Cómo aprender sobre agentes de IA desde cero

El recorrido en seis etapas

Para aprender sobre agentes de IA desde cero, avance por seis etapas en orden: conceptos, su primer bucle, herramientas, memoria, diseño del bucle y seguridad. En cada etapa construirá una cosa con sus propias manos. Saltarse etapas es la razón más habitual por la que las personas se bloquean, porque un framework oculta precisamente la parte que necesitaba ver.

Un agente de IA es un bucle alrededor de un modelo de lenguaje al que se permite llamar a herramientas. Esa frase contiene todo el tema. Lo demás son detalles sobre lo que forma parte del bucle, los recursos que pueden tocar las herramientas y cómo detener el bucle cuando algo falla. Si puede explicar el bucle a otra persona, ha aprendido el concepto. Si sólo puede mencionar frameworks, todavía no lo ha aprendido.

El plan siguiente presupone que aprende construyendo. Lea una etapa, construya el elemento pequeño, provoque un fallo de forma intencionada y continúe. Una etapa que sólo ha leído es una etapa que todavía no ha completado.

Lo que realmente necesita antes de la etapa 1

La lista de requisitos previos es corta, y más corta de lo que sugieren la mayoría de las páginas de cursos.

• Puede leer y escribir Python o TypeScript al nivel de un script de cincuenta líneas.
• Se desenvuelve con comodidad en un shell de Linux: instalar un paquete, editar un archivo y leer un registro.
• Tiene una API key para un modelo alojado o una máquina que pueda ejecutar uno local.

Esa es toda la lista. No necesita teoría de machine learning ni haber entrenado un modelo. El trabajo con agentes no implica gradientes ni datos de entrenamiento. Una tarjeta gráfica sólo importa si decide ejecutar el modelo por su cuenta. Es una habilidad independiente que puede adquirir más adelante en alojar Ollama en un VPS para ejecutar un LLM localmente.

Lo que suele subestimarse es la parte del shell. Los agentes fallan por permisos, rutas, variables de entorno y procesos que terminan silenciosamente. Si un stack trace relacionado con PATH o con los permisos de un archivo hace que cierre el terminal, dedique primero un fin de semana a los conceptos básicos de Linux. Le ahorrará un mes más adelante.

Etapa 1: qué es un agente y qué no es

Empiece con una llamada a la API y sin ningún bucle. Envíe un prompt, muestre la respuesta y revise el recuento de tokens incluido en ella. Ya entiende la unidad de coste y la unidad de latencia.

Después, aprenda a usar herramientas. Es la única idea realmente nueva de todo el campo. Describa una función para el modelo mediante un nombre, una descripción y un esquema JSON (JavaScript object notation) para sus entradas. El modelo no ejecuta nada. Responde con una solicitud estructurada: llame a run_command con estos argumentos. Su código ejecuta la función, envía el resultado como un mensaje y vuelve a preguntar al modelo. El modelo es un planificador que lee texto y escribe texto. Su código es el componente que puede ejecutar acciones.

Un chatbot termina después de una respuesta. Un agente repite ese intercambio hasta que el modelo deja de solicitar herramientas. Esa repetición es toda la diferencia y también explica por qué los modos de fallo son distintos. Un chatbot da una respuesta incorrecta una vez. Un agente actúa varias veces basándose en una respuesta incorrecta antes de que alguien lo detecte.

