En esta sesión compartiré mejores prácticas para usar configuraciones MCP y Agentes de IA en flujos de desarrollo reales 🤖. El objetivo es mejorar tanto la calidad como la seguridad, ya que, incluso con toda la emoción alrededor de estas herramientas, es muy fácil crear interacciones confusas, fugas accidentales de datos o Agentes que ejecutan acciones que nunca quisimos.

También presentaré informes que comparan cómo distintos modelos LLM generan código, mostrando diferencias claras en estabilidad, consistencia y el nivel de guía que cada modelo necesita para evitar errores. Además, traeré cifras que muestran los sorprendentes bajos aumentos de productividad que muchos equipos reportan al adoptar herramientas de IA—muchas veces mejoras mínimas en lugar de los grandes saltos que todos esperaban. Veremos por qué pasa esto: instrucciones poco claras, límites débiles en las herramientas, permisos demasiado amplios y expectativas poco realistas sobre lo que los modelos pueden manejar.

La charla se centra en hábitos prácticos que los desarrolladores pueden aplicar de inmediato: limitar mejor los accesos, simplificar el contexto, añadir validaciones ligeras y usar patrones de seguridad para evitar fallos comunes. El objetivo es ayudar a crear flujos de trabajo de IA más fiables, productivos y seguros, haciendo que la generación de código con IA sea realmente útil y no un experimento arriesgado 😅.

Un vistazo rápido a cómo mejorar la calidad, la seguridad y la productividad real al usar Agentes de IA y MCP. Mostraré dónde fallan los modelos de código, por qué los beneficios son tan bajos y las prácticas simples para mantener la IA bajo control 🤖.