Patrones fundamentales de agentes de IA
Antes de escribir una sola línea con un framework concreto, conviene tener un mapa mental de las formas en las que se pueden organizar los agentes de IA para resolver un problema. De la misma manera que en programación aprendes patrones de diseño —singleton, observer, factory— antes de fijarte en cómo los implementa tu librería favorita, en ingeniería de agentes existen unos pocos patrones que se repiten una y otra vez, se llamen como se llamen en cada libro o herramienta.
Por qué hacen falta patrones
Un agente individual ya es capaz de razonar, decidir qué herramienta usar y responder. Pero en cuanto una tarea se vuelve un poco más ambiciosa —escribir un artículo completo, atender a un cliente, evaluar una idea de negocio— lanzar la petición completa a un único agente y esperar lo mejor suele dar resultados mediocres. La solución no es un agente más inteligente, sino una arquitectura: cómo organizas varias llamadas a modelos de lenguaje entre sí para que el resultado final sea más fiable que el de una única llamada.
Estos patrones no son excluyentes: puedes anidarlos y combinarlos tanto como necesites. Y cada agente individual dentro de cualquiera de ellos sigue teniendo, por dentro, su propio ciclo de razonamiento —el agent loop— que verás en detalle en la sección Agents, más adelante.
Qué vas a ver en los próximos capítulos
En los siguientes cuatro capítulos implementarás cada patrón con código real y ejecutable, sin ningún framework de agentes de por medio:
- El patrón pipeline en profundidad — divide una tarea en fases encadenadas, de forma que la salida de una fase alimenta la entrada de la siguiente. Lo implementarás con tres pasos: esquema, borrador y título de un post técnico.
- El patrón enrutado en profundidad — clasifica una petición de entrada y la deriva al especialista adecuado, con una ruta de fallback a un humano cuando la confianza de la clasificación es baja.
- El patrón planificador-ejecutor en profundidad — separa “decidir el plan” de “ejecutarlo”: varios agentes trabajan en paralelo (fan-out) y sus resultados se combinan en uno solo (fan-in), con concurrencia real vía
asyncio. - El patrón evaluador-optimizador en profundidad — un agente crítico y un agente reescritor iteran sobre el mismo resultado hasta que cumple una rúbrica, con un límite de rondas.
Empieza por el primer capítulo y avanza en orden: cada uno se apoya en el anterior.