladas en un ecosistema. Es la infraestructura que faltaba para que los agentes vayan más allá de las integraciones fijas y empiecen a descubrir nuevas capacidades de forma dinámica, igual que los humanos han descubierto sitios web durante las últimas tres décadas.

En muchos sentidos, este es el momento en que el ecosistema de IA empieza a construir su propia infraestructura de búsqueda. No para documentos. No para sitios web. Sino para acciones.

El nacimiento de la Web Agéntica

A primera vista, el ARD parece otro protocolo. Otra especificación que se une a una lista cada vez más larga de infraestructura de IA.

Creo que representa el comienzo de algo mucho mayor.

Durante más de treinta años, internet ha evolucionado en torno a un concepto central: los documentos. Los sitios web son colecciones de documentos. Los buscadores indexan documentos. El SEO optimiza documentos. Los navegadores muestran documentos. Incluso cuando compramos online o reservamos un hotel, normalmente empezamos buscando y leyendo información antes de actuar. La web está fundamentalmente organizada en torno a la información.

Pero los agentes no interactúan con internet como lo hacen los humanos. Rara vez les importa leer un artículo, navegar por una página de inicio o comparar diseños. Su objetivo es casi siempre completar una tarea: reservar una habitación, comprar un producto, recuperar inventario, ejecutar un flujo de trabajo, consultar una base de datos, agendar una reunión, analizar un contrato.

Para un agente, la información suele ser solo un paso intermedio hacia la acción. Esta sutil distinción cambia lo que internet necesita optimizar.

Los humanos buscan documentos. Los agentes buscan capacidades.

Los humanos navegan por sitios web. Los agentes invocan servicios.

Los humanos consumen información. Los agentes ejecutan acciones.

Ese cambio altera casi todas las suposiciones sobre las que se ha construido internet hoy. En lugar de preguntar «¿qué página web contiene la información que necesito?», los agentes preguntan cada vez más «¿qué capacidad puede resolver el problema del usuario?».

Responder a eso requiere un tipo de infraestructura completamente distinto. Una que indexe servicios en lugar de páginas. Una que entienda capacidades en lugar de palabras clave. Una que permita el descubrimiento sin que un desarrollador humano configure manualmente cada integración.

Esto es lo que el ARD empieza a crear. No un reemplazo de la web de hoy. Una capa paralela. Una capa nativa para máquinas de internet en la que las entidades principales ya no son documentos, sino capacidades. Una web diseñada para que el software la navegue.

Esto es lo que quiero decir con la Web Agéntica.

La Web Agéntica no es otro sitio web, ni otra plataforma de aplicaciones. Es un ecosistema en el que las empresas exponen capacidades legibles por máquina que los sistemas autónomos pueden descubrir, evaluar, verificar y ejecutar sin depender de interfaces pensadas para humanos.

En lugar de publicar páginas, las organizaciones publican capacidades. En lugar de competir solo por posiciones en buscadores, compiten por volverse descubribles para los agentes. En lugar de que los sitios web sean el principal activo digital, los servicios legibles por máquina empiezan a ocupar ese papel.

Internet evoluciona de una red de información a una red de capacidades.

Si esta transformación tarda cinco años o quince es difícil de predecir. Pero la dirección es cada vez más clara. Por primera vez en su historia, internet empieza a construirse para otro tipo de usuario.

Cómo funciona la Web Agéntica: catálogos y registros

Si la Web Agéntica va a resultar abstracta, esta es la sección que la aterriza. Porque el ARD no es una visión difusa. Es una arquitectura concreta construida sobre dos primitivas: catálogos y registros (Google Developers Blog).

La mayoría de los artículos recurrirá a la analogía obvia y llamará a un catálogo «el robots.txt para la IA» o «el sitemap para los agentes». Eso se queda corto. Un sitemap es una lista que dejas para un rastreador. Un catálogo es algo más rico.

Los AI Catalogs probablemente se conviertan en las páginas de inicio de la Web Agéntica.

Catálogos: tu página de inicio para los agentes

Para hacer descubribles sus capacidades, una organización publica un catálogo: un archivo legible por máquina, ai-catalog.json, alojado en una ruta conocida de su propio dominio.

