Qué es realmente un agente
No toda llamada al LLM es un agente. La distinción importa cuando empiezas a construir en serio.
La definición errónea típica
"Un agente es un LLM que puede hacer cosas." No basta.
Una llamada LLM es: metes un prompt, sale una respuesta. Es una llamada a función, no un agente.
Un agente es un sistema que:
- Persigue una meta (no solo responde una pregunta)
- Decide autónomamente qué pasos da
- Usa tools para interactuar con el mundo (leer ficheros, buscar en la web, escribir código)
- Corre en un loop hasta que se alcanza la meta o se rinde
El loop es la diferencia. Un agente observa, decide, actúa, vuelve a observar. Varias veces.
Ejemplo simple
No es agente: "Claude, escríbeme un email al cliente XY." → Claude escribe el email. Listo. Un turno.
Agente: "Claude, encuentra los 10 mayores clientes que no han pedido en 30 días y envíales un email personalizado de re-engagement." → Claude tiene que: leer datos del CRM, filtrar, ordenar, ver el historial de cada cliente, generar email, enviar, escribir informe. Varios turnos, varias tools, planificación propia.
Las cuatro partes anatómicas de un agente
1. Instrucciones (la meta + reglas básicas) "Eres un sales assistant. Encuentra los clientes X. Regla: ningún cliente con nota negativa en el timeline."
2. Tools (lo que puede usar) Lista de funciones con nombre, descripción y schema input/output. P. ej. get_customers, send_email, log_action.
3. Memoria (lo que recuerda mientras corre la tarea) Corto plazo: qué he hecho hasta ahora. Largo plazo: qué he aprendido de tareas anteriores.
4. Loop (el bucle de ejecución) El agent runner llama al LLM, lee la decisión ("quiero llamar la tool X con input Y"), la ejecuta, devuelve el resultado al LLM, pregunta de nuevo. Hasta que el agente diga "listo".
Quién lo construyó
Claude Agent SDK de Anthropic. OpenAI Agents SDK. Langchain Agents. En el núcleo todos hacen lo mismo: un runner que orquesta llamadas a tool en un loop.
Puedes construir un agente en 50 líneas de código. La diferencia de complejidad no está en el loop, sino en cómo de bien diseñas las cuatro partes anatómicas.
El punto práctico
No todo necesita un agente. La mayoría de tareas se resuelven con una sola llamada al LLM si el prompt está bien construido. Los agentes son para tareas con número de pasos desconocido.
"Escríbeme este email" → no hace falta agente. "Investiga el mercado X y dame un informe" → agente. El agente tiene que decidir hasta dónde profundiza, qué fuentes, cuándo termina.
Siguiente lección
El patrón que el 80 % de los sistemas de agentes serios usan en 2026: CEO/Worker. Un agente que orquesta otros agentes. Eso es la Lección 2.