Los asistentes de inteligencia artificial ya no se limitan a conversar: cada vez más, también actúan. Consultan una base de datos, crean un pedido o revisan una agenda. Para hacerlo usan herramientas externas, y la forma de conectarlas tiene un coste en dinero y en tiempo. Code Mode de Cloudflare es una propuesta para reducir ese coste: en lugar de usar las herramientas una a una, el modelo escribe un pequeño programa que hace todo el trabajo de una vez y devuelve solo lo necesario.
Junto a esta novedad circula la idea de que Code Mode «ha matado» a MCP, el estándar más extendido para conectar agentes de IA con herramientas. No es así, y entender por qué ayuda a ver hacia dónde va la IA que trabaja por nosotros.
Agentes, herramientas y MCP: lo básico
Un agente de IA es un programa que usa un modelo de lenguaje, como los que hay detrás de los chatbots, para completar tareas. Por sí solo, el modelo solo sabe generar texto. Para hacer algo en el mundo real necesita herramientas: funciones que puede pedir que se ejecuten, como «buscar un cliente» o «crear una factura». Es parecido a un empleado que, cada vez que necesita un dato, se lo pide a otro departamento.
Todo lo que el modelo lee y escribe se mide en tokens, que son fragmentos de texto del tamaño de una palabra o de un trozo de ella. Los tokens marcan el precio de usar la IA y también su capacidad, porque el modelo solo puede tener a la vista una cantidad limitada a la vez. Ese espacio se llama ventana de contexto, y se puede imaginar como una mesa de trabajo: por grande que sea, si la llenas de papeles, ya no cabe nada más.
Aquí entra MCP (Model Context Protocol). Es un estándar abierto que permite a un agente descubrir qué herramientas tiene disponibles y usarlas. Funciona como un enchufe común: cualquier aparato que lo respete se puede conectar. Anthropic lo presentó en noviembre de 2024 y, según la Linux Foundation, en diciembre de 2025 lo cedió al Agentic AI Foundation, un fondo dependiente de esta organización. La propia Linux Foundation cita más de 10.000 servidores MCP publicados.
El problema de las idas y vueltas
Imagina que le pides a un agente: «Busca a la clienta Ana y dime cuáles son sus últimos pedidos». Con el método tradicional, el modelo llama primero a una herramienta para encontrar a Ana. El resultado vuelve al modelo, que lo lee y decide el siguiente paso. Después llama a otra herramienta para obtener los pedidos, y el resultado vuelve otra vez. Solo entonces redacta la respuesta.
Cada uno de esos viajes tiene un precio. Anthropic explica en su blog de ingeniería que cada llamada a una herramienta exige que el modelo haga una pasada completa de trabajo, y que los resultados intermedios se van acumulando en el contexto. Es como si el empleado tuviera que volver a su mesa, leer el informe entero y luego ir al siguiente departamento, aunque de ese informe solo le interesara una línea.
Hay un segundo problema, menos visible: antes de empezar, el modelo necesita conocer la lista de herramientas disponibles, con la descripción de cada una. Si son pocas, no pasa nada. Pero si son cientos o miles, esa lista ocupa buena parte de la mesa. Anthropic reconoce que, antes de optimizar su sistema, las definiciones de herramientas llegaron a consumir 134.000 tokens por sí solas.
Cómo funciona Code Mode de Cloudflare
La idea de Cloudflare cambia el enfoque. En lugar de presentar al modelo una larga lista de herramientas sueltas, las convierte en una API de TypeScript, un lenguaje de programación muy usado en la web. Según la documentación de Cloudflare, el modelo recibe un conjunto de funciones bien descritas, con los tipos de datos que espera cada una, y escribe código que las utiliza.
Volviendo al ejemplo, el modelo ya no hace dos viajes. Escribe un programa corto que busca a Ana, obtiene su identificador, consulta sus pedidos y prepara un resumen. Es la diferencia entre ir preguntando paso a paso y entregar una receta completa para que alguien la siga de principio a fin.
Ese programa no se ejecuta en cualquier sitio. Según InfoQ, corre en un sandbox, un entorno aislado (en concreto, un V8 isolate, la misma tecnología que usan los navegadores para separar unas páginas de otras). Un sandbox es como una habitación cerrada: el código puede trabajar dentro, pero no tiene acceso al resto del sistema, lo que limita los riesgos. La documentación de Cloudflare añade que al modelo solo le llega el valor final, no todos los datos intermedios.

¿Por qué funcionaría mejor que el método tradicional? Una explicación que se repite es que los modelos de lenguaje han aprendido de enormes cantidades de código real y de muy pocos ejemplos de llamadas a herramientas, así que escribirían programas con más soltura. Es una hipótesis razonable, pero no hemos encontrado ninguna fuente oficial que la confirme, de modo que conviene tomarla como una posible explicación y no como un hecho demostrado.
Las cifras, con sus matices
El ejemplo que usa Cloudflare para mostrar el ahorro es su propia API, que según su blog y su documentación tiene más de 2.500 endpoints. Un endpoint es una dirección concreta de la API que realiza una operación, por ejemplo crear un registro DNS. Si cada uno se ofreciera al modelo como una herramienta independiente, la lista sería gigantesca.
Con Code Mode, el servidor solo expone dos herramientas: una para buscar en la API (search) y otra para ejecutar código (execute). Según el blog de Cloudflare, eso ocupa unos 1.000 tokens, frente a los 1,17 millones que consumiría un servidor equivalente sin Code Mode: una reducción del 99,9 %.
Conviene leer estas cifras con cuidado. El millón largo de tokens no es una medición de un antes y un después real, sino una estimación de lo que ocuparía la lista si cada endpoint fuera una herramienta. Además, el número cambia según cómo se calcule: el repositorio oficial de Cloudflare habla de unos 2 millones de tokens para el esquema completo de la API y de unos 244.000 si las herramientas se describen con los parámetros mínimos. Y la medición de los 1.000 tokens la hace la propia empresa; no hemos encontrado una comprobación independiente. La conclusión de fondo se mantiene, porque el ahorro es enorme con cualquiera de esas referencias, pero la cifra exacta depende del método.
¿Ha matado Cloudflare a MCP?
Se suele decir que Code Mode acaba con MCP, pero en realidad lo utiliza. Según InfoQ y la documentación de Cloudflare, Code Mode se distribuye precisamente como un servidor MCP. El agente se conecta a él por MCP, como a cualquier otro; lo que cambia es lo que ese servidor le ofrece: dos herramientas para escribir y ejecutar programas en lugar de miles de herramientas sueltas.
Cloudflare tampoco es la única que sigue este camino. Anthropic ofrece una función parecida que llama programmatic tool calling (llamadas programáticas a herramientas). El principio es el mismo, que el modelo escriba código que use las herramientas, pero la implementación es distinta: según la documentación de Claude, el código se ejecuta en un contenedor gestionado por Anthropic con un entorno Python, no TypeScript.
Otra idea que circula es que ha terminado la época de llamar a las herramientas de una en una. Esto también es exagerado. Anthropic recomienda decidir, herramienta por herramienta, si se usa de forma directa o mediante código. Y aunque desde el 26 de marzo de 2026 Code Mode viene activado por defecto en los portales de servidores MCP de Cloudflare, según su registro de cambios, se puede desactivar. Para tareas sencillas, de una sola llamada o con pocas herramientas, el método clásico sigue teniendo sentido. Ninguna fuente da un umbral oficial para Code Mode, pero como referencia, Anthropic no recomienda sus herramientas de búsqueda cuando la biblioteca tiene menos de diez herramientas.
¿Y a mí en qué me afecta?
Si usas asistentes de IA en tu día a día, probablemente no notarás Code Mode de forma directa, porque funciona por debajo. Lo que sí puede notarse es el resultado: agentes que completan tareas con menos pasos, con menos esperas y con un coste menor para las empresas que los ofrecen.
Si tienes un negocio o trabajas con agentes conectados a tus sistemas, estas son algunas ideas prácticas:
- Revisa cuántas herramientas expones. Si son muchas, la lista puede estar ocupando una parte importante del contexto y encareciendo cada consulta.
- No lo apliques por defecto a todo. Con pocas herramientas o tareas de un solo paso, las llamadas directas suelen ser suficientes y más sencillas de controlar.
- Cuida el entorno de ejecución. Si el modelo va a escribir y ejecutar código, que sea siempre en un entorno aislado, como hacen Cloudflare y Anthropic.
- Toma las cifras como orientación. Los ahorros publicados dependen de cómo se midan; lo útil es comprobar el gasto de tokens en tu propio caso.
En resumen
Code Mode de Cloudflare es una forma de usar MCP, no su sustituto. En lugar de que el modelo llame a las herramientas una a una y reciba todos los resultados intermedios, escribe un programa que se ejecuta en un entorno aislado y devuelve solo lo que importa. Con su API de más de 2.500 endpoints, Cloudflare calcula que pasa de más de un millón de tokens a unos 1.000, aunque esa cifra es una estimación propia que varía según el método. Anthropic aplica el mismo principio con sus llamadas programáticas, y ambas compañías mantienen las llamadas directas como opción válida para los casos sencillos.
Fuentes
- Cloudflare: Code Mode: give agents an entire API in 1,000 tokens
- Cloudflare: Cloudflare's own MCP servers
- Cloudflare: documentación de Code Mode
- Cloudflare: Code Mode for MCP server portals (registro de cambios)
- GitHub: repositorio oficial cloudflare/mcp
- InfoQ: Cloudflare Launches Code Mode MCP Server
- Anthropic: Advanced tool use
- Anthropic: documentación de Programmatic tool calling
- Linux Foundation: nota sobre MCP y el Agentic AI Foundation
- Wikipedia: Model Context Protocol