Enseña a tu IA a recordar tareas y ahorra tokens

Vistas: 251
0:00 / 0:00
Enseña a tu IA a recordar tareas y ahorra tokens

Parece mentira, pero con este artículo celebramos un hito que me llena de un orgullo tremendo: ¡alcanzamos las 800 entregas! Ochocientos episodios de pódcast compartiendo mi pasión por Linux, el autoalojamiento, la terminal y, en los últimos tiempos, el fascinante mundo de la Inteligencia Artificial local. Muchísimas gracias por estar ahí acompañándome en cada andanza, porque sin vuestro apoyo diario al otro lado de la pantalla o del reproductor de pódcast, esto no tendría ningún sentido. Como digo habitualmente cuando llego a estos episodios clave, quien me iba a decir a mi, cuando Àngel de uGeek me invitó a meterme en este fregado que llegaría hasta este punto… Solo tengo que darle las gracias.

Para festejar este número redondo, hoy vamos a meternos de lleno en un tema muy especial que va a solucionar uno de los mayores quebraderos de cabeza de cualquier persona que use asistentes digitales locales: la amnesia de las inteligencias artificiales. Hoy te voy a contar cómo he programado y configurado un gestor de tareas local usando un servidor MCP para que tu modelo de lenguaje tenga memoria persistente a largo plazo. Porque, ya te habrás dado cuenta que, de una sesión a otra, tu IA, se ha olvidado de todo, o casi todo… Vamos a solucionarlo.

El molesto problema de la amnesia en las Inteligencias Artificiales

Si usas habitualmente modelos de lenguaje (tanto locales como en la nube), seguro que has experimentado esa molesta sensación de que tu asistente se olvida de las cosas. Mantienes una charla estupenda, le dictas varias cosas importantes y, al cabo de unas cuantas frases o al abrir un chat nuevo al día siguiente, el modelo ha borrado por completo esos recuerdos. No tiene ni la más remota idea de lo que estabas hablando.

Esto ocurre por un concepto técnico llamado ventana de contexto. Los modelos de lenguaje tienen un límite físico de información que pueden procesar a la vez. Es como si estuvieras hablando con alguien que solo puede recordar las últimas diez páginas de un libro. En cuanto pasas a la página once, la primera página desaparece de su memoria para siempre.

Hasta ahora, la forma de solucionar esto consistía en volver a enviarle todo el historial de la conversación en cada mensaje. Sin embargo, esto es ineficiente por varios motivos:

  • Consumes una cantidad de tokens brutal.
  • El tiempo de respuesta de la IA se resiente notablemente.
  • Al final, acabas saturando el sistema por completo.

La verdadera solución pasa por darle a nuestra IA una libreta física para que apunte las cosas importantes. Es decir, una base de datos persistente.

¿Qué es el Model Context Protocol (MCP)?

Para que nuestro modelo de lenguaje local pueda interactuar con el mundo exterior (como bases de datos, APIs de internet o archivos de nuestro sistema), necesita un intermediario. Aquí es donde entra en juego el Model Context Protocol, un estándar abierto maravilloso que actúa como un puerto de comunicación universal para la Inteligencia Artificial.

Gracias a este protocolo, el modelo de chat que estemos utilizando puede pedirle de forma segura a nuestro servidor que ejecute acciones por él. La IA no accede directamente a nuestros archivos (lo cual sería un riesgo enorme para la seguridad), sino que le pide amablemente a nuestro servidor MCP que realice las consultas necesarias y le devuelva el resultado en un formato de texto estructurado.

La solución: Un gestor de tareas inteligente y local

Para este proyecto decidí programar mi propio servidor MCP ToDo utilizando Rust. Como sabes, cuando nos apasiona el autoalojamiento en casa con servidores modestos, el rendimiento y el consumo de recursos lo son todo. Rust nos permite crear binarios súper compactos que se ejecutan al instante y consumen una cantidad de memoria RAM ridícula comparada con otros lenguajes.

Para almacenar las tareas, me decanté por usar una base de datos SQLite. Podría haber utilizado un simple archivo plano en formato JSON, pero cuando tienes cientos de tareas acumuladas, leer y reescribir un archivo completo cada vez que añades un recordatorio se vuelve un proceso lento y propenso a errores.

SQLite es ligera, fiable y nos regala una joya de la corona: FTS5 (Full-Text Search). Gracias a esta tecnología, podemos realizar búsquedas por texto de forma ultrarrápida. De este modo, si la IA necesita comprobar si ya tenemos apuntado comprar el pan, puede realizar una consulta semántica aproximada para evitar duplicar información de forma innecesaria.

