Ruta de aprendizaje Intermedio
Ecosistema de agentes: MCP, gateways y plataformas
Las piezas que conectan agentes con el mundo: construir tu propio servidor MCP, las plataformas visuales self-hosted Langflow, Flowise y Dify, integraciones con Composio, datos web con Firecrawl, navegación con browser-use y el gateway OpenRouter.
- 8 recursos
- 3 visitas
- ~78 min
Esta ruta enseña a montar el ecosistema técnico que conecta un agente de IA con herramientas, datos y otros modelos: el protocolo MCP, plataformas de orquestación self-hosted y los servicios que le dan a un agente ojos, manos y memoria de trabajo. Está pensada para quien ya sabe qué es un agente y quiere pasar a construir la infraestructura real detrás de uno.
Qué vas a poder hacer
Al terminar sabrás levantar tu propio servidor MCP para exponer herramientas a cualquier cliente compatible, desplegar una plataforma visual de orquestación en tu propia infraestructura y conectar un agente a datos web, navegación autónoma y decenas de modelos de IA a través de un único gateway. Es una ruta de nivel intermedio: conviene llegar con Docker manejado y una idea clara de qué es un agente y una llamada a herramientas (tool calling).
Cómo se construye el recorrido
Arranca por la base del protocolo, construyendo un servidor MCP propio, antes de pasar a las plataformas visuales self-hosted Langflow y Flowise, donde se orquestan flujos de agentes sin escribir todo el código a mano. Dify suma encima una capa de LLMOps completa para gestionar esos agentes en producción. A partir de ahí la ruta se abre a las piezas que dan autonomía real: Composio para conectar herramientas externas, Firecrawl para extraer datos web limpios y browser-use para que un agente navegue como lo haría una persona. Cierra con OpenRouter, el gateway que enruta cada tarea al modelo de IA más adecuado sin atarte a un solo proveedor.
Con estas ocho piezas cubres el stack completo que usan hoy la mayoría de agentes en producción: protocolo, orquestación, herramientas, datos y modelos.
Construir un servidor MCP propio
Un servidor MCP propio expone tus datos y funciones a cualquier asistente de IA mediante el Model Context Protocol. Con el SDK oficial de Python y su clase FastMCP escribes un servidor en unas veinte líneas: defines herramientas, recursos y prompts como funciones anotadas con tipos, y lo conectas a Claude, Cline o Goose por stdio o HTTP.
Langflow: constructor visual de agentes
Langflow es una herramienta de código abierto para construir agentes y flujos de IA arrastrando bloques en un lienzo visual, sin escribir apenas código. Puedes autoalojarla con Docker, conectar modelos, herramientas y bases de datos vectoriales, y publicar cada flujo como API o como servidor MCP. Esta guía explica cómo desplegarla y crear tu primer agente.
Flowise: agentes low-code self-hosted
Flowise es una herramienta de código abierto que te deja construir agentes de IA arrastrando nodos en un lienzo visual, sin escribir apenas código. Está construida sobre LangChain.js y puedes autoalojarla entera con un solo contenedor Docker. Esta guía explica cómo desplegarla, la diferencia entre chatflows y AgentFlow v2, y cómo se compara con Langflow y Dify.
Dify: plataforma LLMOps self-hosted
Dify es una plataforma de código abierto para crear aplicaciones y agentes de IA, con un lienzo visual de flujos, gestión de prompts, base de conocimiento RAG y capas de LLMOps. Puedes autoalojarla entera con Docker Compose sobre Postgres, Redis y una base de datos vectorial. Esta guía explica cómo desplegarla y cuándo conviene frente a Flowise y Langflow.
Composio: herramientas e integraciones para agentes
Composio conecta tu agente de IA con más de mil aplicaciones (GitHub, Slack, Gmail, Notion) mediante herramientas preautenticadas y autenticación OAuth gestionada. En lugar de escribir cada integración a mano, pides las herramientas por su nombre y el agente actúa en nombre de cada usuario. Esta guía explica qué es, cómo gestiona la autenticación y cómo conectarlo a tu framework de agentes.
Firecrawl: datos web para agentes
Firecrawl es una API de código abierto que convierte cualquier página web en Markdown limpio y listo para un modelo de lenguaje. Con endpoints de scrape y crawl y extracción estructurada a JSON, da a tu agente de IA datos web fiables. Esta guía cubre sus formatos, cómo alojarlo con Docker y cuándo compensa frente a un scraper propio.
browser-use: agentes que navegan por la web
browser-use es una biblioteca de Python de código abierto que deja a un agente de IA manejar un navegador como lo harías tú: abre páginas, lee el DOM, hace clic y rellena formularios. Nació sobre Playwright y en 2025 pasó a hablar directamente el protocolo CDP de Chrome para ganar velocidad. Esta guía explica cómo funciona y cuándo usarla.
OpenRouter: un gateway para modelos de IA
OpenRouter es una pasarela alojada que reúne más de 400 modelos de IA de más de 70 proveedores tras una única API compatible con OpenAI. Cambias la URL base, usas una sola clave y un único saldo, y ganas enrutado automático, reserva ante fallos y precios sin recargo por token. Frente a un proxy propio como LiteLLM, no administras nada.