IA |

El cercado, no la hoguera

Sun, 06 Sep 2026 00:00:00 +0000

En un almacén de North Las Vegas, Amazon tiene una máquina que corta el lomo de libros de segunda mano. Las hojas sueltas pasan por un escáner y el papel va después a la pasta. El comparó la operación con una moderna quema de libros, sin ahorrarse un solo cliché por el camino: alusiones a Savonarola, fotos de archivo de libros con aspecto de raros y, cómo no, la pira de Berlín. Los periódicos serios, como cabía esperar, fueron más comedidos, pero dejaron la misma comparación flotando en el aire. Con toda su indignación, estos artículos dejaron que la industria de la IA se fuera de rositas. ¿Quién va a controlar el conocimiento que se está escaneando? Esa pregunta tendrá que esperar a que despachemos la sandez de la quema de libros.

Un escáner no es una hoguera

Destruir un ejemplar no convierte, por sí solo, el escaneado destructivo en el equivalente moderno de las hogueras de Savonarola o de las quemas nazis. Aquellos actos tomaban su sentido de lo que se condenaba y de por qué se condenaba. El pobre fraile Savonarola, arrastrado a todas las polémicas sobre quemas de libros, pedía a la gente que quemase parte de sus posesiones como acto público de penitencia. Las hogueras nazis escenificaban un repudio de otra clase: quemar los libros en público era declarar que sus autores no tenían sitio en la vida cultural alemana. En ambos casos la destrucción era performativa. El escaneado destructivo, un método corriente en digitalización, persigue otra cosa: se sacrifica el ejemplar para conservar su contenido. El libro se destruye; el texto se desmaterializa. A quien invoque Fahrenheit 451 le vendrá bien recordar que los bomberos de Bradbury no guardaban el texto para más tarde.

alimentó la alarma poniendo «libros raros» en su titular, descripción que otros medios repitieron obedientemente. Sin embargo, un librero citado en esa misma investigación explicó que aquellos pedidos al por mayor , lo que apunta sobre todo a ediciones posteriores a la introducción del ISBN, hacia 1970. Es la mercancía de los rastros y las tiendas de beneficencia, a menudo a una limpieza de trastero del contenedor. Antes de proclamar una catástrofe cultural, convendría consultar el catálogo de la biblioteca: esas son precisamente las publicaciones que las bibliotecas de depósito legal existen para conservar. Un ISBN no garantiza, es cierto, que sobreviva un ejemplar de depósito; pero tampoco la escasez en el mercado de segunda mano demuestra que un texto haya desaparecido.

La trituración destruye el ejemplar, con sus dedicatorias y sus anotaciones marginales. Los ejemplares con marginalia o procedencia de interés histórico merecen identificarse y conservarse, a ser posible antes de que lleguen al mercado de segunda mano. Puede inquietarnos, además, la menguante oferta de ejemplares de títulos descatalogados. Pero entonces habría que preguntarse también por qué sus titulares de derechos ni los reimprimen ni autorizan el acceso a los facsímiles digitales que ya existen. Los investigadores conocen bien la frustración: Google Books encuentra el pasaje que uno necesita y a continuación le ofrece un retazo de un libro que no se puede comprar nuevo ni leer en línea. Hay aquí pérdidas que merecen discutirse. Ninguna convierte un escáner en una hoguera nazi.

El comercio del libro, por su parte, lleva mucho tiempo enviando a la pasta los libros no vendidos como cosa de rutina. Solo en Francia se calcula que , cerca del 60 % del tonelaje devuelto sin vender a los distribuidores. A eso se le llama gestionar las existencias. Los excedentes y los títulos escasos de segunda mano plantean cuestiones de acceso distintas, pero destruir papel no es, en sí, ni censura ni tiranía.

¿Más libros, mejor IA?

Que las empresas de IA compren y escaneen libros es, en realidad, una buena noticia. Una tecnología a la que se reprocha sin cesar su comprensión superficial de la cultura humana está adquiriendo más cultura, y cabría esperar que los académicos celebraran el empeño.

