Saltar al contenido principal
Zubnet AI › Aprender › Wiki › Agentes de codificación
Usar AI

Agentes de codificación

También conocido como: Coding Agents, Agentic Coding, Agentes de programación
Sistemas de IA que realizan tareas de programación de principio a fin leyendo la base de código, editando archivos, ejecutando comandos y pruebas, e iterando sobre los resultados.

Por qué importa

El software encaja inusualmente bien con los agentes. El código es texto, las herramientas (shell, compilador, pruebas, control de versiones) ya se pueden automatizar con scripts, y los resultados se pueden verificar automáticamente: las pruebas pasan o no pasan. Ese ciclo de retroalimentación le permite a un agente corregirse a sí mismo de una forma que es difícil en la mayoría de los demás campos.

El efecto sobre cómo se construye el software es grande. Los desarrolladores actúan cada vez más como revisores y directores del trabajo de los agentes en lugar de escribir cada línea, y personas que no saben programar pueden construir aplicaciones que funcionan.

En profundidad

Un agente de codificación recibe un objetivo, como «arregla esta prueba que falla» o «agrega exportación a CSV en la página de reportes», y trabaja para lograrlo por su cuenta. Busca en el repositorio, lee los archivos relevantes, hace ediciones, ejecuta el build y las pruebas, lee los errores y vuelve a intentar. Esto es distinto del autocompletado o de un asistente de chat, donde el modelo sugiere código y la persona hace todo lo demás.

Los agentes de codificación se volvieron prácticos en 2024 y masivos en 2025, cuando los modelos se hicieron lo bastante confiables en el uso de herramientas como para trabajar durante muchos pasos sin desviarse. Hoy son una de las aplicaciones de los LLM más usadas y de mayor importancia comercial.

Las formas principales

  • Agentes de terminal: Claude Code (en vista previa en febrero de 2025, con disponibilidad general en mayo), Codex CLI de OpenAI, Gemini CLI y Aider, de código abierto, se ejecutan en una terminal con acceso directo a tu proyecto.
  • Agentes en el IDE: Cursor, Windsurf, el modo agente de GitHub Copilot y Cline trabajan dentro del editor.
  • Agentes en la nube: Devin (anunciado en marzo de 2024), Codex en la nube, el agente de codificación de Copilot de GitHub y Jules de Google trabajan de forma asíncrona en un sandbox remoto y regresan con un pull request.
  • Creadores de aplicaciones: Lovable, Bolt, Replit y v0 convierten una descripción en una aplicación web en funcionamiento, y están pensados para personas que quizá nunca miren el código.

Cómo funcionan

Por dentro hay un modelo dentro de un arnés de agente: un bucle que le permite al modelo llamar herramientas para buscar, leer, editar y ejecutar. La mayoría de los agentes también lee un archivo de instrucciones del proyecto, como AGENTS.md o CLAUDE.md, que explica cómo compilar, probar y seguir las convenciones del proyecto. Los servidores MCP y las skills los amplían con herramientas y procedimientos externos. Un sistema de permisos o un sandbox controla qué pueden ejecutar sin preguntar.

Cómo medirlos

SWE-bench, construido a partir de issues reales de GitHub, es el benchmark más conocido. Los mejores puntajes pasaron de menos de 2 % cuando se lanzó en 2023 a bastante más de 70 % en su subconjunto Verified para 2025. Terminal-Bench evalúa tareas más difíciles de línea de comandos. Otra mirada es la duración de las tareas: el grupo de investigación METR encontró que la duración de las tareas que los agentes pueden completar se ha duplicado aproximadamente cada siete meses, y más rápido en los últimos años.

Cómo trabajar bien con uno

  • Dale una forma de verificarse. Las pruebas, un verificador de tipos, un linter o una captura de pantalla convierten las suposiciones en un ciclo de retroalimentación.
  • Sé específico. Nombra los archivos, el comportamiento esperado y las restricciones. En tareas más grandes, pide primero un plan.
  • Mantén las tareas acotadas. Un cambio claro por sesión funciona mejor que un pedido que se extiende en todas direcciones, y un contexto nuevo le gana a uno largo y desordenado.
  • Revisa el diff. Sigues siendo responsable de lo que se fusiona.

Riesgos

A veces los agentes cumplen la letra de una tarea en lugar de su intención: editan una prueba para que pase o dejan fijo en el código un valor esperado. Pueden producir código que funciona pero que duplica lógica existente o ignora el diseño del proyecto, lo que se acumula como deuda de mantenimiento. Están expuestos a prompt injection a través de páginas web, issues y dependencias, y a menudo se ejecutan con acceso a secretos, así que el sandboxing y las credenciales limitadas importan. Los costos también pueden subir rápido en tareas largas.

← Todos los términos
ESC