BroadRouter
Comenzar

Agente de IA (AI agent)

Actualizado

Un agente de IA es un sistema en el que un modelo de lenguaje dirige sus propios pasos hacia un objetivo: decide qué herramientas llamar, lee los resultados y repite hasta dar una respuesta final o alcanzar un límite. Un script fijo que llama a un modelo en puntos establecidos suele llamarse flujo de trabajo (workflow).

También llamado: agente de IA, agentes de IA, agente LLM, IA agéntica, agente autónomo, ciclo del agente, AI agent, LLM agent, agentic AI, autonomous agent, agent loop, AI agents

Un agente es un modelo en un ciclo: pregunta, actúa con una herramienta, lee el resultado y vuelve a decidir.

Cómo funciona

Anthropic distingue dos diseños. Los flujos de trabajo son “systems where LLMs and tools are orchestrated through predefined code paths” (traducción: sistemas en los que los LLM y las herramientas se orquestan mediante rutas de código predefinidas). Los agentes son sistemas en los que “LLMs dynamically direct their own processes and tool usage” (traducción: los LLM dirigen de forma dinámica sus propios procesos y su uso de herramientas).

El OpenAI Agents SDK documenta el ciclo en sí. El runner llama al modelo. Si la respuesta es final, la ejecución termina. Si contiene llamadas a herramientas, el runner las ejecuta, agrega los resultados y vuelve a llamar al modelo. El ajuste max_turns pone un tope al ciclo y lanza MaxTurnsExceeded cuando se supera.

Un ejemplo práctico: un agente de programación al que se le pide arreglar una prueba que falla podría necesitar cuatro turnos.

Turn 1  model -> tool call: run_tests()
Turn 2  model -> tool call: read_file("src/dates.py")
Turn 3  model -> tool call: edit_file("src/dates.py", ...)
Turn 4  model -> final answer: "Fixed the timezone bug; tests pass."

Cada turno es una solicitud a la API independiente. Si el prompt de sistema y las definiciones de herramientas suman 5,000 tokens, se envían 4 veces: 20,000 tokens de entrada antes de contar historial o salida de herramientas.

Las herramientas pueden ser sus propias funciones o venir de servidores MCP, que permiten a un agente conectarse a sistemas de archivos, bases de datos y APIs SaaS mediante un protocolo común.

Por qué importa

  • El costo crece con los turnos. Cada turno es una nueva solicitud que reenvía la conversación. El artículo sobre el presupuesto de tokens de un agente desglosa a dónde van esos tokens. La entrada en caché abarata el prefijo repetido.
  • El contexto se llena. Las ejecuciones largas presionan la ventana de contexto y empeoran antes de llegar al límite. Consulte gestión de contexto en agentes de larga duración.
  • Los errores se acumulan. Anthropic advierte que la autonomía trae “higher costs, and the potential for compounding errors” (traducción: costos más altos y la posibilidad de errores acumulados). Agregue condiciones de parada, guardrails y aprobación humana para acciones que modifiquen datos o gasten dinero.
  • Paralelismo. Varios agentes implican varias solicitudes en curso. El límite de concurrencia de su proveedor decide cuántas pueden ejecutarse a la vez. El costo de los sistemas multiagente compara precios por token y de tarifa plana para ese caso.

En BroadNet Inference

Cualquier framework de agentes que acepte una URL base compatible con OpenAI puede llamar a BroadNet; la guía del OpenAI Agents SDK muestra la configuración. La documentación de BroadNet indica llamadas a herramientas para GLM 5.3 y Qwen3.8 27B, y fija para una clave de pago por uso 30 solicitudes por minuto y 4 en curso.

Los planes de tarifa plana, Luna Llena (Full Moon), Órbita (Orbit) y Meteoro (Meteor), cubren DeepSeek V4.1 Flash sin medidor de tokens. Una sesión ejecuta una solicitud a la vez, igual que trabaja un solo agente, así que se compra una sesión por cada agente que ejecute en paralelo. La documentación de BroadNet no indica llamadas a herramientas para DeepSeek V4.1 Flash, así que pruebe las llamadas a herramientas de su agente con ese modelo antes de depender de un plan; las llamadas a herramientas documentadas implican GLM 5.3 o Qwen3.8 27B con pago por uso.

Preguntas frecuentes

¿Cuál es la diferencia entre un agente y un flujo de trabajo?

En un flujo de trabajo, su código fija el orden de las llamadas al modelo y a las herramientas. En un agente, el modelo elige el siguiente paso en cada turno. La guía de Anthropic usa exactamente esta división.

¿Por qué los agentes salen caros con precios por token?

Cada turno reenvía el prompt de sistema, las definiciones de herramientas y el historial creciente como tokens de entrada. Una tarea de 50 turnos puede cobrar el mismo prefijo 50 veces; por eso importan la entrada en caché y los planes de tarifa plana.

¿Cómo evito que un agente quede en un ciclo infinito?

Fije un número máximo de turnos y un presupuesto de tokens o de tiempo. El OpenAI Agents SDK, por ejemplo, lanza MaxTurnsExceeded cuando una ejecución supera su límite de max_turns.

Leer en MarkdownPreguntar a ChatGPTPreguntar a ClaudePreguntar a Perplexity