Agents
Un agente es como un trabajador que puede leer la situacion, decidir que hacer y luego hacerlo — repetidamente. A diferencia de una sola llamada a un LLM que da una respuesta, un agente opera en un ciclo: observa el estado actual, piensa en la mejor accion, actua y luego observa el resultado. Este ciclo continua hasta que se logra el objetivo o se alcanza un limite.
Prerrequisitos
Antes de leer esta pagina, asegurate de entender:
- Large Language Model (LLM) — como los modelos generan texto
- Tool Use — como los modelos llaman funciones externas
Como Funciona
El diagrama muestra el ciclo observar-pensar-actuar — el patron fundamental detras de todo agente de IA.
En la fase de observar, el agente recopila contexto de su entorno. Esto podria significar leer un archivo, verificar un resultado de test, revisar un mensaje de error o examinar lo que sucedio en el paso anterior. El agente construye una imagen del estado actual.
En la fase de pensar, el LLM razona sobre que hacer a continuacion. Dado el contexto actual y el objetivo general, decide la mejor accion. Aqui es donde entra la inteligencia del modelo — no esta siguiendo un guion fijo, sino haciendo un juicio cada vez.
En la fase de actuar, el agente ejecuta su decision. Podria llamar a una herramienta (escribir un archivo, ejecutar un comando, consultar una API), enviar un mensaje o producir salida. Esta accion cambia el entorno — un archivo se crea, un test pasa o falla, datos se actualizan.
Luego el ciclo se repite. El agente observa el nuevo estado (paso el test?), piensa en que hacer despues (corregir el error o continuar?), y actua de nuevo. Esto continua hasta que se cumple el objetivo o se alcanza el numero maximo de pasos.
La diferencia clave entre un agente y un chatbot simple es la persistencia. Un chatbot te da una respuesta. Un agente trabaja a traves de un problema iterativamente, adaptando su enfoque basandose en resultados intermedios — muy parecido a un desarrollador humano que ejecuta codigo, lee el error, lo corrige e intenta de nuevo.
Por Que Importa
Los Agents pueden manejar tareas complejas de multiples pasos que serian tediosas de solicitar individualmente. En lugar de pedir "escribe esta funcion," luego "ahora escribe el test," luego "corrige el test que falla," puedes decir "construye esta funcionalidad con tests" y el agente planificara el enfoque, escribira codigo, ejecutara tests, corregira errores e iterara hasta terminar.
Este es el patron detras de los asistentes de codigo con IA como Claude Code, agentes de GitHub Copilot y herramientas similares. Cada uno ejecuta un ciclo observar-pensar-actuar internamente, usando llamadas a herramientas para interactuar con tu codebase.