Desarrollo de agentes de IA
Agentes creados para sus sistemas, con una persona al mando
Diseñamos y construimos agentes que realizan trabajo de varios pasos en sus herramientas. Leen el ticket, reúnen el contexto, redactan el cambio y se detienen para revisión antes de publicarlo.
Construimos los agentes de nuestros clientes igual que los nuestros en Jobshout: herramientas con esquemas estrictos, bucles acotados, aprobación humana y una traza de cada paso.
Agentes que construimos
Cada uno recibe una descripción del puesto, un responsable y una lista de lo que no puede hacer.
Agentes de soporte
Clasifican los tickets entrantes, consultan el historial de pedidos y de la cuenta, redactan respuestas basadas en sus políticas y derivan a una persona todo lo inusual.
Agentes de ventas y CRM
Enriquecen leads, actualizan el CRM después de las llamadas, redactan seguimientos y señalan las oportunidades estancadas. Nada llega a un cliente sin aprobación.
Agentes de operaciones y SRE
Leen alertas, logs y paneles, resumen el incidente y proponen una solución. La automatización crece paso a paso, solo para las acciones en las que usted confía.
Leer el artículo sobre KubePilot: Agentes de operaciones y SREAgentes de procesamiento de documentos
Extraen campos de facturas, contratos y formularios, los cotejan con sus registros y los envían al sistema correcto, con una cola para todo lo dudoso.
Leer el caso de declaración de IVA: Agentes de procesamiento de documentosAgentes de código y revisión
Revisan pull requests, escriben tests y abren cambios para que sus ingenieros los fusionen. El PR Reviewer de Jobshout lo hace en nuestros propios repositorios.
Ver Jobshout: Agentes de código y revisiónFlujos multiagente
Un planificador reparte el trabajo entre agentes especializados y un supervisor comprueba el resultado, reintenta o escala. Útil cuando una tarea atraviesa varios sistemas.
Cómo construimos un agente
Un agente es un bucle. El modelo elige una herramienta, la herramienta se ejecuta y el resultado vuelve al modelo. La mayoría de los fallos vienen del bucle y no del modelo, así que ahí es donde ponemos el esfuerzo.
Las herramientas están tipadas y se validan antes de ejecutarse. Los bucles tienen límites de pasos, tiempo y coste. Los prompts se versionan como el código, y cada ejecución deja una traza que usted puede leer.
- Planificador, ejecutor, memoria y supervisor como piezas separadas
- Herramientas basadas en esquemas con validación estricta
- Reintentos deterministas y bucles acotados
Stack tecnológico
Elegimos según el proyecto. Estas son las herramientas que usan nuestros ingenieros y sobre las que escriben en nuestros artículos.
Modelos
- Claude mediante la API de Anthropic o Amazon Bedrock
- Modelos de OpenAI
- Modelos abiertos: Llama, Mistral, Qwen, Kimi
Frameworks de agentes
- Claude Agent SDK y subagentes de Claude Code
- LangChain y LangGraph
- AutoGen
- Airflow 3 para pipelines programados
Integración
- Servidores MCP con OAuth
- Conectores REST y webhook
- Amazon Bedrock AgentCore
Alojamiento e inferencia
- vLLM, TGI y Ollama para modelos autoalojados
- Kubernetes y k3s
- Amazon Bedrock y Azure AI Foundry
Memoria y recuperación
- Búsqueda vectorial, incluida NebulaDB
- Almacenes clave-valor para el estado del agente
- Recuperación con citas de las fuentes
Observabilidad
- Trazas de OpenTelemetry
- Métricas de Prometheus
- Presupuestos de coste y latencia por agente
Salvaguardas
Los límites forman parte del diseño. Los ponemos por escrito antes de empezar a construir.
Aprobación humana
Las acciones que envían, gastan o eliminan esperan a una persona designada. El agente puede redactar. Solo actúa por su cuenta en los pasos que usted ha decidido que es seguro automatizar.
Credenciales acotadas
Los agentes nunca guardan claves de larga duración. WSL Vault emite credenciales de corta duración por agente y por tarea, y registra cada uso.
Controles en el perímetro
El tráfico hacia modelos y herramientas puede pasar por WSL Proxy, que añade reglas WAF, límites de tasa y un registro de auditoría en el perímetro.
Listas de permitidos y presupuestos
Cada agente recibe una lista explícita de herramientas y fuentes de datos, además de límites de pasos, tiempo y coste para cada ejecución.
Evaluación y despliegue
Un agente está terminado cuando supera sus pruebas en producción, no cuando funciona la demo.
Crear un conjunto de evaluación
Ejemplos reales de su trabajo, cada uno con la respuesta que daría un buen compañero. Cada cambio se puntúa con ellos.
Trazar y medir
Éxito de la tarea, errores de herramientas, latencia y coste por ejecución, obtenidos de las trazas de OpenTelemetry.
Publicar por anillos
Ring Promoter mueve cada versión de int a test, acc y prod solo cuando pasan las comprobaciones de salud, y revierte cuando fallan.
Vigilarlo en producción
Monitorización, alertas y una revisión periódica de fallos y costes. Cada fallo se convierte en un nuevo caso de evaluación.
Preguntas sobre proyectos de agentes
¿Usan un framework o construyen desde cero?
Ambas cosas. Si encaja un framework como LangGraph o el Claude Agent SDK, lo usamos. Si la tarea es sencilla, un bucle pequeño con herramientas tipadas es más fácil de probar y mantener.
¿Puede el agente ejecutarse en nuestro propio hardware?
Sí. Alojamos modelos abiertos con vLLM u Ollama en sus servidores. Si necesita las máquinas, nuestra empresa hermana Workstation especifica y construye estaciones de trabajo y clústeres GPU.
¿Cómo evitan que un agente haga algo dañino?
Solo puede llamar a las herramientas de su lista de permitidos, con credenciales acotadas y dentro de límites de pasos y coste. Todo lo que envía, gasta o elimina espera aprobación, y cada ejecución queda registrada.
¿De quién es el agente cuando termina el proyecto?
Suyo. El código, los prompts, los conjuntos de evaluación y los runbooks están en su repositorio desde el primer commit.
Describa una tarea que quiera que haga un agente
Le responderemos con un diseño del agente, los riesgos y cómo lo demostraríamos en un piloto.