Resumen
Tether demuestra QVAC, un asistente de IA que funciona completamente en una laptop local.
El modelo procesa comandos en lenguaje natural y se conecta a herramientas externas como Asana.
Utiliza el Protocolo de Contexto del Modelo (MCP), un estándar abierto desarrollado por Anthropic.
Paolo Ardoino, CEO de Tether, presentó una prueba de concepto en vivo para QVAC, un asistente de inteligencia artificial que ejecuta inferencias completas en una laptop de gama media sin depender de servidores remotos o conexiones en la nube. La demostración mostró a QVAC creando tareas y subtareas en Asana a través de comandos en lenguaje natural, procesando solicitudes en aproximadamente un segundo y consumiendo tokens computacionales mínimos.
https://twitter.com/paoloardoino/status/2021893989352542332
La arquitectura de QVAC opera completamente en la GPU de la máquina local del usuario. A diferencia de los asistentes que envían consultas a servidores centralizados para procesar instrucciones, QVAC mantiene todos los datos y operaciones dentro de la computadora. El modelo genera respuestas sin filtrar información sensible hacia infraestructuras externas, protegiendo la privacidad del usuario y eliminando la dependencia de proveedores de servicios en la nube.
La integración con herramientas externas como Asana funciona a través del Protocolo de Contexto de Modelo (MCP), un estándar abierto desarrollado por Anthropic y lanzado en noviembre de 2024. MCP establece un formato común para que los modelos de IA se comuniquen con aplicaciones, bases de datos y servicios externos de manera estructurada.
Antes de MCP, cada integración entre un modelo de IA y una herramienta requería desarrollo personalizado. El protocolo estandariza el proceso a través de una arquitectura cliente-servidor donde el modelo actúa como cliente y las herramientas exponen sus funciones a través de servidores MCP.
Cómo el Protocolo de Contexto de Modelo permite que la IA local acceda a herramientas externas sin comprometer la privacidad
El funcionamiento de MCP se asemeja a un puente de conexión universal. El cliente — en el caso de QVAC, el asistente de IA que funciona localmente — se conecta a servidores MCP que exponen recursos o capacidades específicas. Cada servidor puede representar una herramienta diferente: Asana para la gestión de tareas, sistemas de archivos locales, bases de datos, calendarios o cualquier aplicación compatible. El cliente solicita acciones a través del protocolo estandarizado, y el servidor ejecuta la operación y devuelve los resultados.
En la demostración de Ardoino, QVAC procesó una instrucción verbal, interpretó la intención del usuario, se conectó al servidor MCP de Asana y creó una tarea principal junto con una subtarea relacionada. Todo el proceso ocurrió sin que los datos abandonaran la máquina del usuario. El servidor MCP de Asana puede operar localmente o en un entorno controlado por el usuario, manteniendo el principio central de privacidad del proyecto.
Ardoino confirmó que el proyecto se lanzará como código abierto pronto
La decisión permite a los desarrolladores auditar el código, adaptar el asistente a casos de uso específicos y construir servidores MCP personalizados para herramientas adicionales. El acceso abierto también promueve la adopción del paradigma de IA descentralizada, donde los usuarios controlan sus datos y la ejecución del modelo ocurre en hardware que poseen o gestionan directamente.
Demuestra la viabilidad de ejecutar asistentes de IA capaces en hardware de consumo sin sacrificar funcionalidad. Los modelos grandes tradicionalmente han requerido clústeres de servidores o tarjetas gráficas costosas.
QVAC demuestra que las GPU de gama media pueden manejar inferencias con tiempos de respuesta aceptables para el uso diario, reduciendo las barreras de entrada para los usuarios que priorizan la privacidad y la autonomía sobre la conveniencia basada en la nube.