Etapa 2: escriba el bucle usted mismo, una sola vez

No empiece con un framework. Escriba unas treinta líneas de Python para definir usted mismo la estructura.

sudo apt update && sudo apt install -y python3-venv
python3 -m venv ~/agent
source ~/agent/bin/activate
pip install anthropic
export ANTHROPIC_API_KEY=your-key-here

import subprocess
import anthropic

client = anthropic.Anthropic()

tools = [{
    "name": "run_command",
    "description": "Run a read only shell command and return its output.",
    "input_schema": {
        "type": "object",
        "properties": {"command": {"type": "string"}},
        "required": ["command"],
    },
}]

messages = [{"role": "user", "content": "How much disk space is free here?"}]

while True:
    response = client.messages.create(
        model="claude-opus-5",
        max_tokens=4096,
        tools=tools,
        messages=messages,
    )
    if response.stop_reason != "tool_use":
        break
    messages.append({"role": "assistant", "content": response.content})
    results = []
    for block in response.content:
        if block.type == "tool_use":
            done = subprocess.run(
                block.input["command"], shell=True,
                capture_output=True, text=True, timeout=10,
            )
            results.append({
                "type": "tool_result",
                "tool_use_id": block.id,
                "content": done.stdout or done.stderr,
            })
    messages.append({"role": "user", "content": results})

print(next(b.text for b in response.content if b.type == "text"))

Ejecútelo con python3 agent.py. Una ejecución correcta muestra un párrafo con los nombres de sus sistemas de archivos y el espacio libre, porque el modelo solicitó df -h, su código lo ejecutó y la segunda pasada convirtió esa tabla en una frase. Si no muestra nada, el bucle terminó antes de recibir un bloque de texto. Añada print(response.stop_reason) dentro del bucle y observe cómo cambian los valores.

Ahora rómpalo deliberadamente. Elimine la línea tool_use_id y lea el error, porque la API rechaza un resultado de herramienta sin un id coincidente y este es el error más común entre principiantes. Haga una pregunta que requiera dos comandos y observe cómo el bucle se ejecuta dos veces. Haga una pregunta imposible y observe si se detiene o gira indefinidamente.

Una advertencia sobre este ejemplo. Pasa directamente la salida del modelo a un shell mediante shell=True. Esto es aceptable en una máquina de pruebas que pueda reconstruir, pero es incorrecto en cualquier otro entorno. La etapa 6 corrige este problema. Los conceptos del bucle se explican con más detalle en cómo crear su propio agente de IA en un VPS.

Etapa 3: herramientas que el agente todavía no tenía

La herramienta run_command funciona, pero un agente real necesita herramientas que accedan a recursos externos: un sistema de tickets, una base de datos o un repositorio. Escribir un wrapper específico para cada servicio y cada agente no escala.

El Model Context Protocol (MCP) es la solución que ha adoptado la industria. Un servidor MCP expone un conjunto de herramientas mediante un transporte estándar, y cualquier agente compatible con MCP puede utilizarlas sin código de integración personalizado. El servidor de referencia para el sistema de archivos se ejecuta con un solo comando:

npx -y @modelcontextprotocol/server-filesystem /home/you/projects

Para ello, Node debe estar instalado, y el argumento de directorio es la única ruta que el servidor podrá tocar. Este es el modelo de seguridad en forma resumida: el servidor define el límite, no el modelo. Configure un cliente para que lo use y el agente obtendrá capacidades de lectura y escritura de archivos que usted no tuvo que programar. La ejecución correcta de estos servidores, con una cuenta de servicio y con las opciones de transporte explicadas, se trata en ejecutar servidores MCP en un VPS para agentes de programación con IA.

La lección de esta etapa es que el diseño de herramientas es el trabajo principal. Una descripción imprecisa obliga al modelo a hacer suposiciones. Una herramienta que devuelve cuarenta mil caracteres contamina la ventana de contexto. Una herramienta que puede eliminar elementos acabará eliminando elementos.

Etapa 4: memoria, que en su mayor parte son archivos

Los principiantes suelen recurrir aquí a una base de datos vectorial. No lo haga, al menos todavía.

Un agente no conserva memoria entre llamadas. Cada vez debe reenviar toda la conversación, por eso una sesión larga cuesta más por turno que una corta. Por tanto, la memoria se divide en dos problemas. El primero es qué cabe ahora en la ventana de contexto. Puede gestionarlo mediante resúmenes, eliminando las salidas antiguas de las herramientas y almacenando en caché el prefijo estable de la solicitud, para pagar sólo una fracción de su precio. El segundo es qué sobrevive a un reinicio: el almacenamiento.

