Code Mode: los agentes de IA funcionan mejor escribiendo código que llamando herramientas

Equipe MEYJE
6 min de lectura
Ilustración isométrica: un bloque de código en el centro conectado a tres servidores, todos dentro de una caja aislada
En esta página

En septiembre de 2025, Kenton Varda y Sunil Pai publicaron en el blog de Cloudflare un texto con una provocación: estamos usando MCP de la forma equivocada. La propuesta, llamada Code Mode, es sencilla de explicar. En lugar de pedirle al modelo que llame a las herramientas una a una, le das una API en TypeScript y le pides que escriba un programa que use esa API. El programa se ejecuta en un entorno aislado y solo el resultado final vuelve a la conversación.

En este post explicamos la idea con nuestras palabras, mostramos por qué tiene sentido en la práctica y qué cambia para quienes, como nosotros, construyen agentes de IA para clientes. El artículo original está en las fuentes, al final de la página, y merece la pena leerlo completo.

#Qué es MCP, en una frase

El Model Context Protocol es un estándar abierto para conectar modelos de lenguaje con sistemas externos: una base de datos, un CRM, una agenda, un repositorio de código. Cada sistema expone un servidor MCP con una lista de herramientas, y cada herramienta tiene nombre, descripción y el formato de sus parámetros.

Lo que aporta MCP es la uniformidad. Una vez que el agente habla MCP, puede usar cualquier servidor que siga el protocolo, con la misma forma de descubrir herramientas, autenticarse y leer la documentación.

#Cómo funciona hoy una llamada a una herramienta

En el modo tradicional, el modelo recibe la lista de herramientas en el contexto. Cuando decide usar una, genera un fragmento especial con el nombre de la herramienta y los argumentos. La aplicación intercepta ese fragmento, ejecuta la llamada y le devuelve el resultado al modelo, que lo lee todo y decide el siguiente paso.

Si la tarea exige cinco llamadas encadenadas, son cinco idas y vueltas. Y cada resultado intermedio pasa por el contexto del modelo, aunque solo necesite un número que está en medio de una respuesta enorme.

#Dónde se atasca este enfoque

El argumento central de Cloudflare tiene que ver con el entrenamiento. Los tokens especiales de llamada a herramientas casi no aparecen en textos reales, así que los modelos aprenden a usarlos con datos de entrenamiento sintéticos, creados específicamente para eso. En cambio, el código TypeScript que llama a APIs aparece por millones en repositorios públicos.

En la práctica, esto provoca tres problemas que cualquier equipo que ya haya puesto un agente en producción reconoce:

  • Demasiadas herramientas confunden. Con decenas de herramientas en el contexto, el modelo elige mal o se inventa parámetros.
  • Encadenar sale caro. Cada paso intermedio consume tokens de entrada y de salida y añade latencia.
  • El contexto se llena de ruido. Una consulta que devuelve 2.000 filas ocupa toda la ventana de contexto, aunque el agente solo necesitara sumar una columna.
Comparación entre el flujo tradicional, en el que cada resultado vuelve al modelo, y Code Mode, en el que el programa encadena las llamadas dentro de la caja aislada
Tradicional: cada resultado pasa por el modelo. Code Mode: el programa encadena las llamadas y solo vuelve el resultado final.

#Cómo lo resuelve Code Mode

La idea tiene dos partes.

#1. Convertir las herramientas MCP en una API TypeScript

El esquema de cada herramienta se convierte en una función tipada, con la descripción de la herramienta como comentario de documentación. El modelo pasa a ver algo parecido a esto:

ts
/** Busca clientes por nombre o correo. Devuelve como máximo 50 resultados. */
declare function buscarClientes(input: { termino: string }): Promise<Cliente[]>;

/** Lista las facturas de un cliente en un período. */
declare function listarFacturas(input: {
  clienteId: string;
  desde: string; // AAAA-MM-DD
  hasta: string;
}): Promise<Factura[]>;

En lugar de decenas de herramientas, el modelo recibe una única herramienta: "ejecuta este código".

