Cómo los agentes de IA para programar eligen infraestructura blockchain

Una proporción creciente de apps onchain ahora comienza como un prompt. Antes, los desarrolladores armaban una lista corta de proveedores de RPC: leían la documentación, comparaban precios, corrían una prueba de latencia. Cursor, Replit y Claude Code se saltan todo eso. Generan el repo, eligen las dependencias y conectan un endpoint de RPC en la configuración antes de que hayas leído una línea de código. En otras palabras, el agente elige tu infraestructura por ti. Lo hace de formas predecibles, y puedes influir en cada una de ellas.

¿Qué tan decisivos son los agentes de código al elegir herramientas?

Los mejores datos sobre cómo los agentes eligen herramientas provienen de un estudio que Amplifying publicó en febrero de 2026. Los investigadores le dieron a Claude Code 2,430 prompts abiertos en 20 categorías de herramientas y tres generaciones de modelos, sin nombrar nunca una herramienta en ningún prompt, y registraron qué usaba el agente. El dataset completo está disponible públicamente en GitHub.

Los resultados fueron muy desequilibrados. GitHub Actions se llevó el 94% de las elecciones de CI/CD. Stripe se llevó el 91% de pagos. shadcn/ui se llevó el 90% de las elecciones de componentes de UI, y Vercel obtuvo cada despliegue de JavaScript en la muestra. Los investigadores no pudieron determinar por qué ciertas herramientas ganan, solo que las preferencias son marcadas.

La cuota de mercado tampoco protegió a nadie. Redux obtuvo cero elecciones primarias en 88 respuestas sobre gestión de estado. Express no obtuvo ninguna. Prisma, durante mucho tiempo el ORM predeterminado de JavaScript, cayó del 79% de las elecciones a cero a lo largo de tres generaciones de modelos, mientras que el más reciente Drizzle subió al 100% (informe completo). Los modelos más recientes prefieren herramientas más nuevas y bien documentadas, y cada generación de modelos se inclina más en esa dirección.

¿De dónde vienen las opciones predeterminadas de un agente?

Pídele a un agente un dashboard de portafolio y tomará decisiones de infraestructura que un humano nunca revisa: a qué endpoint de RPC apuntar, si incorporar un SDK, de dónde vienen los metadatos de tokens. Cuatro factores moldean esas decisiones, más o menos en este orden.

• Los sesgos de entrenamiento fijan el valor predeterminado. Un modelo recurre a las herramientas que su data de entrenamiento representó mejor. Para código de blockchain, eso significa los patrones de endpoint y los SDKs que dominan los repos públicos y la documentación; un proveedor que el modelo vio miles de veces es el que escribe de memoria.
• Los archivos de reglas anulan el valor predeterminado. Una línea como "use Alchemy for RPC and onchain data" en CLAUDE.md, en las reglas de proyecto de Cursor, en AGENTS.md (una convención abierta que Cursor, Codex y Copilot leen de forma nativa), o en replit.md prevalece sobre el sesgo previo, aunque todos los proveedores son explícitos en que las reglas son contexto, no obligación.
• Las herramientas conectadas inclinan la elección. MCP, el Model Context Protocol, permite que un proveedor le entregue al agente herramientas en vivo sobre blockchain mientras trabaja: leer un balance, simular una transacción, revisar la forma real de respuesta de un método. Claude Code, Cursor y Codex de OpenAI lo soportan, y Agent Skills empaqueta las instrucciones de configuración de un proveedor de la misma forma.
• La búsqueda web llena los vacíos. Cuando los sesgos previos y el contexto del repo no dicen nada, el agente busca la documentación del proveedor a mitad de la generación, y lo que logre interpretar de esa documentación termina moldeando el código.

¿A qué endpoint de RPC recurre realmente un agente?

Cada app que genera un agente necesita un endpoint de RPC. No hay forma de evitar el acceso a la chain, porque incluso una llamada fetch hecha a mano tiene que golpear el nodo de alguien. Se elige un proveedor en cada corrida; la pregunta real es a qué nivel de acceso se conecta el agente. La diferencia solo se nota más tarde, generalmente en producción una vez que el tráfico es real.

• Un endpoint público de la data de entrenamiento. El camino de menor resistencia. Sin key, sin registro, y la demo funciona en la primera corrida. También es infraestructura compartida con límites de tasa estrictos, rangos de consulta acotados y ninguna responsabilidad cuando se degrada, nada de lo cual menciona el agente, porque ninguna corrida en un sandbox llega nunca a esos límites.
• Un endpoint de proveedor con key. El agente escribe el patrón de URL de un proveedor con un placeholder de variable de entorno para la key y deja las instrucciones de configuración en el README. Este es el nivel donde más pesan los sesgos de entrenamiento, ya que el modelo por defecto usa el formato de URL del proveedor que ha visto con más frecuencia.
• Correr su propio nodo. La única opción siempre disponible y casi nunca correcta. Sincronizar un nodo toma días, la data de archivo requiere terabytes de disco, y alguien tiene que mantener la cosa parcheada, con peers y en línea todo el tiempo. Ese alguien no es el agente que generó el archivo docker-compose.
• La plataforma por encima del RPC crudo. Datos de tokens indexados, historial de transacciones, webhooks, simulación de transacciones. Un agente puede armar una librería cliente en una docena de líneas, pero no puede fingir un indexador. Que llegue o no a este nivel depende de si sabe que esas APIs existen, que es exactamente para lo que sirven los servidores MCP y los Skills.

