De Agentes de Modelos de Lenguaje Habladores a Sistemas Gobernables: Una Guía Arquitectónica

Esta guía para desarrolladores explica los sistemas de agentes: aclara la diferencia entre un agente y un flujo de trabajo regular, y cuándo usar uno o varios agentes. Describe que un agente se define como modelo + bucle de trabajo + herramientas + estado + reglas y restricciones. El artículo traza la evolución desde el enfoque ReAct (2022), que introdujo el ciclo pensamiento-acción-observación, hasta la arquitectura conversacional popularizada por AutoGen en 2023, y luego a estructuras basadas en grafos como LangGraph en 2024. Destaca que un solo agente suele ser suficiente para muchas aplicaciones, y que las configuraciones de múltiples agentes solo aportan beneficios cuando los roles realmente difieren en contexto, herramientas o permisos. También analiza varias estrategias (ReAct, Plan-and-Solve, ReWOO, Tree of Thoughts, RAP, LATS, Self-Refine, Reflexion, MRKL) y señala que cuanto más predeterminados estén los pasos, menos libertad necesita el modelo. Introduce el concepto de 'teatro de agentes' donde llamadas idénticas a modelos de lenguaje simulan ser un equipo, y enfatiza separar la lógica determinista (código) de la lógica probabilística (decisiones del LLM). Finalmente, presenta una pila moderna de agentes con capas que incluyen SDK de agentes, ejecución de grafos, memoria, sandboxing y observabilidad, y lista ejemplos como OpenAI Agents SDK, Google ADK, LangGraph, Mastra y otros.