No noticias de IA. No blog de LLM. Playbook de agentes.
Construye AI agents que sobreviven en producción.
Patrones prácticos, casos de fallo, arquitectura y gobernanza para agentes que llaman herramientas reales.
No sabes qué patrón necesitas? Diseña tu agente →
Aprendizaje
Empieza aquí
El modelo mental: qué es un agente y cuándo no usarlo.
5
Mostrados: 3 / 5
- Qué son los agentes de IA
- Agentes de IA vs ChatGPT y automatización: ¿Cuál es la diferencia?
- Cómo los agentes de IA toman decisiones
Ver todo (5) →
Fundamentos
Tool calling, memoria, planificación vs reactivo, límites de LLM.
9
Mostrados: 3 / 9
- De qué están hechos los agentes de IA
- Cómo los agentes de IA usan herramientas (Bases)
- Cómo los agentes de IA pueden usar herramientas
Ver todo (9) →
Patrones de agentes
Patrones de producción para agentes que puedes llevar a escala.
15
Mostrados: 3 / 15
- Patrón ReAct Agent: Arquitectura de agentes fiable
- Patrón Task Decomposition Agent: Dividir tareas complejas
- Patrón Routing Agent: Enrutamiento inteligente de tareas
Ver todo (15) →
Desarrollo
Arquitectura
Stack de producción, observabilidad, rate limits, operaciones.
10
Mostrados: 3 / 10
- Agent Runtime: Control del ciclo de ejecución de agentes
- Tool Execution Layer: Cómo los agentes ejecutan herramientas de forma segura
- Memory Layer: Cómo los agentes almacenan y recuperan memoria
Ver todo (10) →
Gobernanza de agentes
Presupuestos, aprobaciones, permisos y auditoría: controles para que el agente no se descontrole.
12
Mostrados: 3 / 12
- Agent governance: control y gestión de agentes de IA en producción
- RBAC para agentes de IA: control de acceso por roles sin privilegios excesivos
- Control de presupuesto para agentes de IA: cómo limitar costos en runtime
Ver todo (12) →
Observabilidad
Logs, trazas, métricas y alertas para que los incidentes no sean misterio.
12
Mostrados: 3 / 12
- Observabilidad para agentes de IA: monitoreo de sistemas de agentes
- Agent tracing: cómo seguir decisiones del agente
- Distributed tracing para agentes: trazado de sistemas multiagente
Ver todo (12) →
Probar agentes de IA
Unit tests, golden tasks, record/replay y evals para atrapar regresiones antes de producción.
7
Mostrados: 3 / 7
- Estrategia de pruebas para agentes de IA
- Eval Harness para agentes de IA: evaluaciones repetibles
- Golden datasets: datos de prueba para agentes de IA
Ver todo (7) →
Optimización
Ajuste de prompts y runtime sin romper seguridad: latencia, coste y control de regresiones.
1
Mostrados: 1 / 1
- Optimización de prompts para agentes de IA (sin romper producción)
Ver todo (1) →
Seguridad
Permisos, presupuestos, kill switch, idempotencia, auditoría.
1
Mostrados: 1 / 1
- AI Agent Tool Permissions (Con código)
Ver todo (1) →
Herramientas e Integraciones
APIs, browser tools, bases de datos y plataformas de automatización.
1
Mostrados: 1 / 1
- Browser Tool for AI Agents (Con código)
Ver todo (1) →
Prevención
Errores y soluciones
Modos de fallo reales y cómo frenarlos en producción.
15
Mostrados: 3 / 15
- Por qué fallan los agentes de IA: problemas típicos en producción
- Agent Drift: cuando los agentes de IA pierden el foco
- Bucle infinito de agente: cuando un agente de IA no se detiene
Ver todo (15) →
Anti‑patrones
Cosas que se ven “listas” en demos y rompen producción (con pruebas).
12
Mostrados: 3 / 12
- Anti-Pattern Agent Everywhere: cuando todo se vuelve un agente
- Anti-Pattern Overengineering Agents: arquitectura demasiado compleja
- Anti-Pattern Too Many Tools: demasiadas herramientas
Ver todo (12) →
Práctica
Guías prácticas
Construye X en 20 minutos (seguro por defecto).
1
Mostrados: 1 / 1
- Crea tu primer agente de IA (seguro, con código)
Ver todo (1) →
Ejemplos
Agentes completos con código, diagramas y tradeoffs.
24
Mostrados: 3 / 24
- ReAct Agent en Python: Ejemplo completo
- Task Decomposition Agent en Python: Ejemplo completo
- Routing Agent en Python: Ejemplo completo
Ver todo (24) →
Comparativas
Framework vs framework, agentes vs workflows — qué se rompe en prod y qué elegir.
10
Mostrados: 3 / 10
- AutoGPT vs Agentes de Producción: ¿Cuál es la diferencia?
- CrewAI vs LangGraph: ¿Cuál es la diferencia?
- LangChain vs AutoGPT: ¿Cuál es la diferencia?
Ver todo (10) →
Integrado: control en producciónOnceOnly
Guardrails para agentes con tool-calling
Lleva este patrón a producción con gobernanza:
- Presupuestos (pasos / topes de gasto)
- Permisos de herramientas (allowlist / blocklist)
- Kill switch y parada por incidente
- Idempotencia y dedupe
- Audit logs y trazabilidad
Mención integrada: OnceOnly es una capa de control para sistemas de agentes en producción.
Ejemplo de policy (concepto)
Python
# Example (Python — conceptual)
policy = {
"budgets": {"steps": 25, "usd": 2.0},
"tools": {"allow": ["http.get", "browser.search"]},
"controls": {"kill_switch": True, "idempotency": True, "audit": True},
}
# run = onceonly.run(policy)
# result = run.invoke(agent, input="...")