Quien empieza a investigar agentes de IA para su propia empresa rápidamente se topa con tres términos que parecen competir, pero en realidad resuelven problemas distintos: function calling, RAG y MCP. Entender la diferencia ayuda a conversar con cualquier proveedor o equipo técnico sin depender solo de su palabra.
Function calling: el modelo acciona una herramienta específica
Function calling es la capacidad de un modelo de lenguaje, al procesar una pregunta, de decidir llamar a una función predefinida en lugar de solo generar texto. Por ejemplo: un modelo recibe "¿cuál es el estado del pedido 4521?" y, en lugar de inventar una respuesta, reconoce que existe una función consultar_pedido disponible, llama esa función con el parámetro correcto y usa el resultado para responder.
La limitación es que cada función debe programarse y describirse manualmente para ese modelo específico, en ese sistema específico. Funciona bien cuando el alcance es pequeño y fijo, pero escala mal cuando la empresa tiene decenas de sistemas y quiere que varios agentes distintos puedan usarlos.
RAG: el modelo busca contexto antes de responder
RAG (Retrieval-Augmented Generation, o generación aumentada por recuperación) es una técnica distinta: en lugar de confiar solo en lo que el modelo "sabe" del entrenamiento, el sistema busca documentos o fragmentos de información relevantes — de una base de conocimiento, un manual interno, un conjunto de contratos — e inyecta ese contenido en el contexto de la respuesta. Eso permite que un agente responda con precisión sobre la política de reembolso de la propia empresa, por ejemplo, en lugar de dar una respuesta genérica.
RAG resuelve "el modelo no conoce mis datos". Function calling resuelve "el modelo necesita actuar, no solo responder". Son cosas complementarias, no competidoras.
MCP: el estándar que conecta todo esto de forma escalable
Aquí entra Model Context Protocol. Si function calling es la capacidad del modelo de llamar a una herramienta, y RAG es la capacidad de buscar contexto relevante, MCP es el protocolo que estandariza cómo se descubren y exponen herramientas y fuentes de datos para cualquier agente compatible — sin que cada integración deba programarse desde cero, sistema por sistema.
En la práctica, eso significa que:
- Function calling sigue siendo el mecanismo por el cual el modelo decide "voy a llamar a esta herramienta ahora".
- RAG sigue siendo la técnica que trae contexto relevante para que la respuesta sea más precisa.
- MCP es la capa de conexión que hace que esas herramientas y fuentes de datos queden disponibles de forma estandarizada, para cualquier agente, sin reinventar la integración en cada nuevo caso de uso.
Una forma simple de pensarlo: function calling es la mano que aprieta el botón, RAG es la memoria que consulta antes de decidir, y MCP es la toma eléctrica estandarizada que permite que cualquier aparato (agente) se conecte a cualquier sistema (datos y herramientas) sin necesitar un adaptador distinto para cada uno.
Por qué importa para quien no es técnico
Entender esa diferencia evita dos trampas comunes: creer que "poner una IA" resuelve todo sola (sin datos bien conectados, el agente responde bonito y erra lo que importa), o creer que hay que reconstruir toda la infraestructura tecnológica para tener un agente funcional. En la práctica, buena parte del trabajo está en diseñar correctamente qué herramientas necesita acceder el agente, qué contexto debe buscar y cómo eso se conecta de forma estandarizada a los sistemas existentes — que es exactamente el tipo de arquitectura que los proyectos de Agentes de IA e integraciones MCP de Yan.m estructuran antes de que algo entre en producción.
Para profundizar el lado técnico, vale leer la documentación oficial del Model Context Protocol y el material de ingeniería de Anthropic, además de la visión general sobre agentes de IA de IBM.