Configuración paso a paso en OpenWeb UI

Para poner a funcionar este invento, tengo el servidor de tareas empaquetado en un contenedor ligero que gestiono de forma limpia y transparente mediante Podman y Quadlets (aunque puedes usar Docker si te resulta más cómodo).

Una vez que el contenedor está corriendo y comunicado con nuestra red proxy local, el proceso de integración en OpenWeb UI es asombrosamente sencillo:

  1. Accedemos al panel de administración de OpenWeb UI.
  2. Nos dirigimos a la sección de integraciones y añadimos un nuevo servidor MCP de tipo SSE (Server-Sent Events).
  3. Introducimos el identificador único, un nombre representativo y la URL con el puerto (en mi caso, el puerto 3003).

Pero ojo, que falta el paso definitivo para que todo funcione. Una vez establecida la conexión, tenemos que ir a los ajustes de edición del modelo de lenguaje que vayamos a usar (por ejemplo, Qwen 2.5) y activar de manera explícita la herramienta MCP ToDo. A partir de ese momento, el modelo tiene herramientas activas para consultar y modificar nuestra libreta de tareas.

Interactuando con nuestra IA en el día a día

Lo verdaderamente divertido de este sistema es la flexibilidad que nos ofrece el lenguaje natural. Ya no tenemos que rellenar formularios aburridos o usar sintaxis complejas de bases de datos. Simplemente abrimos un chat con nuestra IA y le decimos algo como: Oye, mañana tengo que comprar pan.

El modelo interpretará tu orden, deducirá qué día es mañana basándose en la fecha actual, convertirá la expresión temporal en una fecha estructurada con año, mes y día, y llamará a nuestro servidor MCP para insertar la tarea con prioridad media y estado pendiente.

Del mismo modo, si le dices: El lunes a las diez de la mañana tengo que pagar la factura de la luz, procesará los datos al vuelo para guardarlos. Y si luego le pides dame los detalles de la factura de la luz, la IA buscará en la base de datos local y te mostrará el identificador, la fecha de vencimiento, la prioridad y te ofrecerá marcarla como completada o añadirle etiquetas interesantes como facturas.

En el directo pudiste ver que no todo es siempre de color de rosa. A veces, la IA se confunde al interpretar fechas relativas complejas o se produce algún error menor de codificación. Pero esa es la verdadera magia de cacharrear: mirar los logs del contenedor en tiempo real, entender qué consulta está fallando y ajustar las instrucciones del sistema para ir afinando la comunicación poco a poco.

Evitando el colapso de la IA: La importancia de la paginación

Un aspecto crítico a la hora de diseñar herramientas para inteligencia artificial es evitar que el asistente se empache de datos. Imagina que tienes guardadas quinientas tareas que has completado a lo largo del año. Si le pides a la IA que te muestre tus tareas pendientes y el servidor le devuelve las quinientas de golpe, habrás destruido su ventana de contexto.

El modelo se saturará de información innecesaria, gastará miles de tokens inútilmente y empezará a responder de forma lenta y errática. Para evitarlo, en mi implementación he prestado especial atención a la paginación. El servidor solo le proporciona a la IA los próximos diez resultados o filtra rígidamente por el rango de fechas que hayamos solicitado. De este modo, la conversación sigue siendo rápida, precisa y muy barata de procesar.

Hacia dónde vamos: El puente hacia RAG y búsquedas semánticas

Aunque la base de datos relacional SQLite nos proporciona una solidez increíble para almacenar la información de forma clásica, este desarrollo es solo la primera piedra del camino.

En los próximos episodios entraremos de lleno en el fascinante mundo del RAG (Generación Aumentada por Recuperación) y las bases de datos vectoriales. Cuando crucemos ese puente, la IA será capaz de entender el significado profundo de tus frases. Ya no buscará coincidencias exactas de texto, sino que sabrá perfectamente que si escribes abonar el recibo eléctrico y pagar la factura de la luz, estás hablando exactamente de la misma tarea, gestionando de forma autónoma los duplicados semánticos y ofreciéndote una experiencia increíblemente orgánica.

Taller presencial en el Linux Center de Slimbook

Si te apasiona todo esto y quieres experimentar de primera mano con estas herramientas, te recuerdo que el próximo 6 de junio de 2026 impartiré un workshop presencial de Inteligencia Artificial local en el Linux Center de Slimbook en Valencia.

Dispondremos de máquinas estupendas cedidas por la marca para que puedas probar estos flujos, desplegar tus propios agentes con proyectos como OpenClaw o Hermes, y conectarlos de forma práctica con aplicaciones de mensajería como Telegram o Matrix. ¡Una ocasión perfecta para encontrarnos y aprender juntos cacharreando!


