Agente de IA

El componente Agente de IA es un bloque de construcción versátil diseñado para actuar como un agente inteligente dentro de un flujo de trabajo de IA. Este agente aprovecha los modelos de lenguaje grande (LLMs), puede conectarse a herramientas externas y es configurable para una amplia gama de casos de uso como IA conversacional, automatización compleja y ejecución dinámica de tareas.

Únete a nuestro boletín

Obtén los últimos consejos, tendencias y ofertas gratis.

Dirección de correo electrónico

Suscribirse

Qué hace el componente

El Agente de IA procesa indicaciones de entrada, considera el historial de conversación (opcionalmente) y puede usar herramientas externas para generar respuestas conscientes del contexto. Sus capacidades pueden personalizarse especificando una historia de fondo, rol y objetivo, permitiendo que el agente se comporte de acuerdo con una persona u objetivo específico. El agente también puede realizar llamadas de función, lo que le permite interactuar programáticamente con APIs o sistemas externos a través de herramientas habilitadas.

Configuración del Agente de IA

LLM

Elige el modelo de lenguaje grande que utilizará el agente. Puedes elegir entre una variedad de modelos de 6 proveedores principales. El modelo predeterminado es el modelo de rango medio más reciente de OpenAI.

Herramientas

Aquí es donde le das al agente todas sus herramientas. Hay más de 900 elementos que puedes conectar como herramientas. Estos van desde nuevas capacidades hasta acciones simples realizadas en herramientas integradas. Prácticamente cualquier interfaz, base de datos o aplicación de comunicación puede convertirse en una herramienta a través de APIs y servidores MCP.

Cómo conectar herramientas

Haz clic en + Agregar Herramienta. La lista completa de todas las herramientas disponibles. Puedes filtrarla por categoría o mediante búsqueda:

Cada herramienta viene con configuraciones únicas. Para cada elemento, puedes decidir dejar que la IA decida cómo usarla según sea necesario, o configurar los parámetros manualmente. Puedes cambiar a entrada manual haciendo clic en el botón “AI Decides”. Una vez que definas un parámetro, se bloquea y no es editable por la IA.

Puedes omitir la configuración de parámetros haciendo clic en “Skip & Add”. Una vez que la herramienta esté configurada, haz clic en “Add with Config”. Luego puedes continuar agregando otras herramientas.

Mensaje del sistema

Este es el indicador principal donde defines el rol, tarea, comportamiento e instrucciones del agente.

Ejemplo de mensaje del sistema:

Eres Sam, un asistente de servicio al cliente amable y conocedor de FlowHunt, una plataforma de automatización de flujos de trabajo de IA.

Tu objetivo principal es resolver los problemas de los clientes rápida y satisfactoriamente, dejando que cada cliente se sienta escuchado, ayudado y valorado. Buscas reducir escaladas manejando la mayoría de las solicitudes de forma independiente y eficiente.

Instrucciones:
Siempre saluda al cliente calurosamente y usa su nombre si se proporciona.
Mantente tranquilo, paciente y empático — incluso si el cliente está frustrado.
Sé conciso pero exhaustivo; nunca dejes una pregunta sin respuesta.
Evita la jerga. Habla como un humano útil, no como un documento de políticas.
Nunca discutas con un cliente ni desestimes sus preocupaciones.
Si no sabes algo, dilo honestamente y ofrécete a investigar o escalar.
Maneja las solicitudes comunes directamente, incluyendo: estado del pedido, devoluciones y reembolsos, preguntas sobre productos, problemas de envío y ayuda de cuenta.
Escala a un agente humano si: el problema implica una queja fuera de tu autoridad, asuntos legales, o si el cliente solicita explícitamente un humano.
Confirma la resolución al final de cada interacción — pregunta si hay algo más en lo que puedas ayudar.
Nunca compartas políticas internas textualmente, hagas promesas fuera de tu autoridad, o inventes información que no tienes.

Tono: Cálido, profesional y tranquilizador — como un amigo conocedor, no un guion corporativo.

Tiempo Máximo de Ejecución

Limita el tiempo (segundos) que el agente puede pasar en una tarea (predeterminado: 300).