#2. Ejecutar el código del modelo en una caja aislada

El modelo escribe un programa corto que hace todo el trabajo de una vez:

ts
const clientes = await buscarClientes({ termino: "Fazenda Boa Vista" });
const facturas = await listarFacturas({
  clienteId: clientes[0].id,
  desde: "2026-10-01",
  hasta: "2026-10-31",
});

const pendientes = facturas.filter((f) => f.estado === "pendiente");
return {
  cantidad: pendientes.length,
  total: pendientes.reduce((suma, f) => suma + f.importe, 0),
};

Las dos consultas, el filtro y la suma ocurren dentro de la caja. El modelo solo recibe { cantidad, total }. Los cientos de facturas nunca pasan por el contexto.

#Por qué la caja aislada es el punto clave

Ejecutar código escrito por un modelo exige cuidado. La respuesta de Cloudflare fue usar los isolates de V8, la misma base sobre la que funcionan los Cloudflare Workers. Según el artículo, un isolate arranca en pocos milisegundos y usa pocos megabytes de memoria. Por eso se puede crear un isolate nuevo para cada fragmento de código y descartarlo justo después, sin reutilizar el entorno.

Para ello lanzaron una API, llamada Worker Loader en el artículo, que carga código bajo demanda dentro de un isolate. Destacan dos detalles de seguridad:

  • Sin internet por defecto. El código del agente puede tener el acceso externo bloqueado por completo. Solo llega a lo que hayas conectado de forma explícita.
  • Sin claves de API expuestas. El acceso a los servidores MCP llega al código como una conexión ya autorizada (lo que Cloudflare llama binding). El programa usa la conexión, pero nunca ve el token. Si un texto malicioso engaña al modelo, no hay ningún secreto que filtrar.

#La idea se ha extendido

En noviembre de 2025, Anthropic publicó un texto de ingeniería en la misma línea, citando el trabajo de Cloudflare. En su ejemplo, presentar las herramientas como archivos de código, que el agente lee solo cuando los necesita, redujo el consumo de 150.000 a 2.000 tokens, un ahorro del 98,7 %. Las cifras cambian según el caso, pero la dirección es la misma: dejar que el modelo escriba código suele ser más barato y más fiable que hacer que llame a las herramientas una a una.

#Qué cambia para quien construye agentes

En MEYJE construimos agentes que conversan con sistemas reales, como el asistente financiero de RuralZap y el agente de orientación profesional de IESGO. Tres lecciones de Code Mode ya forman parte de nuestra forma de diseñarlos:

  1. Las herramientas bien tipadas valen oro. Un nombre claro, una descripción breve y parámetros con tipos fuertes ayudan al modelo, tanto si llama a la herramienta como si escribe código.
  2. Agrega cerca de los datos. Si la respuesta final es un total, la suma debe hacerse antes de que el dato vuelva al modelo. Menos contexto significa menos coste y menos errores.
  3. El aislamiento no es opcional. El código generado por IA se ejecuta sin red, sin secretos y con un tiempo límite. Las credenciales se quedan fuera.

Code Mode no deja obsoleto a MCP. Aprovecha lo mejor del protocolo, que es la estandarización, y solo cambia la forma en que el modelo lo consume. Si construyes agentes, merece la pena probarlo: empieza por una tarea que hoy exija varias llamadas encadenadas y compara tokens, tiempo y tasa de acierto en los dos modos.

Si quieres poner un agente de IA a trabajar con los sistemas de tu empresa, habla con nosotros.

Fuentes

  1. Code Mode: the better way to use MCP (Cloudflare, 26/09/2025)
  2. Code execution with MCP for efficient agents (Anthropic, 04/11/2025)
  3. Code Mode API reference (documentación de Cloudflare)
  4. Qué es el Model Context Protocol (sitio oficial de MCP)