Los agentes de IA con el servidor MCP oficial de GitHub cuestan 6,5 veces más que con CLI
Un agente que trabaja con GitHub a través de un servidor MCP (un conjunto de herramientas predefinidas, como botones para cada acción) cuesta 6,51 veces más que hacerlo desde la línea de comandos (CLI) con una sola consulta GraphQL flexible. La causa no está en el protocolo: cada herramienta devuelve el objeto completo, y esos datos se acumulan en el historial de la conversación. Con las mismas operaciones, en la prueba con el navegador, la diferencia se reduce a solo 1,13 veces. Elija la interfaz según el conjunto de operaciones y el tamaño de las respuestas.
Procesado por IA desde Habr AI; editado por Hamidun News
Si conecta un agente de IA a su API, tarde o temprano surge la pregunta: ¿le damos un servidor MCP (un protocolo estándar que proporciona al agente un conjunto de herramientas predefinidas, como «crear tarea» o «mostrar comentarios») o una simple línea de comandos, CLI? El desarrollador del servicio Takt decidió no discutir la cuestión, sino medirla. En las pruebas con GitHub y el modelo Sonnet, el servidor MCP predefinido costó 6,51 veces más que la CLI con una sola consulta flexible en GraphQL, y realizó 6,2 veces más llamadas. Pero la conclusión fue inesperada: el culpable no es el protocolo, sino qué operaciones están disponibles para el agente y cuántos datos devuelve cada llamada.
Cómo empezó todo
El 8 de junio de 2026, un agente intentó desvincular una tarea de su tarea padre en el tablero de Takt. Enviaba parent="", pero el servidor MCP recibía los argumentos vacíos. La causa estaba en el cliente: este descartaba todo el objeto de argumentos si al menos un valor era una cadena vacía. Era ya el cuarto fallo en el trabajo con agentes en dos meses.
El autor reconoce que dos de los cuatro problemas son culpa suya: nombres de herramientas en conflicto (create_wiki y wiki_create) y unas 40 herramientas que devolvían JSON codificado dentro de JSON. Otro tuvo que sortearse en el lado del servidor debido al cliente y al framework, que no controlaba. Y la cadena vacía no se pudo evitar: los argumentos no llegaban a su código. Ese mismo día añadió a Takt una CLI, en la que todo el recorrido desde el agente hasta la API HTTP queda bajo su control.
Qué mostró el experimento
Al principio, el autor creía que la CLI ganaba por su arquitectura: el MCP debía ser compacto para no saturar el contexto, pero cuanto más compacto, menos podía hacer. Para comprobarlo, comparó cuatro formas de acceder a GitHub y Takt: comandos predefinidos de la CLI, una consulta GraphQL a través de la CLI, un servidor MCP predefinido y una única herramienta graphql dentro de MCP. A los agentes les plantearon 35 preguntas solo de lectura con respuestas verificadas de antemano. Se probó Sonnet 5.5 en Claude Code y GPT-6.1 Sol en Codex: 280 ejecuciones más 56 repeticiones.
Al principio, todo parecía una derrota: los servidores MCP predefinidos necesitaban de 3 a 6 veces más llamadas. Sin embargo, dos partes de la teoría no se confirmaron. MCP no resultó más lento: su tiempo de ejecución fue de 0,71 a 1,06 veces el de la CLI.
Y en la corrección de las respuestas, la forma de acceso casi no influyó: en la mayoría de configuraciones, los agentes respondieron todo correctamente o fallaron en una sola pregunta. Hubo dos excepciones: los comandos gh predefinidos con Sonnet dieron 17 respuestas correctas de 23, y el MCP predefinido de Takt, 9 de 12. Las respuestas se contrastaron con una referencia, no con los informes de los propios agentes, porque los agentes suelen declarar victoria demasiado pronto.
El autor detectó un defecto en su diseño: había cambiado dos cosas a la vez, el protocolo y el conjunto de operaciones. Por eso realizó una prueba de control en su servicio Browserious, donde la CLI y MCP pueden hacer lo mismo. En 27 tareas emparejadas con Sonnet, MCP resultó solo 1,13 veces más caro, hizo 1,09 veces más llamadas, pero tardó 0,85 veces el tiempo de la CLI. Advertencia del autor: se trata de servicios y tareas distintos, así que no se puede extrapolar una proporción de otra, y un único experimento con un único modelo no demuestra que las cifras sean iguales en todos los casos.
De dónde sale el dinero
La larga lista de herramientas no resultó ser la causa principal. Una lista corta es una decisión de arquitectura, no un requisito del protocolo: el servidor MCP de gcloud tiene una sola herramienta, mientras que el de GitHub tiene 91 y cubre 15 de las 18 familias de API estudiadas. Además, Claude Code ahora solo carga los nombres de las herramientas al arrancar y obtiene los esquemas según se necesitan.
