Patrones agénticos comunes: ReAct (Razonamiento + Acción — el agente alterna entre pensar qué hacer y tomar acciones), Plan-Execute (crear un plan primero, luego ejecutar cada paso), y Reflexión (generar salida, criticarla, luego mejorarla). Patrones más complejos incluyen agentes jerárquicos (un agente planificador delega a agentes especialistas) y debate multi-agente (agentes argumentan diferentes perspectivas para llegar a mejores conclusiones).
Los flujos agénticos dependen de herramientas: búsqueda web, ejecución de código, operaciones de archivos, llamadas a API, consultas a bases de datos. Sin herramientas, un agente es solo un modelo hablando consigo mismo. La calidad de las definiciones de herramientas (descripciones claras, parámetros bien tipados, buenos mensajes de error) afecta directamente el rendimiento del agente. Las herramientas mal definidas llevan a elecciones incorrectas de herramientas, parámetros incorrectos y errores en cascada.
El mayor desafío con los flujos agénticos es la confiabilidad. Cada paso tiene cierta probabilidad de fallo, y los fallos se acumulan a lo largo de los pasos. Los sistemas agénticos de producción necesitan: manejo de errores (¿qué pasa cuando falla una llamada a herramienta?), salvaguardas (¿qué acciones requieren aprobación humana?), observabilidad (registrar cada paso para depuración), límites de presupuesto (máximo de tokens/costo por flujo de trabajo) y degradación elegante (devolver resultados parciales en lugar de fallar completamente). La brecha entre demos impresionantes y sistemas de producción confiables es grande.