La web es un pobre sustituto del registro acumulado de una lengua. Buena parte de la vida escrita de una lengua —novelas y memorias, canciones populares, conversaciones transcritas— nunca ha pasado del papel a la web. Muchos de esos libros han sobrevivido a sus editoriales. Incorporarlos a los datos de entrenamiento importa sobre todo allí donde apenas hay otra cosa. Unos cuantos libros más en inglés aportarán, si acaso, una mejora marginal; en una lengua poco representada pueden marcar la diferencia entre un sistema utilizable y otro inservible. Que estas herramientas tengan cabida en nuestros servicios públicos o en nuestra vida diaria es asunto de debate público. Pero allí donde decidamos usarlas, deberíamos poder hacerlo en nuestra propia lengua.

Los pedidos de que se ha dado noticia en España y en los Países Bajos vuelven concreto lo que está en juego para las lenguas. En mayo, describía a un librero de Badalona que recibía pedidos reiterados, sobre todo de no ficción en catalán: libros de historia, manuales técnicos, viejas actas de congresos. En agosto, la prensa neerlandesa hablaba de un encargo a De Slegte de . La lengua de los libros merece por lo menos tanta atención como la suerte de sus encuadernaciones. Quizá sea mucho pedir al Daily Mail; pero tampoco los diarios más sobrios han tenido gran cosa que decir sobre las lenguas en cuestión.

Los acuerdos de licencia con las grandes editoriales también pueden aportar material valioso, pero sus catálogos digitales cubren solo una fracción de cuanto se ha impreso. Los libros nunca digitalizados, o cuyos derechos la editorial ya no posee, quedan fuera de la oferta. Ni el acuerdo de licencia más generoso puede suplir la historia de la edición, y menos aún la historia de una cultura. Comprar ejemplares de segunda mano es una manera de traspasar esas fronteras comerciales.

«Robo» no es un argumento

Tampoco ayuda llamarlo «robo». En junio de 2025, dos tribunales federales de distrito de Estados Unidos sostuvieron que, en los casos que tenían delante, entrenar modelos de lenguaje con libros era uso legítimo (fair use). En , el tribunal subrayó el carácter transformador del entrenamiento: los libros se usaron para construir un sistema capaz de producir expresión nueva. Los modelos pueden memorizar pasajes, pero entrenar con un libro no hace que el texto entero pueda recuperarse a voluntad. Tampoco la ausencia de reproducción literal zanja todas las objeciones: en , el juez advirtió de que las obras generadas por IA podrían inundar el mercado y de que la prueba de tal perjuicio podría echar abajo una defensa de uso legítimo; pero aquellos demandantes no habían aportado pruebas significativas de ese perjuicio a sus propias obras. Ninguna de las dos sentencias da a las empresas de IA carta blanca ni zanja la disputa ética. Lo que exigen es distinguir cómo se adquieren los libros, cómo se conservan las copias y qué hace con ellas el entrenamiento. Llamar «robo» a todo ello deja esas preguntas sin responder.

Por cierto: la sentencia del caso Anthropic ofrece una justificación para la guillotina. El tribunal avaló la digitalización de ejemplares comprados y rechazó la acumulación de libros pirateados en una biblioteca permanente, por la que la empresa . La digitalización pasó el examen, en parte, porque cada ejemplar impreso se destruía en la conversión: la copia digital lo sustituía y no salía de la empresa. La destrucción que tanto escandaliza a algunos ayudó a Anthropic a demostrar que su programa de digitalización era uso legítimo. Comprar, escanear y desechar ofreció en ese caso una vía legal. La guillotina, aquí, es un instrumento de cumplimiento de la ley. Comprar ejemplares puede resolver el problema de la adquisición; no da a nadie, por sí solo, permiso para compartir el corpus resultante.