Ver el vídeo de este episodio
Transcripción

Hola soy lorenzo y esto es atareado con Linux episodio número 800 800 ni más ni menos bueno,

Que me despisto en este episodio vamos a continuar con el tema del mcp en este caso,

Te voy a traer un mcp para que te recuerde cosas que tienes que hacer y es que esto es fundamental,

Básicamente esto es fundamental en el episodio anterior te estuve hablando sobre un mcp muy,

Sencillito que había implementado que lo único que te conseguía era pues sacar las coordenadas,

Longitud y latitud de una ciudad y a partir de esas coordenadas obtener la situación meteorológica,

Justo en el momento en el que tú le estabas preguntando pero además te permitía,

Saber la previsión meteorológica en las próximas horas e incluso en los próximos días según todo,

Le fueras preguntando la gran ventaja de hacerlo de esta manera es que limitas la cantidad o el,

Contexto que estás consumiendo cuanto más preguntas cuanta más información te traes de una sola,

Respuesta pues evidentemente más vas a llenar el contexto y estamos en optimizar lo que vamos,

Haciendo a pesar de los desmanes que tengo yo con el consumo de tokens sin embargo bueno incluso te,

Voy a decir algo más si recuerdas si estuviste en los principios de chat gpt yo creo recordar que fue,

Una cosa así simplemente con preguntar o sea cuando preguntabas algo te decías que no sé ni el día que,

Es que es en esto ya hemos evolucionado bastante ya te sabes decir no solamente el día que es sino que,

Además en base a la ip desde la que te estás conectando es capaz de identificar la ciudad en la,

Que te encuentras y todo esto es a base de herramientas como te digo depende tú de la,

Herramienta que estás utilizando si estás utilizando chat gpt o gemini directamente en el interfaz pues,

Tienes unas cosas pero si estás utilizando en otra herramienta como puede ser open web ui open,

Claw o hermes pues tienes que dotarle de herramientas para que él sea capaz de hacer todo este tipo de,

Operaciones y cuando te digo todo este tipo de operaciones lo más importante aquí es el tema de la,

Memoria porque si está muy bien eso de preguntarle la hora que es eso es tirar el dinero básicamente o,

Preguntarle cuál es la situación meteorológica justo en el momento que también es tirar el dinero a menos,

Que vayas a hacer algo más con eso pero no se trata de estas herramientas tan sencillas también se,

Trata de pues que tenga memoria que sea capaz de recordar cosas que sea capaz de en un momento,

Concreto que tú le digas que mañana tienes que hacer algo y él se acuerde de eso y esto es básicamente,

La parte más importante o la parte más interesante de la que tenemos que tirar de la parte de conseguir,

Que sea capaz de hacer otras cosas otro tipo de cosas que sea capaz de pasar de única y exclusivamente,

Leer o hacer cosas concretas como el tema de sacar el tiempo a cosas más complejas como puede ser,

El asunto de una escritura activa donde tú en un momento determinado no solamente eres capaz de sacar,

Cuál es la previsión meteorológica sino guardarla y guardarla para en un futuro en un día próximo en un día,

Lejano conseguir y es que el problema fundamental y algo de lo que te vengo hablando en episodios,

Anteriores básicamente es del tema de la amnesia de la ventana de contexto que en un momento determinado,

Tú le vas diciendo cosas y llega un momento en que se olvida porque se ha acabado la ventana del,

Contexto o simplemente has salido de tu trabajo o de tu entorno de trabajo y todo eso pues básicamente,

Se ha perdido así que tenemos que ir a una solución una solución en la que pues vayas a algo que te,

Permita mantener toda esa información en algún sitio por ejemplo como yo he hecho en este caso en,

Una base de datos local en un SQLite y con esto vas a tener los datos de tus tareas que van a persistir,

A lo largo del tiempo y de manera que la IA puede consultar en cualquier momento esos datos y trabajar,

Con ellos esto es así de sencillo básicamente tú lo que has hecho lo que hemos hecho ha sido crear,

Esa herramienta esa interfaz ese mcp para hacer estas cosas pero yendo a yendo al detalle yendo a lo que,

Estamos haciendo cómo funciona todo esto vale pues yo lo que he hecho como te decía anteriormente y bueno,

Vamos directos al tron que me he emocionado y se me ha olvidado la frase fundamental así que allá que,

Vamos bueno como te digo que es lo que como como lo he hecho yo bueno pues simplemente he creado un,

Mcp implementado en rastal y como te conté en el episodio anterior por las ventajas que tiene este,

Mcp o mejor dicho este lenguaje de programación respecto a hacerlo directamente con python pues,

Con esta solución es increíblemente rápido sobre todo si te basas en herramientas como pueden ser,

