Fundamentos

Tool calling, memoria, planificación vs reactivo, límites de LLM.

• Construye tu primer agente de IA

  ★☆☆

  Escribimos el agente más simple que realmente funciona - sin magia, sin frameworks.

  Aprender el patrón
  → Artículo principal
  Implementaciones
  • → Python: Implementación de Construye tu primer agente de IA

• Cómo un agente usa herramientas (Bases)

  ★☆☆

  Trabaja solo con texto.

  Aprender el patrón
  → Artículo principal
  Implementaciones
  • → Python: Implementación de Cómo un agente usa herramientas (Bases)

• Cómo limitar el acceso a herramientas

  ★☆☆

  Tool calls es el lugar donde los agentes rompen producción: schema drift, retries, efectos secundarios (cambios de estado), y ese mismo token admin de 'oops'. Así es como se sobrevive.

  Aprender el patrón
  → Artículo principal
  Implementaciones
  • → Python: Implementación de Cómo limitar el acceso a herramientas

• Cómo decide un agente qué hacer después (Planning vs Reactive)

  ★☆☆

  No recibe una instrucción. No le explican el orden de acciones.

  Aprender el patrón
  → Artículo principal
  Implementaciones
  • → Python: Implementación de Cómo decide un agente qué hacer después (Planning vs Reactive)

• Por qué los agentes LLM pueden fallar: límites técnicos explicados

  ★☆☆

  Entiende por qué fallan los agentes LLM: alucinaciones, límites de contexto, errores de herramientas y guardrails para hacerlos fiables.

  Aprender el patrón
  → Artículo principal
  Implementaciones
  • → Python: Implementación de Por qué los agentes LLM pueden fallar: límites técnicos explicados

• Memoria del agente: qué recuerda y para qué

  ★☆☆

  Sin esto, cada nueva acción sería como el primer intento. A veces, infinitamente.

  Aprender el patrón
  → Artículo principal
  Implementaciones
  • → Python: Implementación de Memoria del agente: qué recuerda y para qué

• Qué puede hacer un agente (y qué no)

  ★☆☆

  No todas las acciones son seguras

  Aprender el patrón
  → Artículo principal
  Implementaciones
  • → Python: Implementación de Qué puede hacer un agente (y qué no)

• Cuándo un agente debe detenerse (y quién lo decide)

  ★☆☆

  Porque su tarea es completar el trabajo. No decidir cuándo es suficiente.

  Aprender el patrón
  → Artículo principal
  Implementaciones
  • → Python: Implementación de Cuándo un agente debe detenerse (y quién lo decide)