Un agente de programación es un agente de IA cuyas herramientas son su editor, su sistema de archivos y su terminal.
Cómo funciona
El agente recibe una tarea en lenguaje natural y trabaja en un ciclo. En cada turno, el modelo responde o devuelve llamadas a herramientas como «lee este archivo», «aplica esta edición» o «ejecuta las pruebas». El host de herramientas las ejecuta, añade la salida y vuelve a llamar al modelo.
La documentación de Claude Code lo describe como “an agentic coding tool that reads your codebase, edits files, runs commands, and integrates with your development tools.” (traducción: una herramienta de programación agéntica que lee su base de código, edita archivos, ejecuta comandos y se integra con sus herramientas de desarrollo). Aider, Cline y herramientas similares siguen el mismo ciclo con interfaces y modelos de permisos distintos.
El artículo de SWE-agent (Yang et al., 2024) sostiene que los agentes son un nuevo tipo de usuario que necesita su propia interfaz, una «interfaz agente-computadora» (agent-computer interface), igual que las personas necesitan un IDE. Con su interfaz, los autores reportan una tasa pass@1 del 12.5 % en el benchmark SWE-bench, que describen como el estado del arte en ese momento.
Una ejecución típica, vista como solicitudes al modelo:
| Paso | Salida del modelo | Tokens enviados como entrada |
|---|---|---|
| 1 | run_tests() |
system prompt + herramientas + tarea |
| 2 | read_file("src/parse.py") |
paso 1 + salida de las pruebas |
| 3 | edit_file(...) |
paso 2 + contenido del archivo |
| 4 | run_tests() |
paso 3 + diff |
| 5 | «Arreglado; las pruebas pasan.» | paso 4 + salida de las pruebas |
La entrada crece en cada paso, porque se reenvía todo el historial.
Por qué importa
- Costo. Las tareas largas implican muchas solicitudes con entradas grandes y casi siempre repetidas. El artículo sobre el costo de una ejecución trabaja con números reales, y reducir el costo de los agentes de programación enumera las palancas.
- Contexto. Las sesiones largas llenan la ventana de contexto. Los agentes usan compactación de contexto y subagentes para mantenerla bajo control.
- Adecuación del modelo. El modelo debe seguir los esquemas de herramientas de forma fiable durante muchos turnos. Consulte el mejor modelo abierto para agentes de programación.
- Seguridad. Un agente que ejecuta comandos puede causar daños. Mantenga la aprobación activada para acciones destructivas y trate el contenido del repositorio como entrada no confiable (inyección de prompts).
En BroadNet Inference
Los agentes de programación que aceptan una URL base compatible con OpenAI pueden llamar a BroadNet en https://inference.broadnet.ai/v1. Hay guías de configuración para Aider, Cline y otros. La documentación de BroadNet indica llamadas a herramientas para GLM 5.3 y Qwen3.8 27B.
Con pago por uso, una clave permite 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, lo que encaja con un solo agente. Si ejecuta agentes en paralelo, o un agente que lanza subagentes, compre una sesión por cada solicitud que corra al mismo tiempo. La guía de sesiones muestra el cálculo.