Open code donde dices basándote en este a este otro y con esto ya lo tendrías o incluso hacer,

Modificaciones sobre él como te digo y se me olvidaba igual que se me olvidó en el episodio,

Anterior decirte que toda esta información todos estos mcps que estoy implementando están disponibles,

En GitHub así que lo tienes fácil bueno una vez hecho esto con la herramienta que te conté en los,

Primeros episodios que es qctl con esta herramienta lo que puedes hacer es conocer primero el estado,

Vale este el bcp ahora mismo lo tengo apagado no lo tengo en marcha entonces lo primero que tengo que,

Hacer es arrancarlo en este caso estoy utilizando quadlets que es una herramienta de,

De Podman pero en lugar de cuartles tú también puedes utilizar Docker yo estoy utilizando Docker porque,

Cuartles porque tiene sus ventajas lo voy a arrancar ya para ponerte un ejemplo y que veas,

Exactamente cómo funciona y lo fácil que es de configurar yo por continuar yo ahora mismo lo tengo,

Configurado en open web ui para configurarlo en open web ui lo que tienes que hacer es ir a,

Administración panel de administración en el panel de administración te tienes que ir a settings,

En settings a integrations y allí vas a tener los distintos mcps el mío el mcp todo ya lo tengo aquí,

Y lo tengo configurado de esta manera que es el nombre mcp todo el id y la dirección que como lo,

Tengo conectado todo a través del proxy de la red proxy lo puede identificar como mcp todo en el puerto,

3003 Ahora entraré con más detalle para que veas y luego está configurado como un mcp este tipo stream,

Esto simplemente bueno aquí tienes para verificar que se conecta ahora mismo está fallando porque estoy,

Arrancando el mcp en el momento que esté arrancando arrancado directamente verificaremos de nuevo la,

Conexión comprobaremos que está funcionando correctamente y ya podremos trabajar con él decirte que en este caso,

Para para este episodio he creado ya una tarea simplemente para que veas cómo se crean tareas,

Cómo se listan y aquí lo añado básicamente a otras herramientas como puede ser open cloud o como pueden ser,

Hermes bien ya arrancado yo ahora ya podría verificar que está funcionando ahora la conexión es correcta y una,

Vez verificado simplemente guardamos guardamos en nuestro open web ui y ahora nos queda un detalle,

Fundamental que se me olvidó comentarte en el episodio anterior y es que además de esto tenemos,

Que ir a los modelos,

A ver si puedo,

A los modelos y en el modelo que estemos trabajando en este caso que yo estoy trabajando con el qwin,

3590,

A ver con este vale aquí hay que darle a editar y hay que marcar que puede utilizar,

Ese mcp mcp to do y una vez hecho esto ya tenemos todo el trabajo realizado,

Ahora simplemente nos vamos a un nuevo chat cerramos esto aquí ya nos aparece que tenemos ocho herramientas,

Disponibles entre las que está mcp to do y ahora voy a hacer que nos liste los logs para ver exactamente,

Qué es lo que está sucediendo yo ahora le puedo le podría decir que me dijera le puedo le puedo decir no le,

Voy a decir que me diga dime todas las tareas,

Pendientes a ver si con este me saca aquí haría lo que ha hecho hasta el momento buscar entre todas las,

Herramientas que tiene a su disposición seleccionar la herramienta que más adecua a lo que yo le estoy pidiendo,

Y en base a eso,

La utiliza y me da la información que yo le pido,

Aquí ya ha encontrado la lista y ahora ya me dice,

Me dice que tengo una tarea pendiente que es la copia de seguridad de la base de datos de atareado.es,

Me dice que vence bueno aquí dice vence hoy pero mañana porque es día 24 y ya me dice quieres marcar la tarea como completada,

Le voy a decir que no y le voy a decir que cree una nueva una nueva tarea crea,

No mañana tengo que comprar pan,

A ver si se acuerda ahora directamente va a hacer la misma operación espero va a mirar en las herramientas,

Efectivamente dice mcp to do create task y ahora me dice ya dice exactamente que tengo dos tareas la de comprar pan,

Que vence mañana y ahora le digo dame los detalles de,

La tarea de comprar pan,

De comprar pan,

Y ahora me dirá cuáles son los detalles de la tarea de comprar pan,

Que esto lo quiero para que veas le ha creado un id tal y como tengo el estado que el to do es pendiente,

La prioridad es media le he puesto cuando tiene que vencer porque he dicho que mañana,

