Una visión general por capas de los conceptos clave de la IA Agente. Entendámoslo capa por capa. 1) LLMs (capa base) En el núcleo, tienes LLMs como GPT, DeepSeek, etc. Ideas clave aquí: - Tokenización y parámetros de inferencia: cómo se descompone el texto en tokens y se procesa por el modelo. - Ingeniería de prompts: diseñar entradas para obtener mejores salidas. - APIs de LLM: interfaces programáticas para interactuar con el modelo. Este es el motor que impulsa todo lo demás. 2) Agentes de IA (construidos sobre LLMs) Los agentes envuelven a los LLMs para darles la capacidad de actuar de manera autónoma. Responsabilidades clave: - Uso de herramientas y llamadas a funciones: conectar el LLM a APIs/herramientas externas. - Razonamiento del agente: métodos de razonamiento como ReAct (razonar + actuar) o Chain-of-Thought. - Planificación y descomposición de tareas: dividir una gran tarea en tareas más pequeñas. - Gestión de memoria: mantener un registro de la historia, contexto e información a largo plazo. Los agentes son los cerebros que hacen que los LLMs sean útiles en flujos de trabajo del mundo real. 3) Sistemas Agentes (sistemas multi-agente) Cuando combinas múltiples agentes, obtienes sistemas agentes. Características: - Comunicación entre agentes: agentes hablando entre sí, utilizando protocolos como ACP, A2A si es necesario. - Enrutamiento y programación: decidir qué agente maneja qué y cuándo. - Coordinación de estado: asegurar consistencia cuando múltiples agentes colaboran. - RAG multi-agente: usar generación aumentada por recuperación entre agentes. - Roles y especialización de agentes: agentes con propósitos únicos. - Marcos de orquestación: herramientas (como CrewAI, etc.) para construir flujos de trabajo. Esta capa se trata de colaboración y coordinación entre agentes. 4) Infraestructura Agente La capa superior asegura que estos sistemas sean robustos, escalables y seguros. Esto incluye: - Observabilidad y registro: seguimiento del rendimiento y salidas (usando marcos como DeepEval). - Manejo de errores y reintentos: resiliencia contra fallos. - Seguridad y control de acceso: asegurando que los agentes no sobrepasen sus límites. - Limitación de tasa y gestión de costos: controlando el uso de recursos. - Automatización de flujos de trabajo: integrando agentes en tuberías más amplias. - Controles de humano en el bucle: permitiendo supervisión e intervención humana. Esta capa asegura confianza, seguridad y escalabilidad para entornos empresariales/de producción. La IA Agente, en su conjunto, implica una arquitectura apilada, donde cada capa exterior añade fiabilidad, coordinación y gobernanza sobre las capas internas.