Iteraciones Máximas

Número máximo de pasos de razonamiento (predeterminado: 10)

RPM Máximo

Limita solicitudes por minuto (predeterminado: 100).

Rol

Opcionalmente define el rol de tu agente. Piensa en el rol como el título del trabajo de tu Agente. ¿Necesitas que tu Agente escriba publicaciones de blog? Llámalo “Escritor de contenido”.

Objetivo

El objetivo es la tarea del Agente y el resultado ideal. Por ejemplo, la tarea de un escritor de contenido puede ser crear nuevas publicaciones o revisar y revisar contenido existente.

Historial

Siempre llevas tu personalidad, forma de hablar y experiencias a cualquier cosa que hagas. Es tu historial y lo que te divide a ti y a tu trabajo de otros. El historial es donde le das a tu Agente una historia, personalidad y experiencia laboral.

Historial de Chat del Agente

Proporciona mensajes de chat anteriores como contexto. Sin el historial habilitado, el agente funciona por mensaje.

Memoria del Agente

Si el agente puede leer y escribir la memoria de tu Espacio de Trabajo. Si está habilitado, se te pedirá que definas el modo y los indicadores de comportamiento.

Nota: Solo la entrada de Herramientas es estrictamente requerida; todos los demás ajustes son opcionales, proporcionando personalización adicional y calidad de salida estable.

Qué hace un buen Agente de IA: El Modelo Correcto

El poder detrás de un agente de IA es su modelo de IA. El modelo correcto hace toda la diferencia en su función y rendimiento. Consulta este blog para una comparación definitiva basada en pruebas de referencia.

• Modelos de Lenguaje Grande (LLMs): Modelos como GPT-4, Gemini y Claude tienen características sólidas de comprensión y generación del lenguaje natural. Son perfectos para razonamiento complejo, planificación y manejo de múltiples tareas. Pero exigen mayor poder computacional y ocasionalmente pueden cometer errores fácticos o lógicos o “alucinaciones”.
• Modelos de Lenguaje Pequeño (SLMs): Las tareas específicas demandan modelos especializados y que ahorren energía que puedan especializarse y funcionar con costos operativos más bajos.
• Modelos de Incrustación Vectorial: Los modelos que producen incrustaciones vectoriales son excelentes para descubrir y recuperar contenido. Hace posible la búsqueda semántica rápida junto con la recuperación fácil de bases de conocimiento que es crítica para agentes que necesitan generación rápida de información.
• Modelos de Razonamiento y Planificación para Toma de Decisiones: Para decisiones que implican tomar decisiones clave, los modelos de razonamiento y planificación entran en juego. Desde usar planificación basada en algoritmos clásicos o planificación basada en aprendizaje de refuerzo, las decisiones hacen que los agentes tomen decisiones bien informadas.

En última instancia, la complejidad de la tarea de tu agente, la disponibilidad de datos y tu presupuesto determinarán tu modelo correcto. Es encontrar ese punto dulce entre poder y practicidad lo que es importante.

Cómo los Agentes de IA Resuelven Tareas

Los agentes de IA no solo reaccionan sino que actúan activamente sobre objetivos establecidos. El proceso generalmente pasa por estos hitos clave:

• Definición de Objetivo: El proceso comienza con un objetivo, tarea o desafío bien establecido que tu agente debe lograr.
• Observaciones Ambientales: El agente luego toma hechos relevantes de su entorno. Puede hacerlo a través de APIs, bases de datos, web scraping o entradas de sensores.
• Planificación y Razonamiento: Basándose en los hechos acumulados, tu agente crea un plan de acción, dividiendo tareas complejas en piezas de tareas manejables.
• Ejecución de Acciones: El agente ejecuta su plan utilizando herramientas disponibles para actuar sobre su entorno.
• Aprendizaje y Adaptación: Cuando se ejecuta, el agente prueba su rendimiento y mejora aprendiendo a través de retroalimentación, haciendo que su proceso sea más adecuado para su próxima tarea.

Eso hace que los agentes de IA sean posibles de emplear en una amplia gama de aplicaciones, desde servicio al cliente automatizado hasta generación de contenido.