El gasto principal lo generan las respuestas de las herramientas. Imagine que pide una lista de tareas y el servidor le envía cada una con todos sus campos. Esa respuesta entra en el historial de la conversación y viaja con cada solicitud posterior. En las pruebas con GitHub y Sonnet, los tokens de entrada sin caché pasaron de 14 138 con la consulta GraphQL en CLI a 110 041 con el MCP predefinido, y los tokens escritos en caché, de 13 193 a 109 084. Es aproximadamente ocho veces más. Una sola consulta con los campos necesarios sale más barata que una docena de llamadas que devuelven todo.
Con GPT-6.1 Sol la situación es más curiosa: el MCP predefinido devolvía en promedio 789 KB por ejecución, y en un caso, 18 MB, pero el consumo de tokens aumentó solo 1,33 veces. El autor supone que Codex recortaba las respuestas grandes o las sacaba fuera del contexto. Es una hipótesis, no una medición, pero si es correcta, el entorno de ejecución decide sin que nadie lo note qué llegará a leer el agente.
Secretos y conclusión práctica
El modo de interacción influyó en el manejo de las contraseñas. En la configuración MCP, la contraseña de la cuenta de demostración tenía que pasarse como argumento directo a page_fill; la herramienta la devolvió en la respuesta y acabó en el contexto del modelo y en los registros. Los agentes con CLI introducían "$PW", y el valor no aparecía en los registros. El autor subraya que se trata de una particularidad de su configuración, no de una limitación de MCP. Recomienda pasar referencias a secretos y sustituir los valores en el lado del servidor, o autenticarse antes de lanzar el agente.
Conclusión práctica: al elegir la interfaz para un agente, fíjese no en el nombre, sino en el conjunto de operaciones y en el tamaño de las respuestas. Permita solicitar solo los campos necesarios, verifique las respuestas contra una referencia y asegúrese de que las contraseñas no lleguen al contexto del modelo.
- 21 nov 2026Anthropic cierra su primera semana en bolsa con una valoración de 1,6 billones de dólares, pero cae un 8,5% en una sola jornada
- 21 nov 2026Thinking Machines lanza Inkling 2 Mini: 26.000 millones de parámetros y 20,1 puntos en el AA Index
- 21 nov 202615 subagentes de Claude Code escribieron un sistema para un taller, y el lanzamiento lo aprueba un agente sin derecho a editar
- 21 nov 2026Matemático de Anthropic afirma que Claude le ayudó a demostrar la hipótesis de Riemann en seis semanas
Preguntas frecuentes sobre la noticia
Cómo empezó todo?
El 8 de junio de 2026, un agente intentó desvincular una tarea de su tarea padre en el tablero de Takt. Enviaba parent="", pero el servidor MCP recibía los argumentos vacíos. La causa estaba en el cliente: este descartaba todo el objeto de argumentos si al menos un valor era una cadena vacía. Era ya el cuarto fallo en el trabajo con agentes en dos meses.
¿Qué se sabe sobre Qué mostró el experimento?
Al principio, el autor creía que la CLI ganaba por su arquitectura: el MCP debía ser compacto para no saturar el contexto, pero cuanto más compacto, menos podía hacer. Para comprobarlo, comparó cuatro formas de acceder a GitHub y Takt: comandos predefinidos de la CLI, una consulta GraphQL a través de la CLI, un servidor MCP predefinido y una única herramienta graphql dentro de MCP. A los agentes les plantearon 35 preguntas solo de lectura con respuestas verificadas de antemano.
¿Qué se sabe sobre De dónde sale el dinero?
La larga lista de herramientas no resultó ser la causa principal. Una lista corta es una decisión de arquitectura, no un requisito del protocolo: el servidor MCP de gcloud tiene una sola herramienta, mientras que el de GitHub tiene 91 y cubre 15 de las 18 familias de API estudiadas. Además, Claude Code ahora solo carga los nombres de las herramientas al arrancar y obtiene los esquemas según se necesitan. El gasto principal lo generan las respuestas de las herramientas.
Build & Ship Production AI Agents Without Boilerplate Code
Start your free 72-hour trial at Hamidun Academy (academy.hamidun.com) — interactive lessons on Claude Code & Cursor, live Tech Radar, and production agent templates.
Lo esencial de la IA — una vez por semana
Siete historias que de verdad importaron, elegidas a mano. Sin ruido ni notas de prensa.
¡Listo! Revisa tu correo para la confirmación.