En esencia, un agente es simplemente un bucle. El modelo recibe un objetivo, decide la siguiente acción (generalmente una llamada a herramienta), observa el resultado y repite hasta que el objetivo se cumple o decide que no puede continuar. A veces se le llama el patrón "ReAct" — Razonar, Actuar, Observar. Lo que lo hace poderoso es que el modelo mantiene estado entre iteraciones: recuerda lo que ya intentó, qué falló y qué información recopiló. El bucle es orquestado por un harness — un fragmento de código que envía mensajes al modelo, ejecuta las llamadas a herramientas que el modelo solicita y devuelve los resultados. Frameworks como LangChain, CrewAI y el propio Agent SDK de Anthropic proporcionan este harness, pero también puedes construir uno en unas cincuenta líneas de código. El modelo en sí nunca "ejecuta" nada; solo genera JSON estructurado diciendo "llama esta función con estos argumentos", y tu código hace el resto.
La diferencia práctica entre un buen agente y uno frustrante se reduce a cómo defines sus herramientas y cuánta autonomía le das. Un agente de programación como Claude Code o el modo agente de Cursor puede tener herramientas para leer archivos, escribir archivos, ejecutar comandos de shell y buscar en un codebase. Un agente de atención al cliente puede tener herramientas para buscar pedidos, emitir reembolsos y escalar tickets. La decisión clave de diseño es la granularidad: muy pocas herramientas y el agente no puede hacer nada útil; demasiadas y se confunde sobre cuál elegir. En producción, la mayoría de los equipos encuentran que 5–15 herramientas bien definidas es el punto óptimo. Cada herramienta necesita un nombre claro, una buena descripción (esto es lo que el modelo lee para decidir cuándo usarla) y un esquema de parámetros bien tipado.
Una de las ideas erróneas más grandes sobre los agentes es que necesitan arquitecturas multi-agente elaboradas para ser útiles. La industria pasó por una fase de "enjambres de agentes" y patrones de "crew" donde tenías un agente planificador, un agente investigador, un agente escritor y un agente crítico todos comunicándose entre sí. En la práctica, un solo modelo en un bucle ajustado con buenas herramientas generalmente supera a estas configuraciones complejas. Los patrones multi-agente agregan latencia, costo y modos de fallo. Tienen sentido para cargas de trabajo genuinamente paralelas — digamos, escanear diez repositorios simultáneamente — pero para la mayoría de las tareas secuenciales, un agente con instrucciones claras hace el trabajo. Las empresas que envían productos reales con agentes (Anthropic, OpenAI, Google) han convergido en esta arquitectura más simple.
La confiabilidad es la parte difícil. Un agente que funciona el 90% del tiempo suena bien hasta que te das cuenta de que en una tarea de 10 pasos, una tasa de éxito del 90% por paso te da aproximadamente un 35% de probabilidad de completar todo. Por eso los agentes en producción necesitan barreras de protección: límites máximos de iteraciones, topes de costo, puntos de verificación humana para acciones peligrosas (como eliminar datos o gastar dinero) y modos de fallo elegantes. Las mejores implementaciones de agentes también incluyen lógica de reintentos con backoff, manejo estructurado de errores que devuelve los fallos al modelo para que pueda intentar un enfoque diferente, y logging que te permite rastrear exactamente qué pasó cuando las cosas salen mal.
La evolución de los agentes ha sido rápida. En 2023, AutoGPT se hizo viral pero era mayormente un demo — quemaba tokens y raramente completaba tareas complejas. Para 2025, Claude Code, Devin y herramientas similares estaban escribiendo código de producción, ejecutando pruebas y enviando pull requests con confiabilidad real. La diferencia no fue solo mejores modelos; fue mejor diseño de herramientas, mejores prompts y lecciones de ingeniería ganadas con esfuerzo sobre mantener el bucle ajustado. Si estás construyendo un agente hoy, comienza con un solo bucle, un puñado de herramientas e invierte tu tiempo en hacer que esas herramientas devuelvan resultados limpios y útiles. Eso importa más que cualquier elección de framework.