Cómo funcionan los agentes de IA: el bucle, paso a paso
Los agentes parecen magia en las demos y fontanería en producción. La razón es que lo interesante no es la salida del modelo sino el bucle que la consume, y ese bucle es corto: se lee de una sentada.
Esta guía recorre una única petición de principio a fin: qué ve el modelo en cada turno, qué hace tu código con el resultado, cómo vuelve una herramienta que falla y qué detiene el bucle. Si puedes contar esto de tu propio sistema, puedes depurarlo. Si no, ningún ajuste de prompt lo hará fiable.
Un turno del bucle, en orden#
- Montar el contexto: objetivo, definiciones de herramientas, hechos recuperados y un historial recortado.
- Pedir al modelo el siguiente paso. Responde directamente o solicita una llamada con argumentos.
- Validar los argumentos antes de hacer nada: tipos, rangos y si quien llama puede tocar ese registro.
- Ejecutar la herramienta. Capturar fallos y convertirlos en mensajes cortos y factuales, no en trazas de pila.
- Añadir la llamada y su resultado al historial y comprobar las condiciones de parada.
- Repetir, o devolver la respuesta final junto con lo que el agente hizo realmente.
Lo que el modelo puede ver y lo que no#
El modelo no recuerda nada del turno anterior salvo lo que vuelvas a poner en el contexto. Ese único hecho explica casi todo el comportamiento confuso. Si olvida una restricción de hace cuatro pasos, tu recorte la eliminó. Si repite tres veces la misma llamada fallida, el mensaje de error no dijo por qué en palabras accionables. Montar el contexto no es el preámbulo del trabajo interesante: es el trabajo interesante.
Escribe los errores de herramienta como instrucciones, no como diagnósticos. No `HTTP 404`, sino `No hay cliente con ese ID. Pide que confirme el número de pedido.`
Planificar: explícito o emergente#
Hay dos formas respetables. La emergente elige un paso cada vez sin documento de plan: simple, resistente y propensa a divagar en tareas largas. La explícita pide primero un plan numerado, lo ejecuta y solo replanifica cuando un paso falla. La explícita es más fácil de auditar y de mostrar al usuario, a cambio de ser frágil cuando la realidad se desvía en el paso tres. Por debajo de unos cinco pasos, la emergente suele bastar; por encima, el plan explícito se paga en trazabilidad.
Parar: la parte que las demos nunca muestran#
| Condición | Ajuste típico | Qué ocurre al saltar |
|---|---|---|
| Tope de pasos | 8–15 llamadas | Devolver trabajo parcial con explicación |
| Tope de gasto | Coste fijo por ejecución | Parar y registrar para revisión |
| Reloj | 30–120 s en uso interactivo | Devolver lo que se sabe |
| Detección de repetición | Misma llamada y argumentos dos veces | Forzar otra rama o parar |
| Puerta humana | Cualquier acción irreversible | Pausar y pedir aprobación |
Leer una traza cuando algo falla#
Una traza es el registro ordenado de cada contexto, decisión, llamada y resultado de una ejecución. Es la única herramienta de depuración que importa y lo primero que hay que construir. La pregunta nunca es por qué el modelo es malo, sino qué turno se torció primero y qué podía ver el modelo entonces. Nueve de cada diez veces la respuesta es aburrida: una herramienta devolvió una lista vacía sin decirlo, un dato caducado siguió en el contexto o un error de permisos llegó como fallo genérico y se trató como reintentable.
Preguntas frecuentes
¿Cuántos pasos debería dar un agente antes de parar?
En tareas interactivas, un tope de ocho a doce llamadas cubre casi todo lo legítimo; quien necesita más suele estar atascado. Los procesos por lotes pueden subir, pero acompaña el tope con un límite de gasto.
¿Planificar primero o decidir sobre la marcha?
Las tareas cortas van bien sobre la marcha. Cuando una tarea supera con regularidad los cinco pasos, un plan explícito hace auditable la ejecución y permite mostrar progreso; replanifica al fallar en vez de seguir un plan caduco.
¿Por qué mi agente repite la misma llamada fallida?
Casi siempre porque el mensaje de error no contiene información accionable. Devuelve errores cortos y claros que digan qué estuvo mal y qué haría falta, y añade detección de repeticiones.
cómo funcionan los agentes de iabucle de agenterazonar actuar observarllamada a herramientasarquitectura de agentes
