# Dar a los agentes un motor de cálculo matemático con varios motores

> MathKernel es un servidor MCP que ofrece a los agentes varios motores matemáticos y marca cuánto se puede fiar de cada resultado.

- **Tipo:** Caso de uso
- **Tema:** Ciencia y seguridad
- **Dificultad:** avanzada
- **Origen:** [Staatsgeheim/MathKernel en GitHub](https://github.com/Staatsgeheim/MathKernel)
- **En el directorio desde:** 3 de octubre de 2026
- **URL:** https://conqueia.com/caso/dar-a-los-agentes-un-motor-de-calculo-matematico-con-varios-motores

## A quién le sirve

Ingenieros, científicos y estudiantes que necesitan cálculos o demostraciones que se puedan comprobar, y no solo una respuesta que suene bien.

## Qué hicieron

MathKernel funciona como servidor MCP (un estándar para conectar herramientas a agentes), con 162 herramientas matemáticas. El modelo interpreta y planifica, y el motor calcula con SymPy, Z3, Lean, mpmath y numba/CUDA. Una sesión típica descubre qué puede hacer, interpreta una expresión, crea un contexto y llama a math_reason para resolver y verificar. Los cálculos largos van como tareas asíncronas. Cada resultado trae una etiqueta de confianza y el rastro de cómo se obtuvo.

## Cómo salió

La fuente no da pruebas ni cifras de resultados. Documenta el diseño: la confianza nunca supera la de la evidencia más débil, y si hay decimales el resultado pasa a numérico, lo que bloquea las demostraciones con Lean y SMT.

## Conviene saber

Lean 4 y Mathlib se instalan al arrancar el servidor por primera vez, salvo que pongas MATHKERNEL_SKIP_LEAN_INSTALL=1. CUDA necesita paquetes extra de nvidia en pip; si no, usa la CPU.

## Qué necesitas

- Un agente que acepte servidores MCP (un estándar para conectar herramientas a una IA), como Claude Code
- El servidor MathKernel, cuyo código está publicado en el enlace de la ficha
- Python y pip instalados en tu ordenador
- Tiempo en la primera arrancada, porque Lean 4 y Mathlib (herramientas para demostrar teoremas con ordenador) se instalan solos la primera vez
- Opcional: una tarjeta gráfica NVIDIA para calcular con CUDA, su tecnología de cálculo en la tarjeta; sin ella usa el procesador

## Cómo hacerlo tú, paso a paso

1. Instala el servidor MathKernel siguiendo las instrucciones de su página de GitHub.
2. Si no necesitas demostraciones formales, pon antes de arrancar MATHKERNEL_SKIP_LEAN_INSTALL=1 (una variable de entorno, un ajuste que se escribe antes de lanzar el programa) y te ahorras instalar Lean.
3. Añade MathKernel a la lista de servidores MCP de tu agente. MCP es el estándar que permite al agente usar herramientas externas.
4. Pega el prompt de la ficha con el problema o las ecuaciones que quieres resolver.
5. Lee en la respuesta qué motor dio el resultado, su etiqueta de confianza y cómo se verificó.
6. Si necesitas una demostración formal, escribe los números exactos (fracciones en vez de decimales). Con decimales el resultado pasa a numérico y se bloquean las demostraciones con Lean y SMT.
7. Para los cálculos largos, pide que se lancen como tareas en segundo plano y que el agente consulte el resultado cuando acaben.

## Pruébalo con tu IA

```
Conecta a este proyecto el servidor MCP de [herramienta matemática, por ejemplo MathKernel o un sistema de álgebra] y úsalo para resolver [problema o conjunto de ecuaciones]. Muéstrame el resultado junto con el motor que lo produjo y cómo se verificó. Si los motores no coinciden, avísame y explícalo. Habrás terminado cuando me des la respuesta, la prueba que la respalda y una nota con las suposiciones que hayas hecho.
```

## Consejos

- Lee la etiqueta de confianza antes que el resultado: te dice cuánto puedes fiarte.
- Si dos motores no coinciden, no lo dejes pasar. Pide a la IA que explique por qué y qué suposiciones hay detrás.
- Guarda la prueba y la nota de suposiciones junto con la respuesta, para poder revisarlas después.

## Preguntas frecuentes

### ¿Sirve si no soy matemático?

Sirve a cualquiera que necesite cálculos fiables, por ejemplo en ingeniería o estadística, pero leer la salida pide cierto nivel. Pídele a la IA que te explique cada resultado con palabras sencillas.

### ¿En qué se diferencia de preguntarle directamente a un chat?

Aquí los cálculos los hacen motores matemáticos y la IA solo interpreta y planifica, así que el resultado trae su prueba y se puede comprobar. Un chat suelto puede dar una respuesta que suena bien y es errónea.

## Fuentes

- [Staatsgeheim/MathKernel en GitHub](https://github.com/Staatsgeheim/MathKernel)
- [La conversación en Hacker News, 7 de septiembre de 2026](https://news.ycombinator.com/item?id=49592366)

---

Fuente: conqueia.com/caso/dar-a-los-agentes-un-motor-de-calculo-matematico-con-varios-motores