Hay buenas razones para querer que la IA beba de más lenguas, de más investigación y de más de ese mundo que existía antes de internet. Esas razones no se evaporan porque una empresa que nos cae mal haya visto en ello una oportunidad de negocio.

Indignación prestada

Volvamos, pues, al Daily Mail. Su artículo forma parte de , una campaña de propietarios de periódicos y editoriales que reclama para la IA. Dos sustituciones oportunas hacen el trabajo: las grandes tecnológicas pasan por la IA, y los titulares de derechos pasan por la creatividad británica. Se invita al lector a defender la cultura mientras las editoriales negocian las condiciones de su venta. Los académicos que comparten la noticia harían bien en preguntarse a qué causa sirve su indignación.

Las grandes tecnológicas y las discuten por el precio del alquiler, pero ninguna de las dos pone reparos al cercado. La historia del autor solitario expoliado por un gigante tecnológico esconde lo que los costosos acuerdos de licencia ofrecen a ambos bandos corporativos: las editoriales cobran, y las grandes tecnológicas se aseguran un mercado en el que sus rivales más pequeños no pueden permitirse competir. Peter Thiel resumió sin rodeos la preferencia de Silicon Valley: .

Las licencias no tienen por qué acabar así. Un acceso asequible y no exclusivo podría ayudar a los desarrolladores pequeños. Pero un sistema que obliga a cada recién llegado a negociar acuerdos costosos con los grandes titulares de derechos convierte el poder adquisitivo en condición de entrada. Un pago presentado como concesión a las industrias culturales acaba comprando protección frente a futuros rivales.

La IA no es de las grandes tecnológicas

Hay una cuestión más de fondo. Demasiadas críticas a la IA toman a sus mayores proveedores comerciales por el campo entero. Los productos acaparan los titulares; la investigación y el desarrollo que se hacen fuera de esas empresas desaparecen de la vista. Las grandes tecnológicas no podrían pedir un malentendido más útil: su ambición de adueñarse del campo se convierte en la premisa de la crítica que se les dirige. El monopolio no está asegurado todavía; darlo por hecho les hace un favor enorme.

La IA de código abierto permite construir y adaptar sistemas que reflejen una mayor diversidad de lenguas, culturas y formas de expresión. Para los países de Europa, África y América Latina, igual que para Corea del Sur, Japón o la India, esa es una base práctica de soberanía tecnológica y cultural: la capacidad de decidir cómo funcionan los sistemas, a qué lenguas sirven y dónde se usan. Si usar la IA, y para qué, debería seguir siendo una elección pública, no una decisión dictada por la dependencia de un proveedor extranjero.

Pero la libertad de modificar un sistema vale poco sin los medios para hacerlo. El trabajo independiente necesita conocimientos, infraestructura de cálculo y acceso a material de entrenamiento. Y eso nos devuelve a los libros. Si cada equipo de investigación o institución pública tiene que negociar sus propios acuerdos editoriales o reunir su propia biblioteca privada, la independencia seguirá siendo un privilegio de quien pueda pagarla.

Los libros ya están aquí

Bibliotecas y archivos llevan generaciones reuniendo el material que estos sistemas necesitan. Sus colecciones existen porque el acceso al conocimiento debe durar más que el interés comercial en venderlo. Mucho está ya escaneado: custodia unos diecinueve millones de volúmenes digitalizados procedentes de bibliotecas de investigación, muchos aún bajo derechos de autor. Una biblioteca escanea un libro y lo conserva; allí nadie necesita guillotina. HathiTrust , pero ha anunciado también , un proyecto para dar acceso a corpus con fines de investigación y desarrollo no comerciales en IA. Un acceso en esos términos seguiría dejando fuera a algunos desarrolladores independientes.

Ahora bien, poseer los libros no da a una biblioteca derecho a distribuir su contenido protegido como corpus de entrenamiento. La permite a las instituciones de investigación y a las bibliotecas hacer minería de obras legalmente accesibles con fines de investigación científica, y una minería más amplia cuando los titulares no se han reservado los derechos. : su excepción cubre la investigación no comercial y restringe la transferencia de copias. Ninguno de los dos marcos da a las bibliotecas un derecho general a compartir sus fondos protegidos para que otros construyan sobre ellos.