Le está cuando está creada y por ejemplo este no tiene etiquetas,

Pero si dime los detalles,

Bueno vamos a crear otra tarea crea,

Mañana el lunes,

A las 10 de la mañana,

Tengo,

Hay que,

Crear hay que hacer la factura,

No hay que pagar,

La factura de la luz,

Por ejemplo,

Lo primero que se me ha ocurrido,

Ahora de nuevo vuelve a hacer la exploración,

Busca la herramienta,

Encuentra la herramienta de crear,

La crea,

Y demás,

Me hace un listado de todas las tareas que tengo pendientes,

Además,

Todo esto,

Puedes ver exactamente,

Qué es lo que está haciendo por debajo,

Por ejemplo,

Ahora,

Lo que está haciendo es,

Pues hacer,

Consultas select,

Que son las consultas select,

Que yo tengo programadas,

En la base de datos,

A ver,

Lista,

Las tareas,

No sé lo que está haciendo ahora,

Voy a decir que pare,

Y que me liste las tareas,

A ver si me lista las tareas que tiene,

O no me las lista,

Vale,

Porque,

Tiene solamente dos,

Vale,

Se ha liado antes,

Con el formato de fecha,

Que le tiene que dar,

Ah bueno no,

Lo tiene aquí,

Está apagar la factura de la luz,

No sé si lo ha puesto bien,

Lunes a las 10 de la mañana,

A ver,

Dame los detalles,

De la factura de la luz,

A ver si me dice,

Claro,

Esto,

Puede suceder,

Que tengas algún error,

Esto simplemente es,

Ir corrigiendo,

Estos pequeños errores,

Si es que tienes,

Yo la verdad es que,

Hasta ahora,

No me había sucedido,

Siempre tiene que pasar,

Alguna cosa,

Cuando lo haces todo,

En vivo,

Y en directo,

Vale,

No sé si ya lo está recuperando,

O se ha vuelto a liar,

Como antes,

Bueno en fin,

Como ves,

Esto es una manera muy sencilla,

Para hacer todo este tipo,

De operaciones,

Siempre y cuando,

No se líe con el tema,

De las fechas,

Esto lo tengo que,

Bueno si aquí lo tiene,

Fecha,

El estado,

La prioridad,

Proyecto,

Le ha asignado el proyecto,

Que él ha querido,

Y etiquetas,

No le ha asignado,

Ninguna etiqueta,

Le voy a decir que le pongo,

Una etiqueta,

Pon una etiqueta,

A,

Una etiqueta,

De,

Facturas,

A la tarea,

De,

La factura,

De la luz,

Vale,

Perdón,

A ver si consigo,

Que haga lo que tiene que hacer,

Porque claro,

Aquí al fin y al cabo,

No solamente estamos interactuando,

Con una herramienta,

Sino que también estamos,

Interactuando,

Con un modelo de lenguaje,

Mira,

He añadido la etiqueta,

Facturas,

A la factura de la luz,

Ya tiene una etiqueta,

Ya está,

Y ahora le podemos decir,

Márcala,

Como completada,

Márcala,

Como,

Marca,

Esta tarea,

Como completada,

A ver,

Al final,

Todo esto,

Pues,

Está bien,

Son,

Cosas que se pueden hacer,

Cosas que te pueden ayudar,

Pero sobre todo,

Yo la parte que me parece,

Más interesante,

Es la de,

Poder unirla,

A utilizarla,

Con agentes,

Como pueden ser,

Opencloth,

O como pueden ser,

Hermes,

De esta manera,

Con estas,

Herramientas,

Desde,

Telegram,

O desde matrix,

O desde la red social,

Que estés utilizando,

Vas a poder trabajar,

Fácilmente con todo esto,

Vale,

¿Cómo está montado,

Esta historia,

Al final,

Lo único que hay,

Si lo piensas,

Es un simple,

Crud,

Una herramienta,

Donde estamos,

Interaccionando,

Con una base de datos,

Mediante un,

Create,

Leer,

Actualizar,

Y borrar tareas,

Crear una tarea,

Listar tareas,

Borrar tareas,

Además también,

He hecho,

Algunas operaciones,

En lote,

Como puede ser,

Añadir varias,

Tareas de golpe,

Añadir varias,

Borrar varias de golpe,

Y además he hecho,

Algunas,

Utilizando,

Un archivo,

Y una papelera,

Y también tengo,

Tareas avanzadas,

O sea,

Búsquedas avanzadas,

Donde además,

De buscar,

Por nombre,

Estoy buscando,

Por,

¿Cómo se llama,

Por algunas,

De las características,

Que tiene,

