Los 4 componentes de todo agente de IA, explicados
Todo agente de IA, desde un chatbot hasta un colega digital, se construye con cuatro partes: herramientas, contexto, habilidades y modelo. Esto es cada una.
Equipo de Velanir8 min de lectura
Mucha gente cree que los agentes de IA son complicados. No lo son. Todo agente de IA, desde un bot básico de atención al cliente hasta un colega digital totalmente autónomo, se construye con los mismos cuatro ingredientes: herramientas, contexto, habilidades y modelo. Si los cuatro están bien, construyes sistemas que parecen magia. Si están mal, terminas con un chatbot caro que alucina y se rompe.
Este artículo explica cada componente, por qué importa y qué separa la versión que funciona de la que no.
Referencia rápida
- Herramientas — cómo el agente actúa sobre el mundo
- Contexto — lo que el agente sabe
- Habilidades — cómo el agente decide qué hacer
- Modelo — qué IA se encarga de cada paso
1. Herramientas — cómo el agente actúa sobre el mundo
Las herramientas son la forma en que un agente sale de su propia conversación y cambia algo. Hay dos tipos que importan.
Conexiones persistentes con tus sistemas de registro. Tu CRM. Tu bandeja de entrada. Tu calendario. Tu base de datos. Tu gestor de proyectos. Tu documentación interna. Son los sistemas donde vive el trabajo de verdad. Un agente sin acceso autenticado y duradero a ellos puede describir lo que debería pasar, pero no puede hacerlo pasar.
Capacidades integradas. Búsqueda en la web, creación de archivos, generación de imágenes, ejecución de código, lectura de documentos. Son los movimientos de uso general que el propio modelo puede realizar, el equivalente digital de abrir una pestaña del navegador o tomar un cuaderno de apuntes.
Un agente sin buenas herramientas es como una persona brillante sin computadora, sin credenciales de acceso y sin celular. El razonamiento está ahí. La capacidad de actuar, no.
El estándar que la mayoría de los equipos verá en producción durante el próximo año es MCP, el Model Context Protocol: un estándar abierto que Anthropic presentó a finales de 2024 para conectar asistentes de IA con fuentes de datos y herramientas. Si un proveedor ofrece un servidor MCP, puedes conectarlo a cualquier entorno de agentes compatible. Eso impulsa el cambio reciente de "construir una integración a la medida por cada herramienta" a "armar tu agente a partir de conectores existentes".
La prueba práctica. Cuando el agente decide actuar, ¿puede actuar de verdad? ¿Puede mover un trato de etapa en tu CRM, crear una invitación de calendario, publicar un mensaje en Slack o confirmar un archivo? Si la respuesta es "no, solo produce texto que recomienda esas acciones", tienes un chatbot, no un agente.
2. Contexto — lo que el agente sabe
El contexto es la memoria del agente. Aquí es donde la mayoría de los proyectos de agentes fracasa en silencio.
Un modelo sin contexto es brillante pero amnésico: puede razonar sobre cualquier cosa que le pongas enfrente y no recuerda nada después. La mayoría de los equipos omite la ingeniería de contexto, despliega un modelo envuelto en un prompt básico y se pregunta por qué su "agente" necesita que le expliquen cada situación desde cero.
Un buen contexto son dos cosas a la vez.
Memoria indexada y consultable que el agente puede leer y actualizar. No una sola transcripción que crece sin parar. Archivos estructurados que el agente administra: quién es la persona usuaria, qué prefiere el equipo, qué se decidió en la última conversación, qué convenciones rigen para este cliente o este proyecto. El agente lee lo que necesita al empezar una tarea y escribe de vuelta lo que vale la pena recordar al terminar.
Gestión de sesiones que sabe cuándo conservar, compactar o reiniciar. Las conversaciones largas no caben en la ventana de contexto de un modelo. El agente debe decidir de forma continua qué conservar, qué resumir y qué descartar, sin perder los detalles que sostienen el resto. Eso es ingeniería, no redacción de prompts.
