Agentes

¿Qué es un agente?

Un agente de IA es un programa que va más allá de simplemente responder preguntas: puede razonar, decidir qué hacer y ejecutar acciones por su cuenta. Mientras que un modelo normal recibe un prompt y devuelve una respuesta, un agente puede analizar la situación, elegir qué herramienta usar, ejecutarla, ver el resultado y decidir el siguiente paso. Es como la diferencia entre un asistente que contesta preguntas y uno que además puede mandarte mails, reservarte turnos y hacer compras.

¿Cómo funciona un agente?

El agente opera en un loop (ciclo) continuo. En cada iteración:

1. Observa: Recibe información del entorno o del usuario.
2. Piensa: Usa un LLM (modelo de lenguaje, como GPT o Claude) para razonar sobre qué hacer.
3. Actúa: Ejecuta una herramienta o acción.
4. Evalúa: Analiza el resultado y decide si terminó o necesita otro paso.

┌──────────────────────────────┐
│  User: "Find me cheap        │
│  flights to Bariloche"       │
│              │                │
│              ▼                │
│  Agent thinks: I need to     │
│  search flights → uses       │
│  search tool                 │
│              │                │
│              ▼                │
│  Result: 5 options           │
│              │                │
│              ▼                │
│  Agent thinks: filter        │
│  the cheapest → responds     │
└──────────────────────────────┘

Tool use: el superpoder de los agentes

Lo que hace poderosos a los agentes es el tool use (uso de herramientas). Le definís al modelo un conjunto de funciones que puede llamar, como buscar en una base de datos, hacer un request HTTP, leer un archivo o ejecutar código. El modelo decide cuándo y cómo usar cada herramienta según lo que necesite. Esto conecta la capacidad de razonamiento del modelo con acciones concretas en el mundo real.

Ejemplos de agentes

Los agentes ya están en todos lados:

• Agentes de código: Como Claude Code o GitHub Copilot agent, que pueden leer tu código, editarlo, correr tests y hacer commits.
• Asistentes de atención al cliente: Que buscan en la base de datos del cliente, consultan el historial de pedidos y resuelven problemas.
• Agentes de investigación: Que buscan información en múltiples fuentes, la sintetizan y generan reportes.
• Automatizaciones inteligentes: Que combinan agentes con workflows para ejecutar procesos de negocio complejos.

Consideraciones importantes

Los agentes son potentes pero hay que diseñarlos con cuidado. Cada paso del loop implica una llamada al modelo (que consume recursos y plata), así que pueden ser costosos. También necesitás manejar errores: ¿qué pasa si una herramienta falla? ¿Y si el agente entra en un loop infinito? Definir buenos límites, timeouts y mecanismos de fallback es clave para que un agente funcione bien en producción.