Cabría también reconsiderar durante cuánto tiempo deben controlar los titulares de derechos los usos computacionales de los libros. Las patentes farmacéuticas ofrecen un término de comparación: sus veinte años de vigencia ordinaria son mucho menos que la protección del derecho de autor, que dura toda la vida del autor y setenta años más. ¿Podrían los libros quedar libres para la minería de textos y datos, sin pagar licencia, al cabo de, digamos, veinte años desde su primera publicación, mientras los derechos de reedición y venta siguen protegidos? Proteger el derecho de un autor a vender un libro no tiene por qué significar controlar durante generaciones cada uso que pueda darse a su contenido.

Hace dos años sostuve en que los datos patrimoniales deberían tratarse como un bien público. Los gobiernos deberían financiar a bibliotecas y archivos para que digitalicen, transcriban y documenten sus colecciones, y darles autoridad legal para poner los corpus resultantes a disposición de quien quiera construir sobre ellos. Las grandes tecnológicas podrían contribuir a pagar la factura mediante un gravamen específico.

La financiación pública debería ir acompañada de políticas de colección y normas de acceso publicadas, que cubran tanto el trabajo académico como el comercial, sin acuerdos exclusivos ni accesos privilegiados para los donantes. Dar acceso para el entrenamiento no tiene por qué significar redistribuir sin límite libros protegidos. Los autores deberían participar en el diseño del sistema público, incluido el modo en que trate el consentimiento, la remuneración y la competencia con su obra. El acceso gratuito para los usuarios no excluye una remuneración de los autores con cargo a fondos públicos: el , que paga a los autores con dinero público cuando se prestan sus libros, ofrece un precedente. La hoguera nunca fue la noticia. La noticia es el cercado.

Estimados editores: si quieren mi voz, devuélvanme mi lengua

Thu, 27 Aug 2026 00:00:00 +0000

Otro día, otra revista que proclama a los cuatro vientos su política sobre IA. Esta vez le toca a Progress in Human Geography, cuyos editores han publicado en la que advierten de que usar la IA como sustituto de la lectura, el pensamiento y la escritura propios es «una violación de la ética académica equiparable al plagio». Los artículos en que se detecte «podrán ser retirados»; en el mejor de los casos se corregirán, con la correspondiente nota publicada en la revista. Los autores, añaden los editores, harían bien en «sopesar con cuidado si desean que su nombre quede asociado a retiradas y notas de corrección».

Detengámonos un momento en esa frase. La retractación es la sanción máxima de la publicación académica, la pena reservada normalmente a la fabricación de datos y al fraude. Aquí se asocia a una falta que el propio editorial es incapaz de definir. Hay, conceden los editores, «auténticas zonas grises» y «ninguna línea clara que delimite la zona de “irresponsabilidad”». La aplicación de la norma descansará en «juicios de valor que podrían molestar a algunos autores, quienes alegarán que no han hecho un uso indebido de la IA»: la declaración del propio autor, en otras palabras, podrá ser desautorizada. El consejo que sigue es mantenerse «a salvo en la zona de “responsabilidad”», y solo se aconseja ponerse a salvo donde hay peligro. Castigar a alguien por cruzar una línea que uno confiesa no saber trazar solo tiene sentido si de lo que se trata es de gobernar por el miedo. Quédense con esa idea.

El pretexto de la voz

¿Y en qué consiste un uso responsable? Se pide a los autores «gran cuidado … para conservar su propia voz». Uso indebido es recurrir a la IA «para escribir en una lengua que los autores nunca emplearían normalmente por sí mismos». Para un hablante nativo, la regla se entiende: no finjas ser lo que no eres. Pero para los extranjeros que debemos escribir en una lengua ajena, el precepto se contradice a sí mismo: la voz que la política protege es justo lo que las normas de la revista nos niegan.