La señal de que el contexto funciona: el agente mejora con el tiempo sin que nadie reentrene el modelo de fondo. Aprende el vocabulario de tu equipo, los casos límite de tus clientes y tus preferencias sobre cómo se debe escribir cada cosa. Un sistema de memoria bien diseñado convierte una herramienta de un solo truco en un colega que de verdad conoce tu negocio.
La señal de que el contexto está roto: el agente se siente como un extraño cada vez. Te descubres explicando la misma configuración del proyecto, el mismo historial del cliente, las mismas restricciones. Si alguna vez dices "como te dije la vez pasada", no hay vez pasada. El agente nunca lo recordó.
3. Habilidades — cómo el agente decide qué hacer
Las habilidades son la forma en que el agente sabe qué hacer en una situación concreta. Piensa en ellas como guías de actuación formalizadas.
Cuando una persona competente se encuentra con una situación conocida (una queja de un cliente, una solicitud de reembolso, un prospecto de ventas, un reporte de error), no razona desde cero. Sigue un patrón. Paso uno. Paso dos. Punto de decisión. Paso tres. El patrón mismo es conocimiento institucional. Es lo que vuelve la respuesta repetible, rápida y consistente entre personas distintas en días distintos.
Los agentes funcionan igual. Una habilidad es un procedimiento documentado que el agente carga cuando reconoce una situación relevante. Describe:
- Cuándo invocar este patrón
- Qué herramientas usar y en qué orden
- Cómo se ve el criterio de éxito
- Qué hacer si la situación se aparta del camino habitual
Anthropic formalizó esta idea a finales de 2025 con su función Agent Skills: un formato portátil en el que una habilidad es un directorio con una especificación en markdown y los archivos de apoyo que haga falta. El agente lee la habilidad, sigue el procedimiento y vuelve. Las habilidades se pueden combinar, tienen control de versiones y se comparten entre equipos.
Por qué importa en la práctica. Los mejores agentes no son solo inteligentes. Son repetibles. Un agente que improvisa desde cero cada solicitud de reembolso produce diez resultados distintos. Un agente que sigue una habilidad de reembolsos produce el mismo resultado siempre, y cuando la política cambia, actualizas la habilidad una sola vez.
Las habilidades también son la forma de escalar el criterio sin escalar la plantilla de personal. Quien sabe exactamente cómo manejar el caso complicado puede codificar ese conocimiento en una habilidad, y el agente lo aplica de forma consistente en cada instancia.
4. Modelo — qué IA se encarga de cada paso
El modelo es el último ingrediente y el más malentendido. Todo el mundo se obsesiona con "cuál es el mejor modelo". Esa es la pregunta equivocada.
La velocidad, el costo y la inteligencia no son propiedades de un modelo. Son resultados de dos entradas: el contexto que le das al modelo y el modelo que eliges para la tarea específica.
Algunas verdades prácticas:
- Los modelos más pequeños y rápidos con un gran contexto superan a los modelos de frontera sin ninguno. Un modelo de clase Haiku al que se le dan exactamente los tres párrafos de contexto correctos vence a uno de clase Opus al que se le entrega un muro de texto sin estructura. La precisión importa más que la inteligencia bruta.
- Un agente rara vez es un solo modelo. Los agentes en producción suelen dirigir cada subtarea a un modelo distinto: uno pequeño para clasificar, uno intermedio para el grueso del trabajo conversacional y uno de frontera reservado para los pasos de razonamiento más difíciles. A esto a veces se le llama enrutador de modelos.
- El costo se acumula. Un flujo de trabajo que corre un modelo de frontera en cada paso puede costar de 50 a 100 veces más que el mismo flujo con un enrutamiento adecuado. Esa es la diferencia entre un agente que se puede desplegar a escala y uno que solo resulta económico para algún cliente VIP ocasional.
