✨︎ Resumen (TL;DR):
- Google DeepMind lanzó Gemini API Docs MCP y Agent Skills para desarrolladores de software.
- El modelo Gemini 3.1 Pro Preview elevó su tasa de éxito del 28.2 % al 96.6 % en pruebas de programación.
- Las herramientas conectan a los asistentes de inteligencia artificial con documentación oficial en tiempo real.
Google DeepMind presentó el lunes dos nuevas herramientas para desarrolladores: Gemini API Docs MCP y Agent Skills. El objetivo es evitar que los asistentes de programación basados en inteligencia artificial generen código obsoleto debido a sus fechas límite de entrenamiento. Trey Nguyen, gerente de producto, explicó que estas utilidades conectan a los agentes directamente con la documentación en tiempo real de la Gemini API.
El problema de los agentes de programación es evidente. Su conocimiento se congela en la fecha en la que terminaron de entrenarse, lo que provoca que sugieran integraciones que Google pudo haber descontinuado meses atrás. Para los desarrolladores, esto genera horas extra de depuración buscando solucionar errores en líneas de código que parecen correctas.
El Model Context Protocol (MCP) es un estándar abierto que conecta sistemas de IA con fuentes de datos en vivo. Para aprovecharlo, Gemini API Docs MCP permite a los agentes de código consultar la documentación actual mediante un servidor público. Los programadores solo necesitan ejecutar un comando en la raíz de su proyecto para agregar una función de búsqueda que recupera patrones al día.
Por su parte, Agent Skills funciona como un complemento clave. Esta herramienta inyecta instrucciones de mejores prácticas directamente en el contexto del agente, forzando el uso de versiones correctas de SDK y nombres de modelos actuales. Incluso si el servidor MCP no está instalado, la habilidad extrae la información del sitio para desarrolladores de Google.
Un salto de precisión del 28 al 96 por ciento
Google evaluó estas soluciones usando 117 prompts de programación enfocados en creación de chatbots, procesamiento de documentos y uso de SDK. Los resultados confirmaron la efectividad del nuevo sistema:
- Sin las herramientas, el modelo Gemini 3.1 Pro Preview solo aprobó el 28.2 % de las tareas.
- Con la habilidad activada, la tasa de éxito escaló hasta el 96.6 %.
- Cualquier prompt que utilizara un SDK descontinuado fue marcado como fallo.
Los modelos más antiguos, como Gemini 2.5, mostraron mejoras mucho menores, un resultado que Google atribuye a las limitadas capacidades de razonamiento de dichas versiones. Además, el equipo reconoció estudios de Vercel que sugieren que el uso de archivos directos AGENTS.md puede superar a veces el rendimiento de estas habilidades.
Estas nuevas utilidades ya son compatibles con entornos profesionales de código como Claude Code, Cursor, Gemini CLI y la plataforma Antigravity. En el blog oficial, Philipp Schmid y Mark McDonald de Google DeepMind justificaron este lanzamiento de cara al mercado empresarial:
“Las prácticas de ingeniería de software son de ritmo rápido y cambian a menudo, donde se lanzan nuevas bibliotecas todos los días y las mejores prácticas evolucionan rápidamente. Esto deja una brecha de conocimiento que los modelos de lenguaje no pueden resolver por sí solos”.