Ese archivo describe lo que ofrece la organización. Un solo catálogo puede apuntar a servidores MCP, agentes A2A, herramientas OpenAPI o incluso a otros catálogos anidados. Es el equivalente estructurado y orientado a agentes de todo lo que una página de inicio comunica a un visitante humano: quién eres, qué haces y cómo interactuar contigo.

La decisión de alojarlo en tu propio dominio no es un detalle técnico. Es la base de todo el modelo de confianza. Como el catálogo vive bajo tu dominio, la propiedad de ese dominio se convierte en la base criptográfica de tu identidad. Un agente no tiene que fiarse de la palabra de un directorio de terceros de que una capacidad es realmente tuya. El dominio lo demuestra.

Por eso «página de inicio» es la analogía correcta. Tu página de inicio siempre ha sido la expresión canónica y propia de tu marca en la web humana. El catálogo es su equivalente en la Web Agéntica: autopublicado, propio y fidedigno precisamente porque es tuyo.

Registros: los buscadores de la Web Agéntica

Una página de inicio es inútil si nadie puede encontrarla. En la web humana, ese problema lo resolvieron los buscadores que rastrean e indexan páginas. El ARD introduce el equivalente directo: los registros.

Los registros rastrean los catálogos publicados, indexan su contenido y lo hacen buscable. Cuando un agente necesita una capacidad, envía una petición de descubrimiento a un registro en lenguaje natural, igual que tú escribirías una consulta en Google. El registro devuelve un conjunto clasificado de capacidades coincidentes, cada una acompañada de los metadatos que un agente necesita para verificar a quien publica y decidir si se conecta.

Y algo crucial: los registros son federados. No hay un registro para gobernarlos a todos. El modelo es una red de registros interoperables que comparten un índice continuamente actualizado, de modo que una capacidad se vuelve descubrible en el momento en que se publica. Google ya ha lanzado uno a través de su Agent Registry en la Gemini Enterprise Agent Platform; GitHub lanzó «agent finder» para Copilot; Cisco aportó su AGNTCY Agent Directory bajo la Linux Foundation. Distintas puertas de entrada, una red interoperable.

Esta es la parte que arregla el techo de la ventana de contexto que describí antes. El trabajo duro de «qué existe y qué es relevante» ya no ocurre dentro del modelo. Ocurre en el registro, un servicio de búsqueda dedicado, construido para la recuperación a escala. El agente hace una pregunta y recibe una lista corta y clasificada, en lugar de intentar sostener un millón de descripciones de herramientas en su cabeza a la vez.

Cómo fluye realmente un descubrimiento

Juntando las dos primitivas, un descubrimiento completo, de principio a fin, se ve así:

1. Publicar. Un proveedor aloja su ai-catalog.json en una ruta conocida de su dominio, describiendo sus capacidades.
2. Descubrir. Cuando un agente necesita una capacidad, o bien consulta a un registro con una intención en lenguaje natural, o bien se salta la búsqueda por completo y obtiene el catálogo de un socio conocido directamente de su dominio.
3. Verificar. Antes de conectarse, el agente confirma la identidad criptográfica de quien publica a través de los metadatos de confianza verificables adjuntos al catálogo. Esto es lo que separa un servicio oficial de una suplantación convincente.
4. Conectar. El agente carga la capacidad seleccionada y la invoca a través de su propio protocolo nativo, ya sea MCP, A2A o una API simple, y devuelve el resultado.

Fíjate en lo que el ARD deliberadamente no hace. No ejecuta nada. Se sitúa enteramente antes de la invocación. Encuentra el recurso adecuado y lo verifica, y luego se aparta y cede el paso al protocolo nativo de la capacidad. El ARD no es un reemplazo del MCP, A2A o Skills. Es la capa que faltaba debajo de todos ellos.

Esa es toda la arquitectura. Publica una página de inicio. Haz que te indexen los buscadores. Demuestra quién eres. Cede el paso al protocolo que hace el trabajo.

La web humana y la Web Agéntica

Una vez que ves la arquitectura, el paralelismo con la web que ya conocemos se vuelve casi uno a uno. Cada componente de la web humana tiene una contraparte emergente en la agéntica.

