De una sola respuesta a un ciclo de acciones

Un modelo de lenguaje simple convierte un prompt en una respuesta y se detiene. Un agente envuelve ese mismo modelo en un ciclo y le da herramientas: funciones que puede llamar, como buscar en la web, ejecutar código, consultar una base de datos o editar un archivo. El modelo ya no solo responde; decide qué hacer después, realiza una acción, ve el resultado y continúa. El modelo aporta el juicio; el ciclo y las herramientas aportan la capacidad de actuar sobre el mundo.

El patrón que siguen la mayoría de los agentes lo cristalizó el artículo de ReAct (2022): intercalar razonamiento y acción. El modelo piensa un paso (“necesito el precio actual, así que voy a buscarlo”), emite una acción (una llamada a una herramienta con argumentos), el sistema ejecuta la herramienta y devuelve la observación (el resultado) al contexto, y el modelo vuelve a razonar con esa información nueva. Se repite hasta que el modelo decide que tiene suficiente para responder.

Por eso los agentes pueden resolver tareas que una sola pasada hacia adelante no puede: reúnen información poco a poco y corrigen el rumbo con retroalimentación real, en lugar de comprometerse con una respuesta desde el principio. Se combina de forma natural con el cómputo en tiempo de prueba: los dos gastan inferencia extra para llegar a un mejor resultado.

Dicho en palabras, el ciclo suena ordenado; verlo correr muestra por qué vale lo que cuesta. Abajo hay un agente respondiendo una pregunta que no puede contestar en una sola pasada: necesita dos datos que no tiene, se topa con un error real de una herramienta a mitad del camino y se recupera. Avance paso a paso y fíjese en tres cosas: en cuál de las tres fases está el modelo, cómo se llena el contexto paso a paso y cómo sube el contador de iteraciones.

Por dentro, el uso de herramientas es menos mágico de lo que parece. Al modelo se le da una lista de herramientas con nombres, descripciones y esquemas de argumentos (normalmente JSON Schema). Cuando quiere usar una, no ejecuta nada: emite una solicitud estructurada, el nombre de la herramienta y un objeto JSON con los argumentos. Su código (o el runtime de la API) la interpreta, ejecuta de verdad la función y devuelve el resultado como un mensaje nuevo. El modelo se entrenó (con ajuste fino sobre trazas de uso de herramientas) para producir llamadas bien formadas y para interpretar los resultados.

Así que “el modelo llamó a una API” en realidad significa “el modelo produjo un texto que dice a qué API llamar, y una infraestructura de confianza la llamó”. Esa separación es también la frontera de seguridad: el modelo propone y su código dispone, y lo que usted le permita llamar es exactamente el radio de impacto; por eso importan la lista de herramientas permitidas y el sandbox.

Los ciclos que actúan sobre el mundo fallan de maneras en que una respuesta de una sola vez no puede fallar. Errores en cascada: un paso equivocado al principio contamina todos los siguientes, porque la mala observación se queda en el contexto. Bucles: el agente reintenta para siempre la misma acción fallida, u oscila entre dos. Contexto inflado: cada observación se agrega, así que las ejecuciones largas de un agente llenan la ventana de contexto y se degradan.

Y la que más duele en producción: el costo que se dispara. Cada iteración del ciclo es una llamada completa al modelo, y los tokens se acumulan a lo largo de toda la trayectoria, así que un agente que corre sin límites puede generar una factura enorme en una sola tarea. Los topes de iteraciones, los presupuestos de tokens y los tiempos límite no son un detalle de acabado: son estructurales. Un agente sin un tope de presupuesto corre el riesgo de descontrolarse.

Más allá de un solo ciclo, se pueden componer varios agentes: un planificador que divide la tarea en subtareas, agentes especialistas que se encargan de una cada uno y un sintetizador que combina los resultados. Bien hecho, esto paraleliza el trabajo y permite que cada agente mantenga un contexto enfocado. Hecho a la ligera, multiplica todos los modos de falla de arriba (más bucles, más tokens, más lugares donde un error puede propagarse en cascada) a un costo multiplicado. La disciplina es la misma: ponerle límites, acotar bien a cada agente y verificar sus resultados en lugar de confiar en ellos.

El hilo conductor: un agente es un modelo más un ciclo más herramientas más barreras de protección. El modelo es la parte fácil. El ciclo es de donde sale la capacidad, y también de donde salen el costo y las fallas.