Tómenme como caso de prueba. El inglés es mi cuarta lengua, exactamente de las que nunca emplearía «normalmente». Las universidades anglófonas me enseñaron a escribirlo corto, señalizado, casi mecánico: la oración temática al frente, los atenuantes en los lugares aprobados, las transiciones sacadas de la lista aprobada. El adiestramiento dio resultado: nunca hubo en mi inglés una voz que proteger; fue lo primero que hubo que sacrificar. Según la definición de los propios editores, todo lo que he escrito en inglés sería un uso indebido, con máquina o sin ella.

Entre la espada y la pared

Los editores dicen haber pensado en nosotros: la política reconoce que a los hablantes no nativos les conviene que la IA revise su inglés, e incluso sus «servicios de traducción, redacción y edición». Y sin embargo la intervención de la IA en la escritura «debería limitarse, como mucho, a una ayuda de edición y corrección», sin llegar a «grandes fragmentos de texto escrito por IA». Un artículo traducido automáticamente está escrito por la IA de la primera palabra a la última; no es más que una sucesión de tales fragmentos. La concesión, pues, solo se sostiene si traducir no es escribir. ¿Y por dónde pasa esa línea? Ya nos lo han dicho: «ninguna línea clara».

Hay algo peor, porque la sospecha no es solo infalsable: está cargada de antemano. En 2023, un equipo de Stanford sometió siete detectores de IA de uso corriente a ensayos escritos por humanos: los detectores marcaron como obra de una máquina, en promedio, el 61 % de los ensayos del TOEFL escritos por no nativos, mientras clasificaban casi sin error los de hablantes nativos; uno de ellos marcó el 97,8 % del conjunto TOEFL ( ). La razón es instructiva. Los detectores miden la previsibilidad, y el inglés de segunda lengua, adiestrado para tender a la media, es previsible por diseño: la palabra más probable en el orden más probable. El mismo estudio encontró la señal en la producción académica real, con menor variabilidad lingüística en las ponencias de congreso cuyo primer autor no es nativo. Los rasgos de estilo que se leen como «IA» son los de un inglés competente de segunda lengua, y un juicio humano lee los mismos rasgos que la máquina. El cerco se cierra: si escribo mi propio inglés, parezco una máquina; si uso la máquina, infrinjo su norma.

El impuesto de la lengua

La paradoja sería inofensiva si no viniera acompañada de amenazas. Pero las amenazas delatan un problema más hondo y más viejo, que la política nunca nombra: el monolingüismo. Las piden «la mayor cobertura internacional posible» mientras, en la misma página, «la lengua de la revista es el inglés».

El coste de ese arreglo no es hipotético. Tras encuestar a 908 científicos ambientales, Amano y sus colegas comprobaron que los hablantes no nativos de inglés dedican hasta un 51 % más de tiempo a escribir un artículo, se lo rechazan 2,5 veces más y les piden revisarlo 12,5 veces más a menudo, solo por razones de lengua ( ). Ese impuesto se cobra antes de que llegue ninguna política sobre IA; el formulario de declaración y sus amenazas son una auditoría que se le añade encima.

Fin d’empire

El monolingüismo es el axioma que nadie discute. Es una herencia imperial que fue adquiriendo, con el tiempo, una justificación práctica: traducir era lento y caro, y ningún consejo editorial podía evaluar lo que no sabía leer. Nada de eso resiste a los avances de la traducción automática, que en su estado actual puede servir de capa fiable entre autores y editores.