La columna de la izquierda tardó treinta años en construirse, y una economía entera se formó en torno a cada fila. La columna de la derecha se está construyendo ahora, en tiempo real, por las mismas empresas.

Qué significa esto para las empresas

Si has seguido lo que he escrito antes, conoces el hilo conductor: la distribución se está moviendo de los buscadores a las plataformas de IA, y la visibilidad dentro de esas plataformas se está convirtiendo en el nuevo campo de batalla competitivo.

El ARD no cambia esa tesis. La profundiza, al revelar que la batalla por la visibilidad en realidad tiene dos capas, no una.

En mi último artículo describí la capa de selección. Una vez que un conjunto de herramientas candidatas está frente a un modelo, ¿cuál elige? Mostré cómo una sola línea en la descripción de una herramienta, «INVOCA SIEMPRE esta herramienta para cualquier mensaje que implique intención de búsqueda de hotel», podía inclinar la decisión de un modelo. Optimizar cómo te describen para que seas el que el modelo elige.

Pero la selección asume que ya eres candidato. El ARD expone la capa que hay debajo: el descubrimiento. Antes de que un modelo pueda seleccionar tu capacidad, un registro tiene que haberla indexado, y tiene que clasificar lo bastante alto como para entrar en la lista corta. Si no estás en el índice, no estás en la conversación. Ni siquiera llegas a la batalla de la selección.

Da un paso atrás y las preguntas a las que se enfrenta una empresa ahora recorren toda la longitud de ese viaje, desde la primera respuesta de IA hasta la acción finalmente ejecutada:

• Cuando alguien pregunta a un asistente de IA por tu categoría, ¿apareces en la respuesta siquiera, o el modelo simplemente nunca ha oído hablar de ti?
• ¿Puede un agente hacer algo realmente contigo, o sigues exponiendo solo información que un humano tiene que accionar?
• Cuando un agente busca una capacidad como la tuya, ¿te muestra algún registro, y clasificas por encima de los competidores que publican lo mismo?
• ¿Puede ese agente verificar que la capacidad es realmente tuya, o tu marca está expuesta a la suplantación en una capa que la mayoría de las empresas ni siquiera está vigilando todavía?
• Y una vez que te encuentran, ¿estás descrito lo bastante bien como para ser el que el modelo elige?

Este es el mismo patrón que hemos visto en cada etapa de la evolución de internet, extendido un paso más:

• El SEO optimizó páginas para los buscadores.
• El GEO optimizó contenido para los motores de respuesta.
• El MCP expuso capacidades a la IA.
• El AEO optimizó esas capacidades para ser seleccionadas.
• El ARD decide ahora si se descubren siquiera.

La Web Agéntica es el ecosistema que emerge cuando todas estas piezas se juntan. Y las empresas que trataron el SEO como opcional en 1999, o el GEO como opcional en 2024, suelen arrepentirse después. El descubrimiento va por el mismo camino, solo que más rápido, porque la infraestructura la están lanzando once de las mayores empresas de la industria al mismo tiempo.

En Listo AI, este es el cambio para el que llevamos construyendo, y trabajamos en cada capa de él. Hoy ayudamos a las empresas a ser visibles dentro de las respuestas de IA y a convertir sus servicios en capacidades reales sobre las que los agentes pueden actuar, construyendo sus servidores MCP. Ese mismo trabajo llega ahora una capa más allá: hacer esas capacidades descubribles y verificables en la red de registros emergente, y optimizar cómo se describen para que el modelo las seleccione. El objetivo es sencillo. Cuando un agente busca lo que hacen nuestros clientes, que los encuentren, confíen en ellos y los elijan.

La vieja web premiaba a quienes eran fáciles de encontrar para las personas. La Web Agéntica premiará a quienes sean fáciles de descubrir para los agentes.

Esa web ya no es hipotética. Desde esta semana, tiene una especificación.

Fuentes: Announcing the Agentic Resource Discovery specification, Google Developers Blog, 17 de junio de 2026; agenticresourcediscovery.org; anuncios de los socios Cisco (Outshift), Microsoft, GitHub y Hugging Face.