Durante décadas, la interacción del software se ha definido por usuarios que se adaptan a los lenguajes y estructuras específicos de varias interfaces, pero el auge de los Modelos de Lenguaje Grandes (LLM, por sus siglas en inglés) está desafiando este paradigma. Según Dhyey Mavani, en un artículo del 3 de enero de 2026, la pregunta fundamental está cambiando de "¿A qué API llamo?" a "¿Qué resultado estoy tratando de lograr?".

Este cambio significa un paso de la interacción centrada en el código a la interacción basada en el lenguaje, donde los usuarios pueden expresar su intención en lenguaje natural, y el sistema interpreta y ejecuta las funciones necesarias. Mavani introduce el concepto de Protocolo de Contexto del Modelo (MCP, por sus siglas en inglés) como una abstracción crucial en esta nueva era. MCP permite a los modelos comprender la intención humana, descubrir capacidades relevantes y ejecutar flujos de trabajo, traduciendo eficazmente las solicitudes en lenguaje natural en funciones de software.

El enfoque tradicional de la interacción del software implicaba que los usuarios aprendieran comandos específicos, memorizaran métodos HTTP e integraran Kits de Desarrollo de Software (SDK, por sus siglas en inglés). En la década de 1980, los usuarios escribían comandos como 'grep', 'ssh' y 'ls' en un shell. A mediados de la década de 2000, invocaban puntos finales REST como 'GET users'. La década de 2010 vio el auge de los SDK, como 'client.orders.list()', que abstraían las complejidades HTTP subyacentes. Sin embargo, todos estos métodos requerían que los usuarios comprendieran y se adhirieran a la forma estructurada en la que se exponían las capacidades del software.

Los LLM están cambiando esto al permitir una interfaz más intuitiva y accesible. En lugar de requerir que los usuarios conozcan la función específica o la firma del método, los LLM pueden interpretar el lenguaje natural y determinar las acciones apropiadas. Esto tiene implicaciones significativas para la sociedad, democratizando potencialmente el acceso al software y reduciendo la barrera técnica de entrada.

El desarrollo de MCP es un paso clave para hacer realidad esta visión. Al proporcionar una forma estandarizada para que los modelos comprendan el contexto y accedan a las capacidades, MCP puede facilitar la creación de sistemas más inteligentes y fáciles de usar. El artículo enfatiza que MCP no es simplemente una palabra de moda, sino un enfoque tangible para cerrar la brecha entre la intención humana y la ejecución del software.

Las implicaciones de este cambio son de gran alcance. A medida que los LLM continúan evolucionando, podemos esperar ver más aplicaciones que aprovechen el lenguaje natural como la interfaz principal. Esto podría conducir a flujos de trabajo más intuitivos y eficientes, así como a nuevas oportunidades de innovación. La atención se centrará en definir el resultado deseado, en lugar de lidiar con los detalles técnicos de cómo lograrlo.