Tutoriales, comparativas y patrones de diseño para construir agentes autónomos que se autofinancian, llaman a 345+ modelos y orquestan MCP Tools.
A2A transporta el mensaje, AP2 le da forma, x402 lo liquida. La extensión A2A x402 une las tres con una máquina de cinco estados sobre el ciclo de vida de un Task de A2A. Leemos la spec v0.1: identificadores, estructuras, metadata keys y las reglas de seguridad que mantienen las llaves privadas lejos del modelo.
La especificación de autorización de MCP convierte a los servidores remotos en resource servers OAuth 2.1 y a los clientes en clientes OAuth 2.1. Recorremos el flujo de descubrimiento 401, RFC 9728 Protected Resource Metadata, resource indicators de RFC 8707, la prohibición del confused deputy y qué significa para agentes que pagan por llamada.
x402 se lleva los titulares, pero el trabajo real pasa una capa más abajo. transferWithAuthorization de EIP-3009 es la autorización firmada que mueve stablecoins sin gas. Leemos el spec, los typehashes, la trampa de front-running y dónde el modelo se queda sin margen.
Los agentes de IA empresariales fallan no porque no puedan hablar, sino porque recuerdan lo incorrecto, olvidan lo importante o retienen lo que deberían eliminar. Oracle Agent Memory 26.6, lanzado el 10 de julio de 2026, introduce capacidades CRUD completas para hilos, mensajes, memorias y perfiles—construido sobre una arquitectura en base de datos que elimina los viajes de ida y vuelta a bases de datos vectoriales.
Darktrace informa que el 92% de los profesionales de seguridad están preocupados por el impacto de los agentes de IA. Gravitee encuentra que el 48% de los agentes en producción corren sin protección. Mastercard lanza Agent Pay for Machines con 40+ socios incluyendo Aave, Coinbase, Polygon y Solana. Open USD (OUSD) lanza el 30 de junio con 140+ socios, desafiando a Circle y Tether. MiCA comienza a aplicarse el 1 de julio en Europa. La infraestructura para pagos de agentes autónomos se está construyendo en tiempo real.
MCP 2026-07-28 es el cambio arquitectónico más grande del protocolo desde su lanzamiento. Volverse sin estado elimina el handshake de inicialización, habilita escalado horizontal e introduce Multi Round-Trip Requests. Este post explica los cambios y lo que significan para LLM4Agents e infraestructura de agentes autónomos.
Un eval de prompt plano deja de medir tu agente en el momento exacto en que el agente empieza a hacer su trabajo: la primera tool call. Este tutorial envuelve el conversation loop de LLM4Agents en un custom provider de Promptfoo — unas cuarenta líneas de TypeScript — para que el eval ejercite lo real: system prompt, MCP allowlist, tool rounds y costo liquidado. Cubre los tres asserts que atrapan regresiones reales de agentes (usó la tool, respetó su presupuesto de rounds, se repitió), integra la suite en GitHub Actions para que una edición de prompt que rompe el retrieval haga fallar el PR, y aborda el elefante en el runner: Promptfoo ahora es de OpenAI, y por qué eso es aceptable para este stack.
Todo el pipeline de retrieval — almacenamiento de archivos, parsing de PDF, embedding, búsqueda vectorial y el loop de conversación — vive detrás de un endpoint y un balance. Este tutorial construye un RAG agent funcional sobre tus propios PDFs en menos de 50 líneas de TypeScript y unas 30 de Python: ingest con workspace_upload, pdf_parse y vector_upsert, y después le das al modelo una allowlist de una sola tool y dejas que llame vector_query por su cuenta. Más un golden eval de tres queries, un deploy con Workers Cron mientras Agent Cron sigue en desarrollo, un desglose honesto de costos (unos 65 centavos por ingestar un handbook de 120 páginas) y una comparación componente por componente con el stack RAG de LangChain.