El 28 de agosto de 2026, Google confirmó que su protocolo A2A (Agent-to-Agent) se suma a la Agentic AI Foundation (AAIF) de la Linux Foundation. La misma organización neutral que ya alberga el MCP de Anthropic. Con más de 250 empresas miembro — AWS, Microsoft, OpenAI, Google, Anthropic — esto no es solo un movimiento corporativo. Es la señal más concreta hasta ahora de que los protocolos de agentes están dejando de ser iniciativas propietarias para convertirse en infraestructura estándar.
Para entender por qué esto importa, primero necesitas tener claro qué hace cada protocolo y en qué se diferencian.
MCP y A2A: dos protocolos que hacen cosas distintas
MCP (Model Context Protocol), creado por Anthropic, define cómo un modelo de lenguaje accede a herramientas, recursos y contexto externo: bases de datos, APIs, archivos, calendarios. Es el "cable USB" del ecosistema agentic — el estándar que le dice al modelo dónde enchufarse para obtener información o ejecutar acciones. Si tus agentes ya se conectan a GitHub, BigQuery o Slack via MCP, ya lo conoces.
A2A (Agent-to-Agent Protocol), creado por Google, resuelve un problema distinto: cómo dos agentes se comunican entre sí para delegar subtareas, compartir estado y coordinar workflows. Si MCP es el canal entre el agente y sus herramientas, A2A es el canal entre agentes distintos que trabajan juntos.
Son complementarios, no competidores. Un sistema multi-agente en producción en 2026 usa MCP para que cada agente acceda a sus herramientas, y A2A para que los agentes se pasen trabajo entre sí. La analogía que me funciona: MCP es el USB, A2A es el WiFi. Uno conecta al dispositivo con sus periféricos, el otro conecta dispositivos entre sí.
Por qué la Linux Foundation cambia el juego
Cuando un protocolo entra a la Linux Foundation, los proveedores — especialmente los enterprise — tienen garantías que antes no existían: nadie puede cambiar las especificaciones unilateralmente, el código es verdaderamente abierto, y cualquier empresa puede implementarlo sin pedir permiso ni pagar regalías.
Ese no es un detalle menor. Los equipos de arquitectura de TI en bancos, aseguradoras y telecomunicaciones en LATAM no adoptan tecnologías propietarias para proyectos de producción. La neutralidad fue lo que hizo que HTTP, Linux y Git se volvieran omnipresentes — y es exactamente la fricción que la Linux Foundation reduce para A2A y MCP.
Que Anthropic y Google pongan sus protocolos bajo el mismo paraguas también dice algo: están apostando a que este par — MCP + A2A — sea el estándar del ecosistema agentic, en vez de fragmentar el mercado con soluciones incompatibles. OpenAI y Microsoft son también miembros fundadores de la AAIF. Es una apuesta coordinada.
Qué cambia si estás construyendo agentes hoy
Si trabajas con LangGraph, CrewAI o cualquier framework de agentes, A2A es la capa que faltaba para que tus sistemas hablen con los de otras organizaciones. Algunos casos concretos de lo que esto habilita:
- ▸Tu agente de análisis puede recibir subtareas de un orquestador externo que habla A2A, sin que ese orquestador sepa nada de tu implementación interna.
- ▸Un crew de CrewAI puede exponer un endpoint A2A y ser invocado como servicio por agentes de otra empresa — tu proveedor, tu cliente, otro sistema interno.
- ▸Los pipelines construidos hoy con MCP para conectarse a BigQuery o Databricks ya están listos para el mundo A2A — solo necesitas añadir la capa de comunicación inter-agente.
Lo que todavía no está resuelto: la adopción real. Que 250 empresas sean miembros de la AAIF no significa que hayan migrado sus sistemas. Los próximos 6-12 meses serán de spec estable, primeras implementaciones de referencia y adopción gradual en frameworks como LangGraph y LangChain. Pero la dirección está marcada.
Qué implica para los AI Engineers en LATAM
Las empresas en Perú, Colombia, México y Chile que están construyendo sistemas de IA en 2026 todavía están mayoritariamente en modo piloto o en proyectos internos pequeños. La estandarización de MCP y A2A llega en el momento exacto: cuando los equipos de TI enterprise están evaluando si escalar sus proyectos de agentes o esperar.
Mi lectura: esto reduce el riesgo de vendor lock-in — el argumento que más usa el área legal y compras para bloquear proyectos de IA en producción. Un sistema construido con MCP y A2A no está atado a un proveedor específico. Eso acelera la aprobación en enterprise.
La prioridad práctica es clara: MCP ya tiene implementaciones maduras y cursos disponibles. A2A aún está madurando, pero entender la arquitectura desde ahora te pone adelante. Los skills que más importan: diseñar agentes con estado claro y bien definido, trabajar con herramientas vía MCP, y construir sistemas multi-agente que puedan escalar más allá de un solo proceso.
Dónde aprender esto ahora
Si quieres construir desde ya con LangGraph — que ya integra MCP de forma nativa — el curso de Creación de Agentes con LangGraph es el camino más directo. Si quieres la ruta completa, desde agentes simples hasta sistemas multi-agente en producción con MCP, A2A y orquestación avanzada, la ruta AI Agentic Engineer cubre exactamente eso.
Si quieres ver cómo otros AI Engineers están implementando MCP en proyectos reales y practicar con otros que están en lo mismo, cada semana hacemos un taller en vivo en la Comunidad AI Builders — desde 19 USD/mes. Vale la pena si quieres el escalón práctico antes de meterte a un bootcamp.
El ecosistema de agentes se está estandarizando más rápido de lo que la mayoría esperaba. Los que entiendan MCP y A2A hoy van a tener ventaja cuando eso sea requisito en las ofertas de trabajo de 2027. El curso de LangGraph es el primer paso práctico. La ruta AI Agentic Engineer es el camino completo.
