En los últimos años, la IA ha superado la etapa de «responder preguntas» y ahora, cuando le das un objetivo, ella misma piensa los pasos, usa herramientas y ejecuta varias etapas hasta completarlo. Eso es un agente de IA. Las consultas de empresas para adoptarlos se han disparado y tecnologías de conexión como MCP se han extendido de golpe. Este es un curso práctico orientado a desarrolladores para diseñar y construir tú mismo esos agentes de IA. En 7 capítulos te guiamos desde entender el mecanismo hasta el primer agente, la integración con MCP, los multiagentes, la evaluación, las medidas de seguridad y la operación en producción.
La meta es «crear y operar con seguridad una IA que actúa por sí sola cuando le das un objetivo»
Qué es un agente de IA
Un agente de IA es un sistema de IA que, cuando le das un objetivo (meta), piensa por sí mismo los pasos para lograrlo, invoca herramientas y ejecuta de forma autónoma varias etapas. El chat tradicional solo devolvía «una respuesta por cada pregunta», pero el agente gira un bucle: «investigar, decidir, ejecutar, comprobar y, si hace falta, volver a intentarlo».
Por ejemplo, si le pides «resume las ventas de la semana pasada en un informe», el agente avanza por sí mismo toda una secuencia de trabajo —incluidas las decisiones intermedias—: ①buscar dónde están los datos → ②obtenerlos → ③agregarlos → ④redactarlos → ⑤revisar el resultado. Su rasgo distintivo es que actúa razonando hacia atrás desde el objetivo, sin que un humano tenga que indicarle cada paso.
💡 La frontera entre un «chat inteligente» y un «agente». Si solo conversa, es un chat. Cuando empieza a actuar sobre herramientas o el entorno externo y decide su siguiente acción a partir del resultado, es un agente. Si el concepto aún te resulta borroso, lo suave es empezar por Qué es un agente de IA (explicación básica).
Los 4 componentes de un agente
Cualquier agente, al descomponerlo, está hecho de 4 piezas. Si tienes esta estructura en la cabeza, los capítulos siguientes se vuelven mucho más fáciles de entender.
El centro que entiende la situación y decide qué hacer a continuación. Lo asume un gran modelo de lenguaje como Claude.
Las manos que actúan sobre el exterior: búsqueda, cálculo, llamadas a API, manejo de archivos. La calidad de las herramientas define su capacidad.
Retiene lo ocurrido hasta ahora y la información obtenida. El diseño del contexto es lo que separa el éxito del fracaso.
El mecanismo que repite «pensar → actuar → ver el resultado». Incluye decidir cuándo detenerse.
En este curso, primero, en el capítulo 2, crearemos el agente mínimo combinando estos 4 elementos, y a partir del capítulo 3 profundizaremos uno a uno en las herramientas (tools/MCP), la memoria (contexto) y el control (multiagentes, evaluación, seguridad). Si quieres conocer mejor el diseño del contexto, consulta también Ingeniería de contexto.
Diferencias con RPA y chatbots
«¿Y en qué se diferencia eso del RPA o de los chatbots de siempre?» —es una duda habitual—. La diferencia decisiva está en si «ejecuta un procedimiento fijado» o «actúa juzgando la situación».
| Tipo | Cómo actúa | Fuerte en | Débil en |
|---|---|---|---|
| RPA | Repite con exactitud un procedimiento fijado (las manos) | Tareas rutinarias, en volumen y estrictas | Excepciones, criterio, cambios |
| Chatbot | Responde en formato pregunta-respuesta (la boca) | Conversar, orientar, responder | Ejecutar varios pasos |
| Agente de IA | Juzga la situación y actúa por sí mismo (cabeza + manos) | Tareas no rutinarias, criterio, coordinar herramientas | Reproducibilidad estricta, riesgo de descontrol |
📊 No es enfrentamiento, sino combinación. Es potente el reparto de papeles: el agente («la cabeza») decide y el RPA («las manos») ejecuta con exactitud. Si quieres saber más de las diferencias, ve a Agentes de IA vs. RPA; para los usos en el trabajo, a Casos de uso de agentes.
Cuándo conviene crear un agente y cuándo no
Un agente no es una solución universal. Discernir antes de construir si «realmente hace falta un agente» es el primer paso de un buen desarrollador.
- El procedimiento no puede fijarse de antemano (cambia según la situación)
- Abarca varias herramientas y fuentes de información
- Requiere criterio o ensayo y error
- Se puede detectar el fallo y reintentar (hay pruebas y revisión)
- El procedimiento está totalmente definido (→ RPA o código normal)
- Basta con una sola llamada al LLM (→ uso simple de API)
- Ámbitos donde no se permite el error ni se puede rehacer
- No compensa el coste ni la latencia
⚠️ Prueba primero lo simple. En vez de montar de entrada un agente de varias etapas, la regla de oro es subir de nivel por escalones: «un solo prompt → si no basta, añade una herramienta → si aún no basta, un agente». Añade complejidad solo cuando de verdad la necesites.
El mapa de este curso
El curso tiene 7 capítulos. En el orden «conocer → construir → conectar → multiplicar → medir → proteger → operar», avanzamos hasta poder diseñar, construir y operar agentes.
La configuración mínima con los 4 elementos, en un ejercicio práctico.
Al capítulo 2 →Conectar de forma estándar con herramientas y datos externos.
Al capítulo 3 →Repartir y coordinar el trabajo entre varios agentes (A2A).
Al capítulo 4 →Medir la calidad y visibilizar el comportamiento.
Al capítulo 5 →Diseño para evitar descontroles, errores y usos malintencionados.
Al capítulo 6 →Desde elegir el SDK hasta el despliegue y la operación.
Al capítulo 7 →Antes de empezar
Este curso está orientado a desarrolladores. Aun así, no hace falta ponerse tenso. Con más o menos estos requisitos previos podrás seguirlo sin problema.
Basta con saber leer y escribir un poco de Python o JavaScript. No se necesitan conocimientos profundos.
Un entorno donde puedas usar una API de IA como Claude. Para empezar, vale con el nivel gratuito.
Ten preparado un objetivo pequeño, del tipo «investigar algo y resumirlo».
✅ Si solo quieres «usarlos» sin escribir código, ve a otro curso. Si solo quieres aprovechar los agentes en el trabajo, el curso «IA en el trabajo» es el más cercano; si quieres montar algo que funcione de una vez, el atajo es Cómo crear un agente (introducción). Este curso es para desarrolladores que quieren «diseñar y construir por sí mismos».
- Agente de IA = una IA que, cuando le das un objetivo, piensa los pasos, usa herramientas y ejecuta de forma autónoma.
- Sus componentes son 4: cerebro (LLM), herramientas, memoria y bucle (control).
- RPA (manos, estricto) / chatbot (boca, pregunta-respuesta) / agente (cabeza + manos, criterio) tienen papeles distintos y su combinación es potente.
- Antes de construir, discierne si «realmente hace falta un agente». Empieza por lo simple y sube de nivel por escalones.
Pues empecemos a construir. En el siguiente capítulo 2, «Crear el primer agente», pondremos en marcha de verdad un agente mínimo que combina los 4 elementos.