Aquí me encuentro,

Con un problema,

Y ahora lo entenderás,

Perfectamente,

El problema,

Es por ejemplo,

Si creo,

La de la factura,

De la luz,

Y hago otra,

Que sea,

Por ejemplo,

Pues no se me ocurra,

Ahora mismo,

Vamos a ver,

Que sea,

Crea,

Una tarea,

No,

El lunes,

Tengo que pagar,

La luz,

El lunes,

Tengo que pagar,

La luz,

A ver,

Qué es lo que pasa,

A ver,

Si me la crea,

O no,

Porque esto,

Es lo que,

Te va a demostrar,

El problema,

Que te encuentras,

Cuando te estás,

Relacionando,

Con este tipo,

De operaciones,

Es decir,

Cuando estás,

Interactuando,

Con un modelo,

De lenguaje,

¿Qué es lo que,

Puede suceder ahora,

Que cree otra tarea,

Una tarea,

Que no debería,

De crear,

Porque ya tengo,

Una tarea,

Que dice,

Pagar la factura,

De la luz,

Que además,

La he marcado,

Como completada,

En este caso,

Como estoy utilizando,

Una base de datos,

Relacional,

Normal y corriente,

En ese culite,

Lo que puede suceder,

Es exactamente eso,

Por esto,

Por esta razón,

Se crean,

Precisamente,

Los RAC,

Un RAC,

No es una base,

De datos,

Ese culite,

Sino que,

O bueno,

No es una base,

De datos,

Relacional,

Ni es una base,

De datos,

No relacional,

Sino que,

La gran ventaja,

Que tiene,

Es que,

Es una base,

De datos,

Que está pensada,

Para guardar,

Información,

Tal y como,

Se trabaja,

Con los LLMs,

Con los modelos,

De lenguaje,

De esta manera,

Cuando yo le he dicho,

Que tiene que pagar,

La luz,

Lo que va a hacer,

Buscar en su base,

De datos,

Si hay algo,

Que es similar,

Y si hay algo,

Que es similar,

Directamente,

Te va a decir,

Oye,

Que ya tienes,

Algo similar,

Que no hace falta,

Que lo pagues,

Bueno,

Aquí se ha vuelto,

A liar otra vez,

Con el tema,

De las fechas,

Así que tendré,

Que darle,

Una vuelta,

A todo esto,

A ver,

Vamos a preguntarle,

Cuántas,

Tareas,

Tiene,

Por hacer,

Y esto es un poco,

Lo que quería contarte,

Creo que no me dejo,

Por aquí nada,

Vale,

Si hay un pequeño detalle,

O gran detalle,

A ver si me dice,

Primero cuántas tareas,

Tiene por hacer,

Y si me dice,

Las tareas,

Que tiene por hacer,

Vamos a ver,

Está muy interesante,

Esto porque,

Claro,

Cuando,

Dependiendo del modelo,

Aquí uno de los problemas,

Que tengo,

Que es el problema,

Ves,

Si que me ha puesto,

El pagar la factura,

De la luz,

Y el problema,

Es precisamente este,

Claro,

Él no sabía,

O ha entendido,

Que son dos tareas,

Distintas,

A pesar de que,

Yo he utilizado,

Un modelo,

Para identificar,

Que son dos tareas,

Parecidas,

O sea,

Que si dos tareas,

Son parecidas,

Él no ha llegado,

A identificarlas,

Con lo cual,

Me ha creado,

Una nueva tarea,

Y luego,

Hay otro problema,

Que es el tema,

De las fechas,

Dependiendo del modelo,

Que utilices,

Si entiende bien,

La fecha,

O no entiende bien,

La fecha,

O consigue poner,

La fecha,

Como la tiene que poner,

Pues,

Te vas a encontrar,

Que esto lo guarda,

En la base de datos,

O que te da un error,

Como te ha dado,

Actualmente,

También esto,

Lo puedes modificar,

Utilizando,

Las habilidades,

Los skills,

Para decirle,

Exactamente,

Como quieres,

Vale,

Y dicho esto,

Aquí,

Claro,

Un detalle fundamental,

Es,

Qué es lo que tengo,

Que utilizar,

En un momento determinado,

Para hacer este,

Mcp,

Lo que pensé,

Era,

O bien utilizar,

Una base de datos,

Relacional,

Como puede ser,

Ese culite,

O bien utilizar,

Un archivo json,

Un archivo json,

Simple,

Y al final,

Me decanté,

Evidentemente,

Por una base de datos,

Ese culite,

¿Por qué,

Pues primero,

Porque es muy sencillo,

Al final,

La siguiente,

Es que realizar,

Búsquedas,

Es tremendamente,

Muy fácil,

El rendimiento,

Es increíble,

