Site Logo
Published on

Un modelo responde. Un agente actúa.

Authors

Cuando usás ChatGPT o Claude para resolver una duda puntual, estás usando apenas la punta del iceberg de lo que puede hacer una IA. Lo que muchos no saben, es que existe una forma de integrar estos modelos directamente en tu entorno de desarrollo: los agentes de IA.

🧠 Un modelo responde.
⚙️ Un agente actúa.

¿Cuál es la diferencia?

Un modelo de lenguaje (LLM, como GPT, Claude, Mistral o LLaMA) es como una función:
le das un prompt y te devuelve una respuesta.

Pero un agente de IA es como un orquestador inteligente. Usa ese modelo como cerebro, pero además puede:

  • 📂 Leer archivos de tu proyecto
  • 🔍 Analizar código
  • 🛠️ Ejecutar comandos
  • 🧪 Correr tests
  • 🧠 Recordar lo que hizo
  • 🔄 Iterar hasta que algo funcione como pediste

🧩 ¿Qué es un agente?

Un agente es una arquitectura que combina:

  • Un modelo de lenguaje (como GPT-4, Claude 3, LLaMA 3, Mistral, etc.)
  • Herramientas conectadas (funciones o APIs que puede llamar para interactuar con tu entorno)
  • Memoria (para recordar lo que hizo antes o lo que le pediste previamente)
  • Un objetivo definido (por vos o generado a partir de un prompt)

Por ejemplo, podrías tener un agente con este objetivo:

"Arreglá los tests rotos en este repositorio y explicame qué cambiaste."

Ese agente, paso a paso, va a:

  1. Leer los archivos del repo
  2. Detectar qué tests fallan
  3. Proponer y aplicar fixes
  4. Ejecutar los tests nuevamente
  5. Iterar si algo sigue fallando
  6. Dejarte un resumen de los cambios

🧠 System messages, herramientas y orquestación

Los system messages (o mensajes de sistema) son instrucciones internas que se le dan al modelo para que se comporte de determinada forma. Por ejemplo:

“Sos un agente de desarrollo de software. Tenés acceso a las siguientes herramientas: leer archivos, escribir archivos, ejecutar comandos. Tu objetivo es aplicar mejoras al código que se te indique.”

La diferencia con un chat tradicional es que el modelo no se queda solo en la respuesta: decide qué herramienta usar, arma la instrucción (por ejemplo: "read_file(path='/src/app.ts')"), y espera la respuesta del entorno para seguir.

Ese entorno es lo que conecta todo…

🔌 MCP: el puente entre el modelo y tus herramientas

Ahí entra el protagonista técnico: MCP (Model Context Protocol).

MCP es un protocolo que define cómo conectar un modelo de IA con tu entorno local de forma segura y controlada.

MCP expone un servidor local (cliente-servidor), que escucha peticiones del modelo y responde con resultados reales.

¿Qué puede hacer a través del MCP?

✅ Leer archivos
✅ Escribir y editar código
✅ Correr tests o comandos
✅ Analizar logs o errores
✅ Automatizar flujos completos

Esto transforma al modelo en algo más que un "chat" y lo convierte en un agente autónomo.

La clave de MCP es que vos tenés el control. Podés decidir qué herramientas están habilitadas, qué directorios puede acceder, si tiene memoria o no, etc.

🛠️ ¿Dónde se usan ya los agentes?

Varias herramientas están empezando a implementar agentes + MCP:

  • Cursor: un IDE con IA integrada que puede editar código real.
  • WindSurf: un IDE con IA integrada que puede editar código real.
  • Continue: plugin para VSCode que permite correr agentes con acceso local a tus archivos.
  • OpenDevin: entorno de desarrollo completamente IA-driven.
  • LlamaIndex y LangChain: permiten crear agentes personalizados conectados a herramientas externas.
  • Auto-GPT y OpenAI Function Calling: también permiten usar herramientas como parte de un flujo controlado.

🚀 ¿Y cómo se configuran?

Un agente necesita 3 cosas para funcionar:

  1. El modelo (puede ser local como LLaMA o remoto como GPT-4)
  2. Las herramientas disponibles (leer archivos, correr comandos, consultar APIs, etc.)
  3. Una definición del rol + objetivo (a través de mensajes de sistema o flujos definidos)

En muchas plataformas (como Continue, o LangChain) esto se define en un archivo de configuración o script de arranque. Ejemplo básico en pseudocódigo:

agentConfig = {
  model: 'gpt-4',
  tools: ['readFile', 'writeFile', 'runCommand'],
  memory: true,
  systemPrompt: `
    Actuás como un desarrollador senior.
    Tu objetivo es ayudar al usuario a implementar nuevas funciones, corregir errores y mejorar el código existente.
  `
}

🧠 Conclusión

Los agentes marcan el inicio de una nueva etapa en el desarrollo con IA. Ya no se trata solo de obtener respuestas: se trata de automatizar flujos reales, dentro de tu propio entorno de trabajo.

No es magia. Es arquitectura. No es solo un modelo. Es un sistema que trabaja con vos.

Si alguna vez sentiste que copiar y pegar desde ChatGPT era un parche… es porque lo es.

Los agentes vinieron para integrar la IA directamente en tu flujo, no como reemplazo, sino como coequiper.