Para el segundo problema, un archivo Markdown sencillo que el agente pueda leer y escribir es mejor que una base de datos vectorial para casi cualquier primer proyecto. Asígnele un archivo, indique el formato y dígale que lo lea antes de empezar y lo actualice cuando aprenda algo. Obtendrá la mayor parte del beneficio y podrá abrir el archivo para comprobar qué cree su agente. Recurra a embeddings y a la recuperación cuando las notas dejen de caber en la ventana de contexto, y no antes.

Etapa 5: el bucle es el producto

A estas alturas puede crear un agente que funciona mientras lo supervisa. La etapa 5 consiste en conseguir que funcione sin supervisión.

Cuatro preguntas determinan si es seguro dejar un agente desatendido. Qué lo activa, para que no se ejecute sin una tarea. Dentro de qué límite funciona, para que un error tenga un impacto reducido. Cómo se verifica el resultado, porque un agente que corrige su propio trabajo siempre lo da por correcto. Qué presupuesto lo detiene, ya sea en tokens o en tiempo real. Diseñar estos cuatro elementos de forma deliberada es la disciplina descrita en ingeniería de bucles y qué abarca esa definición.

El ejercicio: tome el agente de la etapa 2, asígnele una tarea que requiera cuatro o cinco pasos y añada un límite estricto de iteraciones. Después quite el límite y observe cómo un bucle sin límite afecta a su consumo de tokens. Hágalo una vez con un presupuesto reducido para no repetirlo por accidente con uno grande.

Fase 6: seguridad, secretos y costes

Esta fase no es opcional y aparece al final únicamente porque no puede percibir el riesgo hasta haber construido algo que funcione.

Ejecute el agente con su propio usuario sin privilegios, nunca como root ni con su propia cuenta, para que el alcance de un incidente se limite a un directorio y no afecte a toda la máquina. Mantenga las credenciales fuera del alcance del modelo, porque cualquier contenido de la ventana de contexto puede volver a salir mediante una llamada a una herramienta. La solución consiste en usar tokens de corta duración y alcance limitado detrás de un helper, como se describe en mantener los secretos fuera de los agentes de IA. Establezca un límite máximo estricto para el gasto, ya que un bucle sin supervisión factura cada iteración sin que nadie lo vigile. Los límites y el procesamiento por lotes que permiten controlarlo se describen en controlar el coste de un agente de IA en un VPS siempre encendido.

El coste merece una cifra concreta. En julio de 2026, Claude Opus 5 factura $5 por cada millón de tokens de entrada y $25 por cada millón de tokens de salida. Un agente que reenvía una conversación cada vez más extensa puede procesar varios cientos de miles de tokens en una sola tarea. El almacenamiento en caché de prompts y el uso de un modelo más pequeño para los pasos rutinarios cambian mucho más ese cálculo que cualquier ajuste del prompt.

La inyección de prompts también pertenece a esta fase. Si el agente lee una página web, un sistema de seguimiento de incidencias o una bandeja de entrada, la persona que escribió ese contenido también está escribiendo instrucciones para el agente. La búsqueda web suele ser la primera herramienta que abre esta puerta. dirigir un agente a su propia instancia de SearXNG muestra conjuntamente la configuración y la superficie de inyección que crea. La defensa no consiste en redactar un system prompt más ingenioso. Consiste en establecer límites, porque un agente que no puede eliminar un repositorio no puede ser inducido a eliminarlo.

¿Qué ruta debes seguir?

