Saltar al contenido

root / tags / google-deepmind

#Google DeepMind

4 fiches

Agentes de codificación IA y Skills Traducción verificada automáticamente

Agent Plugins package your skills, tools, and more

Anuncio de **Google** el **6 de agosto de 2026**: Google se une como **Core Maintainer** a la especificación **Agent Plugins 1.0.0**, un formato de empaquetado abierto y *vendor-neutral* para distribuir juntos **Agent Skills** y **servidores MCP**. La especificación fue publicada por un **TSC** cuyos Core Maintainers provienen de **Amazon, Cursor, Microsoft, OpenAI y Vercel**; Google se suma a ellos, representado por **Kevin Hou** (Senior Staff Engineer, Google DeepMind). Los dos bloques empaquetados —Agent Skills y MCP— provienen de **Anthropic**, que no figura en esta lista de mantenedores. **El diagnóstico** cabe en una frase: *"The core problem isn't the components. It's the manifest."* Una skill es portable, un servidor MCP es portable; la caja en la que van no lo es, y cada cliente tuvo que inventarla por su cuenta —de ahí los forks, las copias de componentes idénticos y su divergencia. **El formato** cabe en una restricción: *"A plugin is a directory. That's the whole idea, and the restraint is the point."* Un `plugin.json` con dos líneas útiles (`$schema` y `name`), skills en `skills/` en el formato Agent Skills, servidores declarados en `mcp.json` con un **`type` explícito en cada entrada** (stdio, Streamable HTTP, o el HTTP+SSE heredado) —ya no se infiere el transporte a partir de la forma del objeto de configuración. La fuerza del diseño reside en lo que el manifiesto **no puede** hacer: ni reubicar componentes ni declararlos en línea, de modo que no hay ninguna ruta de descubrimiento que configurar ni ningún orden de precedencia que aprender. Corolario operativo: los componentes **fallan de forma independiente** —un servidor de `mcp.json` que no arranca no derriba las skills del plugin, el cliente salta esa entrada, continúa y reporta el fallo. La vía de escape aceptada es el directorio de **dominio inverso** (`com.example.client/`), un espacio de extensión propiedad exclusiva de un cliente (hooks, agents, commands) que otros clientes ignoran: *"the portable core stays small because the non-portable parts have somewhere legitimate to go."* Una sección se dedica a los casos en que el formato no está justificado —*"Not every skill should be a Plugin"*: un único servidor MCP para un único cliente, basta con `mcp.json`; una única skill no necesita ningún plugin. Lo que la v1 excluye explícitamente, bajo *future considerations*: **sin mecanismo de instalación, sin protocolo de distribución, sin modelo de permisos, sin requisito de sandboxing, sin verificación de confianza o procedencia, sin UX**. Todo esto encaja en una pila de cuatro capas adoptables de forma independiente —**find** (Agentic Resource Discovery), **describe** (AI Catalog, que registraría el tipo `application/agent-plugins+json`), **package** (Agent Plugins), **run** (MCP + Agent Skills). Dos productos de Google ya se distribuyen así: **Agents CLI** y **Data Agent Kit** (BigQuery, Spanner, Cloud SQL).

#Agent Plugins#Agent Plugins 1.0.0#especificación abierta

Trois signataires · répartis sur trois entités Google :

Investigación y Educación Traducción verificada automáticamente

Diffusion Language Models Explained: How Google's Diffusion Gemma Works

Artículo educativo del **MindStudio Team** (blog de la plataforma MindStudio, orquestación de flujos de trabajo multimodelo) que explica los **modèles de langage par diffusion** (*Diffusion Language Models*) a través del caso de **Diffusion Gemma**, la primera implementación de **open weights** de Google (2.000 millones de parámetros, derivada de Gemma 2). La tesis: mientras que los modelos **autoregressive** (GPT-4, Claude, Gemma estándar) generan texto **token a token, de izquierda a derecha** (atención **causal**, cada token fijado una vez producido), los modelos de **diffusion** parten de una secuencia **enmascarada/con ruido** y la **refinan iterativamente** (masked diffusion / *absorbing diffusion*), con **atención bidireccional**: el modelo puede **revisar cualquier posición en cualquier paso**. Consecuencias: alto **paralelismo** (un texto de 500 tokens requeriría 50-100 pasos de eliminación de ruido en lugar de 500 pasadas secuenciales), **infilling** natural y **generación restringida** (relleno de plantillas, completado de código con contexto circundante), y capacidad de **revisión** integrada. Pero a la escala actual (2B), Diffusion Gemma **no iguala** a los grandes modelos autoregresivos (GPT-4o, Gemini 1.5 Pro) en razonamiento, seguimiento de instrucciones y conocimiento general: la brecha se está "cerrando" sin estar cerrada. La inspiración proviene de la generación de imágenes (Stable Diffusion, DALL-E abandonaron la autorregresión hace años); si el mismo principio se sostiene para el texto sigue siendo una pregunta abierta. Diffusion Gemma se distribuye en Hugging Face (Google DeepMind), AI Studio y Vertex AI.

#modèles de langage par diffusion#Diffusion Gemma#Google DeepMind

MindStudio Team