Frente a lo que suele,

Suceder con un json,

Porque en el caso,

De un json,

Lo que te vas a encontrar,

Es que,

Cuando son muy grandes,

Pues son difíciles,

De manejar,

Y además,

Cuando tienes que hacer,

Búsquedas por texto plano,

Tiene bastantes problemas,

Sin embargo,

Con ese culite,

La ventaja,

Que tienes,

A la hora de realizar,

Búsquedas,

Es que tiene,

FTS 5 integrado,

Que te permite,

Rankear,

Las búsquedas,

Que haces,

Es decir,

Yo cuando le he dicho,

Por ejemplo,

Que tenía que pagar,

Una factura,

De la luz,

Él ha hecho una búsqueda,

A ver si hay algo,

Similar a eso,

Si hay algo similar,

Me tenía que haber dicho,

Oye tienes algo,

Muy similar,

Con una probabilidad,

De tanto,

De que sea lo mismo,

Y por esta,

Por esta razón,

Directamente,

He estado utilizando,

Ese culite,

Me he decantado,

Por utilizar,

Ese culite,

Y luego,

Por otro lado,

Está el tema,

De,

Utilizar,

RAST,

La gran ventaja,

Bueno,

La gran útil,

Más que utilizar,

RAST,

Es la,

Utilizar,

Un MCP,

Para acceder,

A tu base de datos,

O a tu listado,

De archivos,

La IA,

Evidentemente,

No tiene,

En ningún caso,

Acceso directo,

A tu sistema,

De archivos,

Ni a la base de datos,

Ni nada,

Y por esto,

Necesita una herramienta,

Intermedia,

Como te he estado,

Hablando,

En estos últimos episodios,

Que es la que nos da,

El MCP,

¿Qué nos podemos encontrar,

Pues lo que nos podemos encontrar,

Es,

Determinados problemas,

Como por ejemplo,

Marcar la tarea,

Del servidor,

Como completada,

Y en ese momento,

El servidor,

Se encuentra,

Distintas coincidencias,

Esto es lo que te estaba,

Hablando anteriormente,

Aquí es donde,

Tenemos que conseguir,

Resolver claramente,

Qué es lo que tiene que hacer,

Si da un error,

Lo que le tenemos que decir,

Claramente,

A nuestro modelo,

De lenguaje,

Es que ha dado un error,

Y qué tiene que hacer,

Y aquí es donde reside,

Básicamente,

Nuestro trabajo,

El trabajo,

Dedicado,

Que tenemos que,

Emplear,

Para poder resolver,

Todo este tipo,

De problemas,

Para que,

No aparezca un error,

237,

Sino que directamente,

El modelo de lenguaje,

Sea capaz,

De decirte,

Qué es lo que ha sucedido,

Y luego,

Otro de las tareas,

También,

Fundamentales,

Es algo,

De lo que te hablé,

En un episodio anterior,

Que es la optimización,

De tokens,

Enviar 500 tareas,

Completadas,

A una IA,

Lo que va a hacer,

Es,

Llenar la ventana,

De contexto,

Por esto,

Limitar,

Incluso paginar,

Los resultados,

Es fundamental,

No digas,

O sea,

No hagas,

Una búsqueda total,

Que te devuelva,

Todas las tareas,

Sino que te devuelva,

Las próximas,

10 Tareas,

O acotar por fecha,

Devuélveme las tareas,

La primera tarea,

De mañana,

Todo este tipo de cosas,

Es fundamental,

Para,

Como te digo,

Evitar llenar,

La ventana de contexto,

Y que se olvide,

Al principio,

De lo que tienes que hacer,

Y luego,

Todas las ventajas,

Que tiene,

Un MCP,

Tienes,

La,

Potencia,

De trabajar,

Con lenguaje natural,

Aunque,

Ya has visto,

Que aquí,

Le tengo que dar,

Una vueltecita,

Para poder,

Afinarlo,

Luego realizar,

Búsquedas,

De aproximación,

Lo que,

Te va a conseguir,

Resultados mucho mejor,

Y la posibilidad,

De detectar duplicados,

Que aquí,

Nos ha pasado,

Algo,

Al final,

Tenemos,

El stack,

De los modelos,

De lenguaje,

Hemos pasado,

Tenemos,

Una lectura,

Pasiva,

De la situación,

Actual,

Donde tenemos,

Por ejemplo,

La previsión,

Meteorológica,

Y cosas,

Como,

Acciones,

Donde puedes,

Darle memoria,

A tu,

LLM,

A tu modelo,

De lenguaje,

Para que,

Sepa hacer,

Más cosas,

Así que,

Esto es un poco,

Lo que,

Vengo a contarte,

En este,

Nuevo,

Episodio,

Al final,

La siguiente,