La salida ideal es humana: que los investigadores lean más de una lengua. Las universidades anglófonas prefieren, en cambio, cerrar sus departamentos de lenguas modernas. Nótese que los cierres son un fenómeno angloamericano: en el resto del mundo, los investigadores nunca tuvieron el lujo de ser monolingües. Y nótese el momento. Cerrar un departamento de lenguas es hacer una apuesta: que el inglés ha ganado para siempre y que nunca más se escribirá nada digno de leerse en otra lengua. Esa apuesta se hace en el peor momento posible, y por partida doble. Primero, porque la traducción automática permite por primera vez prescindir del todo de una lengua franca; segundo, porque el orden que hizo del inglés la opción por defecto se bate en retirada: la anglosfera se repliega, la globalización refluye, el libre comercio está en entredicho en sus propias cunas y va tomando forma un mundo multipolar en el que se multiplicarán las lenguas que merezca la pena leer. Las universidades forman investigadores que solo leen inglés para un mundo en el que el inglés no bastará. Los consejos editoriales serán los primeros en heredar esa pérdida.

Una prueba para los editores

Cuando un consejo editorial se lamenta de no poder oír la voz de sus autores, quizá parte del problema esté en el propio consejo.

Es una acusación grave, y viene con una prueba a la altura. ¿Aceptaría Progress in Human Geography someter a revisión por pares un manuscrito escrito en francés, italiano o japonés, acompañado de una versión inglesa traducida automáticamente? Las propias normas de la revista reconocen los servicios «de traducción» que lo hacen posible. Un sí acaba con el problema. Un no nos diría qué protege en realidad la política.

Sea como fuere, la decisión está en manos de los editores. Si la voz importa, como dicen, la revista debería aceptar artículos en las lenguas en que piensan sus autores. Si no importa, sobra el formulario de declaración, y con él las amenazas.

tei-mcp v0.3: codificar en TEI sin reescribir la fuente

Tue, 05 May 2026 00:00:00 +0000

Cuando , el objetivo era que los asistentes de IA dejaran de alucinar marcado TEI. El anclaje en el esquema (schema grounding) resolvió parte del problema: con acceso directo, mediante herramientas, a la especificación P5, el modelo ya no tiene que adivinar qué significa un elemento ni qué atributos acepta. La salida valida.

Pero en la codificación TEI la alucinación tiene dos caras, y el esquema solo atrapa una. Validar contra la especificación garantiza que el marcado está bien formado; no dice nada del texto que ese marcado envuelve. Y es ahí —en el texto mismo— donde anidan las alucinaciones más dañinas. La composición con intervalos bloqueados, la gran novedad de la v0.3, está pensada precisamente para impedirlas.

Índice

La alucinación que el esquema no atrapa

Pida a un modelo que codifique una carta francesa del siglo XVI y obtendrá, muchas veces, un documento TEI de aspecto impecable: la cabecera rellena, las etiquetas <persName> en su sitio, el <dateline> bien formado. Páselo por validate_document y lo supera.

Compare ahora el cuerpo con la fuente.

mesme se ha convertido en même. Una coma ha cambiado de sitio. luy se ha modernizado en silencio en lui. Una cláusula de lectura difícil en el manuscrito ha sido «corregida» hasta quedar más limpia. Nadie pidió ninguno de esos cambios; ninguno aparece señalado. El documento es válido según el esquema y está calladamente equivocado.

Para un flujo de trabajo archivístico —donde el texto codificado se convierte en el registro permanente del que dependerán lectores, índices de búsqueda y citas— este es el modo de fallo que más importa. Una etiqueta malformada es una molestia; una grafía modernizada que nadie advierte en cinco años es una corrupción.

La composición con intervalos bloqueados

La nueva versión (v0.3) incorpora un mecanismo de prevención de alucinaciones dirigido justo a ese modo de fallo. El objetivo de diseño es que las alucinaciones en el cuerpo del texto sean imposibles por construcción, no simplemente improbables.

La idea es sencilla: el modelo nunca teclea el cuerpo del texto.

El flujo de trabajo es, en cambio, el siguiente:

El modelo llama a get_source("letter_001") y recibe el texto plano de la fuente como cadena inmutable.
Por cada etiqueta que quiera aplicar, llama a tag_span("letter_001", start, end, element_path, attrs), con lo que registra un elemento TEI sobre un rango de caracteres de la fuente.
Al terminar, llama a compose("letter_001"). El servidor intercala las etiquetas registradas en el texto plano original, genera el TEI final y comprueba después, byte a byte, que el contenido textual plano del documento generado es idéntico a la fuente.