Elige un plan de estudio y termínalo en lugar de probar seis. El repositorio de Microsoft ai-agents-for-beginners es el recurso gratuito más completo: un curso de dieciocho lecciones que había superado las 70,000 estrellas en julio de 2026 y que se ajusta claramente a las etapas anteriores. Las recopilaciones de repositorios de agentes populares sirven para comprobar qué existe, pero son mucho menos útiles como programa de estudio, porque una lista ordenada por estrellas refleja la popularidad y no el orden de aprendizaje.

Cuando quieras practicar con un proyecto real, un agente de programación es el mejor primer objetivo: la respuesta es inmediata, las herramientas son claras y los errores se pueden deshacer fácilmente. Ejecutar un agente de IA para programación en un VPS explica todo el proceso de principio a fin. Si prefieres estudiar sistemas funcionales en lugar de construir uno desde cero, la comparación de los mejores agentes de IA autoalojados muestra cómo varios proyectos resuelven el mismo ciclo de formas diferentes.

¿Cuánto tiempo lleva?

Para alguien que ya programa, las etapas 1 y 2 se completan en una tarde o noche. La etapa 3 requiere un fin de semana, dedicado en su mayor parte a describir las herramientas y no al protocolo. Las etapas 4 y 5 requieren varias semanas de uso real, porque sólo se aprende qué olvida el agente observando cómo lo olvida. La etapa 6 nunca termina del todo, porque cada nueva capacidad que se le concede vuelve a abrirla.

Dos meses de trabajo constante durante las tardes o noches bastan para que la mayoría consiga un agente funcional, acotado y útil. Quienes tardan un año suelen ser los que siguieron leyendo en lugar de construir.

FAQ

¿Necesito saber aprendizaje automático para crear un agente de IA?

No. Crear un agente consiste en llamar a un modelo mediante una API y conectar sus solicitudes de herramientas con funciones reales. Esto es programación de aplicaciones convencional. Nunca es necesario trabajar con entrenamiento, gradientes ni conjuntos de datos. Las habilidades que determinan si el agente funciona son el diseño de esquemas para las herramientas, el manejo de errores y los permisos de Linux. La teoría del aprendizaje automático sólo resulta relevante si después quiere ajustar un modelo, lo que constituye otro trabajo con requisitos previos diferentes.

¿Debo empezar con un framework como LangChain o CrewAI?

Escriba primero un bucle sin framework y adopte uno después. Un framework sustituye las treinta líneas de la etapa 2 por un objeto de configuración. Esto resulta práctico cuando ya sabe qué ha sustituido, pero puede confundir antes de ese momento. Cuando el agente se comporta de forma incorrecta, debe analizar directamente la lista de mensajes y los resultados de las herramientas. Esto es mucho más difícil si nunca los ha visto. Después de crear un bucle propio, un framework le ahorra tiempo en lugar de ocultar el mecanismo.

¿Cuánto cuesta aprender sobre agentes de IA?

Menos de lo que espera la mayoría, si establece límites. Una API key de un servicio alojado y un VPS pequeño cubren todo lo necesario en estas seis etapas. El riesgo real no es la tarifa por hora. Es que un bucle sin límite facture cada iteración mientras duerme. Establezca un límite de gasto estricto en la cuenta de su API desde el primer día, añada un límite de iteraciones a cada bucle que escriba y use un modelo más económico para las tareas rutinarias. Ejecutar el modelo localmente elimina el coste de los tokens, pero lo sustituye por un requisito de hardware.

¿Cuál es la diferencia entre un agente de IA y un chatbot?

Un chatbot responde una vez. Un agente repite un ciclo: el modelo solicita una herramienta, su código la ejecuta, el resultado se devuelve y el modelo decide qué hacer a continuación. Esta repetición permite que un agente complete una tarea con varios pasos. También explica por qué los agentes necesitan límites que los chatbots no necesitan. Una respuesta incorrecta de un chatbot es un párrafo incorrecto. Una respuesta incorrecta de un agente es un párrafo incorrecto más las acciones que haya realizado al respecto.