Ventaja,

O la siguiente,

Cosa interesante,

Es,

El puente,

Hacia el,

RAG,

Si,

Esto de guardarlo,

En una base,

De datos,

Relacional,

Está muy bien,

Vamos a tener,

Mucha información,

El problema,

Que tenemos,

Es que,

No podemos,

Hacer,

Búsqueda,

Semántica,

No podemos,

Hacer,

Búsqueda,

Para que nos,

Dé un resultado,

Real,

Si,

Los datos,

Los hubiéramos,

Guardado,

En una base,

De datos,

Relacional,

En una base,

De datos,

Vectorial,

En un RAG,

Si que,

Habría identificado,

Rápidamente,

Que es lo mismo,

Que estamos,

Hablando de lo mismo,

Y habríamos,

Resuelto,

Exactamente,

El problema,

Y poco más,

Que contarte,

Bueno si,

Dos cosas,

Que contarte,

Dos cosas,

Fundamentales,

Que contarte,

Una es,

Recordarte,

Que el próximo,

6 Del 6,

Del 2026,

En Linux,

Center,

Hay un workshop,

De inteligencia,

Artificial,

Donde vamos,

A hablar,

De OpenClaw,

Y Hermes,

Y no solamente,

Vamos a hablar,

De OpenClaw,

Y Hermes,

Sino que vas,

A tener,

A tu disposición,

Varios equipos,

Que va a poner,

Linux,

Slimbook,

En su,

Linux Center,

Para que,

Tú empieces,

A trabajar,

Con él,

Y a disfrutar,

Y a ver,

Cómo funciona,

Y poder,

Experimentar,

Con estas,

Herramientas,

Y,

Yo creo,

Que ahora,

Sí,

Con esto,

Creo que no se me,

Olvida nada,

Sí que,

Decirte,

Que,

Tienes,

En atareado.es,

Todo lo que he hablado,

También dejaré,

Un,

Enlace,

A la,

Infografía,

Una infografía,

Que he hecho,

A una presentación,

Que he hecho,

También,

Para que lo tengas,

Ahí todo,

Disponible,

En GitHub,

Atareado,

Mctp,

Todo,

Tienes también,

Enlace,

Al código,

Para que lo puedas,

Utilizar,

También,

Tienes,

Las notas,

Del episodio,

En fin,

Tienes un poco,

De todo,

Y creo,

Que con esto,

Ahora sí que,

Ya lo tengo,

Todo,

En el próximo,

Episodio,

Sí que,

Voy a alargar,

Esto uno más,

El próximo episodio,

Lo voy a dedicar,

Otra vez,

A los mcps,

Pero simplemente,

Te voy a contar,

Los siguientes mcps,

O los otros mcps,

Que he desarrollado,

Para que tengas,

Una visión global,

De qué cosas,

Se pueden hacer,

Respecto a,

Interactuar,

Con memoria,

Con datos,

Y este tipo,

De cosas,

Y luego,

Ya entraremos,

En los dos siguientes,

Episodios,

Te hablaré,

Sobre,

RAG,

Y sobre,

Un RAG,

Híbrido,

Y nada más,

Esto es un poco,

Lo que quería contarte,

Recuerda,

Que,

Déjame un comentario,

Si tienes interés,

En algún mcp,

Si quieres que te cuente,

Algún,

O quieres que veamos,

Algún mcp,

Concreto,

O que creemos,

Algún mcp,

Si te parece interesante,

Si hacemos un workshop,

De esto,

Tipo,

De desarrollo,

En fin,

Lo que tú quieras,

Esto es ya,

A tu entera disposición,

Si puedes,

Deja un comentario,

En los comentarios,

De,

Atareao.es,

De YouTube,

De ebox,

De spotify,

O donde tú quieras,

Y poco más que decirte,

Recordarte,

Fundamental,

Que este,

Es un podcast,

De la red de podcast,

De sospechosos habituales,

Que como dice,

El abogado,

Del grupo,

Es el elenco,

De los mejores podcasts,

En español,

Que puedes escuchar,

Puedes participar,

En la red,

De podcast,

Entrando en telegram,

En win tablet info,

Y de la misma manera,

Si quieres participar,

En el grupo,

Atareao con Linux,

Simplemente tienes que hacer eso,

Buscar atareao con Linux,

Y allí nos vas a encontrar,

Hablando de Linux,

De modelos de inteligencia,

De mcps,

Y de todo esto,

Y poco más que decirte,

Recordarte que la vida,

Son dos días,

Y uno ya pasado,

Así que disfruta,

Como si no hubiera mañana,

Y si puede ser,

Con Linux,

Y en este caso,

Con ese mcp to do,

Mejor que mejor,

Un saludo,

Y nos escuchamos,

El próximo lunes,

Hasta luego,

¡Gracias por ver el video.

Deja una respuesta