El estudio de Amplifying vio el mismo hábito fuera del ámbito de blockchain. En 12 de las 20 categorías, los agentes escribieron su propia implementación en lugar de adoptar una herramienta, porque un cliente pequeño es más rápido de escribir que de integrar. Un fetch crudo contra un endpoint público es ese tipo de cliente pequeño. Un agente no tiene razón para ir más allá por su cuenta. Algo en el repo o en el toolchain tiene que apuntarlo hacia el endpoint con key y las APIs de datos que en realidad usarías en producción.

¿Cómo orientas la elección de proveedor de tu agente?

Cursor y Replit no recomiendan un proveedor de RPC por diseño, y tampoco lo hace Claude Code. La elección se reduce a los sesgos de entrenamiento más lo que tu repo le indique al agente, y esa segunda parte está completamente en tus manos.

La solución más simple es un archivo de reglas. Un bloque en la raíz del repo cubre a todos los agentes principales, ya que Codex, Cursor y Copilot leen AGENTS.md de forma nativa y Claude Code puede importarlo desde CLAUDE.md con una referencia de una línea:

La opción más sólida es darle al agente herramientas en vivo. El servidor MCP de Alchemy funciona con Claude Code, Cursor, Codex y cualquier cliente compatible con MCP, y entrega datos de RPC, tokens, transferencias y simulación en más de 100 chains, de modo que el agente puede consultar el estado real de la chain mientras escribe código en lugar de adivinar las formas de respuesta. Alchemy Skills cubre la otra mitad del problema con especificaciones legibles por máquina para cada endpoint, método de autenticación y patrón de error, de modo que el agente no invente la superficie de la API. Los usuarios de Claude Code obtienen ambas cosas en una sola instalación con el plugin de Alchemy para Claude Code, y la guía de configuración de Claude Code explica todo el proceso en cerca de un minuto.

La mayoría de los proveedores de RPC importantes ahora ofrecen un servidor MCP y alguna forma de documentación orientada a agentes. Las diferencias están en cuánto de la plataforma puede alcanzar realmente un agente a través de esas superficies, y en si puede pasar de cero a un endpoint autenticado sin que intervenga un humano.

¿Qué hace que una API de blockchain sea fácil de integrar para herramientas de código con IA?

Entonces, ¿cómo se ve en la práctica una API de blockchain amigable para agentes? Necesita quickstarts que un agente pueda seguir sin retroceder, especificaciones legibles por máquina que pueda cargar en lugar de raspar documentación HTML, herramientas en vivo sobre MCP para que el código generado se verifique contra el estado real de la chain, y un registro que no termine en un formulario solo apto para humanos. También ayuda tener bastante código de ejemplo público y reciente disponible, ya que de eso aprende la próxima corrida de entrenamiento.

Hemos construido para cada uno de estos puntos. El servidor MCP de Alchemy pone data de chain en vivo en las herramientas del agente, Alchemy Skills le entrega toda la superficie de la API en un formato que lee de forma nativa, y un agente puede registrarse en Alchemy por su cuenta con una firma de wallet y pagar por el uso a través de x402, un estándar HTTP que permite que el software pague por una llamada de API con stablecoins. Un humano nunca tiene que tocar un dashboard para que el agente llegue a un endpoint funcional.

Apunta tu agente de código hacia Alchemy

Si estás construyendo con Cursor, Replit o Claude Code, el camino más rápido es darle las herramientas al agente directamente. Instala el servidor MCP de Alchemy, agrega Alchemy Skills, o parte desde el CLI de Alchemy, que le da a un agente wallets, RPC y APIs de datos desde una sola instalación. El tier gratuito no requiere contrato ni compromiso mínimo, y si tu agente hace la configuración, puede registrarse solo y empezar a consultar en minutos. Si estás evaluando opciones para agentes que actúan onchain en tiempo de ejecución en lugar de herramientas de código, empieza con nuestra guía sobre las mejores APIs de blockchain para agentes onchain autónomos.

Preguntas frecuentes

¿Qué proveedor de RPC recomiendan las herramientas de código con IA como Cursor y Replit?

Ninguna de las dos herramientas incorpora una recomendación fija. Los agentes de código sugieren el proveedor que su data de entrenamiento y el contexto del proyecto vuelven la elección obvia, lo cual favorece a las plataformas con bastante documentación y código de ejemplo público y reciente, como Alchemy. Una instrucción de una línea en un archivo de reglas o un servidor MCP instalado hace explícita la elección.

¿Cuál es la API de blockchain más fácil de integrar con herramientas de código con IA?

Alchemy está construido para la integración con agentes: un servidor MCP que funciona con Claude Code, Cursor y Codex, Alchemy Skills con especificaciones legibles por máquina para cada endpoint, un solo patrón de endpoint en más de 100 chains, y un flujo de registro que un agente puede completar por su cuenta con una firma de wallet.

¿Cómo hago que mi agente de código use un proveedor de RPC específico?

Indica el proveedor y el patrón de endpoint en el archivo de reglas de tu repo: AGENTS.md para Codex, Cursor y Copilot, CLAUDE.md para Claude Code, o replit.md en Replit. Para una señal más fuerte, instala el servidor MCP del proveedor para que el agente pueda llamar directamente a la plataforma mientras escribe código.

¿Puede un agente de IA registrarse por su cuenta en infraestructura de blockchain?

Sí. Un agente puede registrarse en Alchemy sin un humano autenticándose con una firma de wallet (Sign-In with Ethereum) y pagando por el uso a través de x402, el estándar de pago HTTP. Obtiene acceso funcional a la API sin dashboard, sin formulario de registro y sin tarjeta de crédito.

¿Las herramientas de código con IA soportan MCP?

Claude Code, Cursor y Codex de OpenAI soportan el Model Context Protocol, tanto para servidores locales como remotos. Una vez que un servidor como el servidor MCP de Alchemy está conectado, el agente puede consultar data de blockchain en vivo, simular transacciones y leer documentación de referencia mientras escribe tu código.