El vocabulario de la configuración de agentes de IA.

Definiciones claras de los términos que usa HubBound, y del vocabulario más amplio con el que se topan los equipos cuando intentan estandarizar cómo trabajan sus agentes de IA.

Escrito para ser citado

Cada entrada es una definición que se sostiene sola, no copy de marketing.

Primero los conceptos base

Artifact, Kit y distribución — los tres sustantivos sobre los que corre el producto.

El ecosistema completo

MCP, ingeniería de contexto, versionado de prompts y los términos alrededor.

Conceptos base de HubBound

AI Artifact: Un AI Artifact es una unidad versionada y reutilizable de configuración para agentes de IA. Puede ser un prompt, una skill, una regla, un hook, un subagente o un servidor MCP. Cada Artifact tiene dueño, historial de versiones y alcance de visibilidad, y cualquiera puede instalarse solo o agrupado en un Kit. Los Artifacts son a los agentes de IA lo que los paquetes son al código: la unidad más pequeña que vale la pena compartir, versionar y de la cual depender.
Kit: Un Kit es un conjunto de AI Artifacts con nombre y versión que se instala con un solo comando. Un Kit es a los Artifacts lo que un paquete es a los módulos — la unidad que un equipo realmente distribuye. En vez de pedirle a alguien que recién entra que copie nueve archivos de una wiki, le pasas un Kit y su entorno queda igual al del resto del equipo en segundos.
Distribución: La distribución es el acto de asignar un Kit a un equipo o a toda una organización. Es la capa que los registros públicos no tienen: como HubBound sabe quién pertenece a qué equipo, un Kit puede llegarle al grupo de frontend sin llegarle a todos. La distribución con alcance es la razón principal por la que un registro interno le gana a uno público dentro de una empresa.
Organización: Una organización es el tenant de nivel superior en HubBound. Es dueña de los Artifacts privados, los Kits privados y sus miembros, y es el límite contra el que se aplican las reglas de visibilidad. Todo lo marcado como privado solo es visible para los miembros de la organización que lo posee.
Equipo: Un equipo es un grupo de personas dentro de una organización — frontend, backend, plataforma, producto. Los equipos son el destino de la distribución y la unidad de medición: los Kits se envían a equipos, y las métricas de uso de IA se reportan por equipo además de para toda la organización.
Marketplace: El marketplace es donde se exploran, instalan y forkean Artifacts y Kits. Las entradas públicas son visibles para todos; las privadas solo dentro de la organización que las posee. Ambas conviven en la misma interfaz, así que un equipo busca en un solo lugar sin importar si la respuesta es interna o de la comunidad.
Fork: Hacer un fork crea una copia independiente de un Artifact o Kit que un equipo puede modificar sin afectar al original. Es la forma en que un equipo adopta un estándar de la comunidad y después lo adapta — la misma operación, y el mismo razonamiento, que forkear un repositorio.

Los seis tipos de Artifact

Prompt: Un prompt es una instrucción reutilizable que se le da a un modelo o agente de IA. En HubBound un prompt es un Artifact, lo que significa que tiene historial de versiones y dueño: mejorar un prompt lo mejora para todos los que lo instalaron, en vez de mejorarlo solo en el archivo de quien lo escribió.
Skill: Una skill es un procedimiento empaquetado que un agente de IA puede invocar para realizar trabajo repetible — correr un checklist de migración, escribir una entrada del changelog, preparar un release. Donde un prompt es una instrucción, una skill es una capacidad que el agente puede llamar por nombre.
Regla: Una regla es una convención o límite que un agente de IA debe seguir siempre. Las reglas son lo que contienen archivos como CLAUDE.md, .cursorrules y AGENTS.md. Como Artifacts viven en un único lugar compartido y versionado, en vez de copiarse en los dotfiles de cada desarrollador y separarse con el tiempo.
Servidor MCP: Un servidor MCP es un programa que expone herramientas y datos a un agente de IA a través del Model Context Protocol. Es la forma en que un agente llega a tu gestor de issues, tu base de datos o tus APIs internas. Distribuir servidores MCP como Artifacts hace que un equipo se conecte a los mismos sistemas de la misma manera, en vez de que cada desarrollador configure el suyo.
Subagente: Un subagente es un agente de IA especializado al que un agente principal le delega una tarea concreta, con sus propias instrucciones, herramientas y modelo — un revisor de código, un escritor de tests, un agente de migración. Los subagentes mantienen limpio el contexto del agente principal moviendo el trabajo acotado a uno aparte.
Hook: Un hook es una automatización que se dispara alrededor del ciclo de vida de un agente de IA: antes de una llamada a herramienta, después de una edición, al iniciar sesión. Los hooks son donde la política de un equipo se vuelve cumplimiento en vez de un documento — el punto en el que una convención puede realmente bloquear algo.

El ecosistema completo

Model Context Protocol (MCP): El Model Context Protocol es un estándar abierto, presentado por Anthropic en 2024, para conectar modelos de IA con herramientas y fuentes de datos externas. Define cómo un cliente de IA descubre e invoca las capacidades que expone un servidor MCP, que es lo que hace que una integración sea portable entre aplicaciones de IA en vez de específica de una sola.
Registro: Un registro es un sistema de registro de artefactos versionados e instalables, junto con los metadatos necesarios para encontrarlos y depender de ellos. npm es un registro de paquetes JavaScript; Docker Hub es un registro de imágenes de contenedor; HubBound es un registro de capacidades para agentes de IA.
Gestión de prompts: La gestión de prompts es la práctica de almacenar, versionar, revisar y distribuir prompts como activos compartidos en vez de como texto pegado en editores individuales. Se vuelve necesaria en el momento en que más de una persona depende de que un prompt funcione igual.
Control de versiones de prompts: El control de versiones de prompts es aplicar versionado a los prompts y al resto de la configuración de IA: cada cambio produce una versión nueva, las anteriores siguen siendo recuperables y quien la consume decide cuándo moverse. Responde la primera pregunta con la que se topan los equipos — cuál versión de este prompt es la que realmente funcionaba.
Ingeniería de contexto: La ingeniería de contexto es la práctica de decidir qué información tiene disponible un agente de IA en el momento en que actúa — instrucciones, reglas, herramientas, documentos recuperados e historial de conversación. Es la disciplina que surgió de la ingeniería de prompts una vez que los agentes ganaron herramientas y memoria, y el prompt dejó de ser la única palanca.
IA agéntica: La IA agéntica describe sistemas donde un modelo planifica y ejecuta trabajo de varios pasos usando herramientas, en vez de solo producir texto en respuesta a una única solicitud. Los agentes de código como Claude Code, Cursor y Codex son la forma con la que se encuentran primero la mayoría de los equipos de ingeniería.
Gobernanza de IA: La gobernanza de IA, en un contexto de ingeniería, es el conjunto de controles que determinan qué capacidades de IA están disponibles para quién, cómo están configuradas y qué evidencia existe sobre cómo se usaron. Es un problema de distribución y medición antes que un documento de políticas.
Desviación de configuración: La desviación de configuración es la divergencia gradual de setups que deberían ser idénticos. En herramientas de IA aparece cuando cada desarrollador configura reglas, hooks y servidores MCP en su propia máquina: lo que le funciona a una persona no existe para la siguiente, y cada onboarding empieza de cero.