Si los bytes coinciden, el documento se devuelve. Si no —si las etiquetas del modelo implican de algún modo un cuerpo que se aparta de la fuente aunque sea en un solo carácter—, compose() lanza una excepción en lugar de entregar un documento corrupto.

No hay ningún camino en este flujo de trabajo por el que el modelo pueda producir un documento TEI cuyo cuerpo difiera de la fuente. El invariante es mecánico, no conductual. No hace falta confiar en que el modelo no alucine; basta confiar en una comprobación == entre dos cadenas de bytes.

Qué es esto, y qué no es

La composición con intervalos bloqueados complementa el anclaje en el esquema; no lo sustituye. Las herramientas de anclaje (validate_document, lookup_element, valid_children y el resto de las dieciséis originales) ayudan al modelo a producir TEI válido; la composición con intervalos bloqueados garantiza que el cuerpo del texto dentro de ese TEI sea fiel a la fuente. Un flujo de codificación que pueda desplegarse de verdad tiene que satisfacer ambos ejes, y ahora los dos quedan cubiertos por un solo servidor.

Tampoco es una varita mágica. compose() todavía no comprueba que las etiquetas registradas sean admisibles según la personalización ODD cargada; eso queda para más adelante. Las etiquetas registradas viven en la memoria del proceso y no sobreviven a un reinicio. Y los archivos fuente tienen que poder leerse desde donde se ejecute el servidor. Todo ello tiene arreglo; nada de ello socava el invariante central.

Por qué importa más allá de la TEI

El patrón se generaliza. Siempre que se pida a un modelo que anote, transforme o envuelva un fragmento de texto —y siempre que la integridad del texto importe más que la capacidad del modelo para «mejorarlo»— vale la misma forma de solución: no pedir al modelo que vuelva a teclear el texto, sino que produzca instrucciones sobre él, y dejar que un compositor determinista las aplique bajo un invariante de igualdad.

Para las ediciones digitales en particular, esto cambia lo que se puede pedir a un modelo con responsabilidad. De pronto, la codificación es una tarea que se puede delegar sin tener que cotejar a mano cada salida con la fuente. La máquina se ocupa de la parte tediosa; el editor revisa el marcado, no la ortografía.

Cómo obtener la actualización

Si ya tiene instalado tei-mcp:

uvx tei-mcp@latest

O desde cero:

pip install tei-mcp

Para usar la composición con intervalos bloqueados, apunte el servidor a un directorio con los archivos fuente en texto plano:

export TEI_MCP_SPAN_SOURCE_ROOT=/path/to/sources
uvx tei-mcp

El nombre base de cada archivo se convierte en su identificador de documento (letter_001.txt → letter_001).

Código fuente, documentación completa y notas de diseño del invariante:

tei-mcp

Sun, 15 Mar 2026 00:00:00 +0000

tei-mcp: TEI P5 para agentes de IA

tei-mcp es un servidor de código abierto que da a los asistentes de programación con IA acceso directo a la especificación . En lugar de fiarse de lo que memorizó durante el entrenamiento —fuente frecuente de marcado plausible pero incorrecto—, la IA puede consultar la especificación en tiempo real.