La pregunta correcta nunca es "cuál es el mejor modelo". Es "¿qué modelo es el adecuado para este paso específico, dado el contexto que puedo entregarle y la latencia y el costo que puedo pagar aquí?". Elige el modelo según el trabajo. No uses el más grande por defecto.
Los cuatro juntos
Estos cuatro componentes (herramientas, contexto, habilidades y modelo) son todo lo que es un agente.
Los agentes que parecen magia no hacen nada fundamentalmente distinto. Tienen los cuatro bien afinados al mismo tiempo:
- Las herramientas que necesitan, sobre los sistemas en los que deben actuar
- El contexto para reconocer la situación y recordar lo que ya se decidió
- Las habilidades para ejecutar el patrón que se sabe que funciona
- El modelo adecuado para cada paso, con la relación costo-calidad correcta
Omite uno y los demás no pueden compensarlo. Un modelo perfecto sin herramientas es un chatbot. Herramientas perfectas sin contexto son frágiles. Habilidades perfectas con el modelo equivocado son lentas y caras. Un contexto perfecto sin habilidades es improvisación sin fin e inconsistencia.
Los equipos que construyen agentes que funcionan de verdad en producción no eligen el modelo más sofisticado. Invierten en los cuatro componentes a la vez. Eso es lo que hace Velanir: contratamos, configuramos y operamos colegas digitales con los cuatro componentes diseñados en conjunto, para que el agente llegue ya conociendo tu negocio y listo para hacer el trabajo.
Preguntas frecuentes
¿Qué es un agente de IA?
Un agente de IA es un sistema de software que usa un modelo de lenguaje grande para decidir qué hacer y luego actúa sobre el mundo mediante herramientas, como actualizar un CRM, enviar un correo o ejecutar una consulta. Se diferencia de un chatbot en que no solo produce texto: ejecuta trabajo. Todo agente de IA se construye con cuatro componentes: herramientas, contexto, habilidades y un modelo.
¿Cuál es la diferencia entre un agente de IA y un chatbot?
Un chatbot produce texto. Un agente de IA produce acciones. Un chatbot puede describir cómo actualizar tu CRM; un agente lo actualiza de verdad. La prueba definitiva es si el sistema puede cambiar el estado de tus sistemas de registro. Si solo puede entregar recomendaciones, es un chatbot. Si puede completar el trabajo, es un agente.
¿Necesito los cuatro componentes para construir un agente útil?
Sí. Omitir cualquiera de los cuatro genera fallas predecibles. Sin herramientas, el agente puede describir, pero no actuar. Sin contexto, olvida lo que aprendió. Sin habilidades, improvisa de forma inconsistente según el caso. Con el modelo equivocado, resulta demasiado caro para desplegarlo o no lo bastante capaz para ser confiable.
¿Qué es MCP (Model Context Protocol)?
MCP es un estándar abierto que Anthropic presentó a finales de 2024 para conectar asistentes de IA con fuentes de datos y herramientas externas. Estandariza cómo los agentes se comunican con tu CRM, tu base de datos, tu sistema de archivos o cualquier otro sistema. El resultado es que las herramientas se vuelven reutilizables: construyes un servidor MCP una vez y cualquier agente compatible puede usarlo.
¿Qué son las Agent Skills en este contexto?
Una habilidad es un procedimiento documentado que el agente carga cuando reconoce una situación relevante. Anthropic formalizó esta idea con su función Agent Skills a finales de 2025: un formato portátil en el que una habilidad vive en una carpeta con una especificación en markdown y archivos de apoyo. Las habilidades hacen que el comportamiento del agente sea repetible, tenga control de versiones y se pueda compartir entre equipos.
¿Debo usar el modelo más potente para mi agente?
Normalmente no. Un modelo más pequeño y rápido con un contexto bien curado supera a un modelo de frontera al que se le entrega un muro de texto sin estructura. Los agentes en producción suelen dirigir cada subtarea a un modelo distinto: uno pequeño para clasificar, uno intermedio para el trabajo conversacional y uno de frontera para el razonamiento más difícil. Elige el modelo según el trabajo.