(Awesomes github copilot - buena página para encontrar skills e instructions reutilizables)

MCP (Model Context Protocol)

Un MCP Server es un componente que implemente el protocolo MCP, un estándar abierto diseñado para conectar LLMs y agentes de IA con datos y herramientas externas de forma segura y estándar.

El MCP server expone el contexto que necesita e indica las acciones que el agente puede usar a demanda.

Dotan a los LLMs de capacidades adicionales permitiendo:

Acceso a datos en tiempo real: conectar la IA a APIs, BBDD, archivos locales…
Automatizaciones: permiten conectar un componente a tools externas para ejecutar acciones (ejecutar flujos, crear registros, aprobar procesos)

Sin esto, los LLMs por sí solos están limitados a sus datos de entrenamiento.

(ejemplo de consumo real de MCP de Github desde Cursor. Gracias a él Cursor puede modificar issues o crear/cerrar PRs)

{
  "mcpServers": {
    "github": {
      "url": "https://api.githubcopilot.com/mcp/",
      "headers": {
        "Authorization": "Bearer github_pat_"
      }
    }
  }
}

Componentes

MCP se compone de 3 partes:

Host: es tu aplicación de IA. Claude Desktop, Cursor, etc. Es aquello que necesita conectarse a algo.
Client: está dentro del host y administra conexiones MCP. Gestiona autenticación, hacer routing de requests al servidor correcto y administrar el ciclo de vida de la sesión.
Server: expone una herramienta o data source a través de 3 primitivos
- Tools: Acciones que el modelo puede hacer "Crea un ticket de JIRA"
- Resources: Datos que el modelo puede leer "Los últimos 50 mensajes de #IA"
- Prompts: Templates reusables que combinan ambas para workflows comunes "Resume la actividad de JIRA de hoy y crea un reporte"

Skills

Las skills son un estandar abierto que extiende lo que un agente es capaz de hacer con conocimiento y workflows especializados y reutilizables. Estas se cargan dinámicamente, generalmente en un SKILL.md y el propio agente decide cuando es necesario utilizarlas en base a la tarea que tiene entre manos.

Una vez declaradas el LLM puede decidir usarlas automáticamente o se pueden usar mediante /{nombre-skill} {opt-params}

(ejemplo de SKILL.md con Caveman, el cual reduce el número de tokens consumidos manteniendo la calidad de la respuesta)

SKILL.md in Caveman github reop

(otro ejemplo: repo con las skills implementadas en Claude por Anthropic)

Para Github Copilot se tienen que añadir al siguiente directorio

C:\Users{user}.copilot\skills

Skills revisadas y probadas

Excalidraw Diagram Generator

Instructions

Las instructions son guías persistentes que se incluyen en el contexto y modifican como actúa el LLM. No están relacionadas con un solo prompt, si no que definen coding standards, decisiones de arquitectura y en general como la IA debería operar.

Lo siguiente varía por herramienta

En Github Copilot por ejemplo tenemos varios tipos, aunque aquí voy a explorar las que tienen trigger por localización o tipo de fichero.

Scoped instructions

Aplican por fichero - puede ser por extensión o por folder.

C:/users/{user}/.github/instructions/*.instructions.md

---
description: 'Guidelines for building C# applications'
applyTo: '**/*.cs'
---

# C# Development

## C# Instructions
- Always use the latest version C#, currently C# 14 features.
- Write clear and concise comments for each function.

## General Instructions
- Make only high confidence suggestions when reviewing code changes.
- Write code with good maintainability practices, including comments on why certain design decisions were made.
- Handle edge cases and write clear exception handling.
- For libraries or external dependencies, mention their usage and purpose in comments.

Instructions de referencia para .NET

Revisadas y probadas

csharp.instructions.md

[dotnet-architecture-good-practices.instructions.md

Awesome GitHub Copilot](https://awesome-copilot.github.com/instructions/#file=instructions%2Fdotnet-architecture-good-practices.instructions.md)

Por probar

Reference(s)