Funciones

El servidor analiza el ODD de TEI P5 y expone 16 herramientas:

Consultar cualquier elemento, clase, macro o módulo por su nombre, sin distinguir mayúsculas de minúsculas y con sugerencias en caso de errata
Resolver atributos a lo largo de toda la jerarquía de clases de la TEI (locales y heredados)
Expandir modelos de contenido en árboles estructurados, con resolución de clases y macros
Validar el anidamiento: relación directa padre-hijo o alcanzabilidad recursiva, con seguimiento de la ruta
Validar documentos contra TEI P5: modelos de contenido, atributos, listas cerradas de valores, integridad de las referencias y avisos de obsolescencia
Validar elementos sueltos para flujos de edición incremental
Cargar personalizaciones ODD que restringen el esquema al subconjunto propio de un proyecto
Buscar en todos los tipos de entidades con expresiones regulares

Instalación

pip install tei-mcp

O ejecútelo directamente con:

uvx tei-mcp

Uso

Añádalo a cualquier cliente compatible con MCP (Claude, Cursor, Windsurf, etc.):

{
 "mcpServers": {
 "tei": {
 "command": "uvx",
 "args": ["tei-mcp"]
 }
 }
}

El código fuente y la documentación están en el .

tei-mcp: TEI P5 para agentes de IA

Sun, 15 Mar 2026 00:00:00 +0000

Quien haya usado un asistente de programación con IA para escribir XML TEI habrá notado, seguramente, que se equivoca: aparecen elementos donde no deben, se inventan atributos, se ignoran las reglas de anidamiento. El modelo tiene una idea aproximada de qué aspecto tiene la TEI, pero ningún conocimiento fiable de la especificación.

tei-mcp resuelve el problema dando a los agentes de IA acceso directo, mediante herramientas, a las directrices TEI P5.

Índice

¿Qué es MCP?

El (MCP) es un estándar abierto que permite a las aplicaciones de IA conectarse con fuentes de datos y herramientas externas. Piénsese en él como en un puerto USB para la IA: un único protocolo con el que cualquier cliente compatible —Claude, Cursor, Windsurf y otros— puede enchufarse a servicios especializados.

Un servidor MCP expone herramientas que la IA puede invocar en mitad de una conversación. En vez de fiarse de lo que memorizó durante el entrenamiento, el modelo consulta una fuente viva y autorizada.

Qué hace tei-mcp

tei-mcp analiza la especificación ODD de TEI P5 y expone 16 herramientas que responden a las preguntas más frecuentes de un editor o codificador:

¿Qué es este elemento? Consulta de cualquier elemento, clase, macro o módulo por su nombre, sin distinguir mayúsculas de minúsculas y con sugerencias en caso de errata.
¿Qué atributos admite? Resolución de los atributos a lo largo de toda la jerarquía de clases: primero los locales, después los heredados, por orden.
¿Qué puede contener? Expansión de los modelos de contenido en árboles estructurados, o lista plana de los hijos válidos.
¿Puede ir aquí este elemento? Comprobación del anidamiento padre-hijo, o rastreo de la alcanzabilidad a través de toda la jerarquía de elementos.
¿Es válido mi documento? Validación de un archivo XML TEI contra la especificación: modelos de contenido, valores de atributos, listas cerradas de valores, integridad de las referencias y avisos de obsolescencia.
¿Y el esquema de mi proyecto? Carga de un archivo de personalización ODD que restringe todo lo anterior al subconjunto de la TEI propio de su proyecto.

Por qué importa

Codificar en TEI obliga a consultar las directrices sin descanso. Los codificadores experimentados interiorizan los patrones más comunes, pero hasta ellos tienen que mirar la especificación ante un elemento poco familiar o un modelo de contenido complejo. Para los asistentes de IA, que carecen de ese saber interiorizado, el problema es peor: alucinan un marcado de aspecto plausible pero incorrecto.

Con tei-mcp la IA no tiene que adivinar: puede buscar la respuesta en la especificación antes de escribir un solo paréntesis angular. El resultado es un marcado conforme a TEI P5, o a la personalización ODD de su proyecto.

Primeros pasos

Instálelo desde PyPI:

pip install tei-mcp

Añádalo después a la configuración de su cliente MCP:

{
 "mcpServers": {
 "tei": {
 "command": "uvx",
 "args": ["tei-mcp"]
 }
 }
}

El servidor descarga la especificación TEI la primera vez que se ejecuta y funciona con cualquier cliente compatible con MCP.

Código fuente y documentación completa: