El arnés de agentes: qué es y cómo construir uno

Guía práctica del arnés de agentes: qué despierta a cada agente, qué lee, a dónde va su trabajo y cómo construir uno a partir de un paso manual real.

Un arnés de agentes es todo lo que rodea a un modelo de lenguaje para que llamadas sueltas al modelo se vuelvan trabajo terminado: qué arranca a cada agente, qué recibe para leer, qué puede hacer y a dónde va su resultado. Para construir uno, escribe esas respuestas para cada agente y sácalas de los prompts hacia horarios, eventos, tickets y revisiones que se sostengan cuando nadie está frente al teclado.

Qué es un arnés de agentes

Un modelo de lenguaje recibe texto y devuelve texto. Un agente es un modelo que llama herramientas en un ciclo hasta terminar una tarea. El arnés es el sistema alrededor de ese ciclo. Decide cuándo corre el agente, qué contexto y qué herramientas recibe, dónde queda su estado y quién revisa el resultado.

La palabra tiene otro uso. Un harness de evaluación corre un conjunto de casos contra un agente y califica las respuestas. Construí uno para un grupo de educación superior. En integración corre un conjunto de humo, y antes de promover corre la regresión completa. Esta guía trata del primer tipo, el arnés que corre el trabajo. El segundo es una de sus capas, y la guía de evaluación automatizada de LLMs lo cubre.

Cómo funciona un arnés de agentes

Para cada agente, el arnés deja resueltos los mismos puntos.

Qué lo despierta. Mis agentes no arrancan todos igual. Unos despiertan con un horario. Otros reaccionan a un evento, como un ticket, un comentario o un build. Hay loops que buscan trabajo útil, y hay sesiones que trabajan hacia un objetivo durante 24 o 36 horas seguidas.

Qué lee. El arnés le da a cada agente un skill para el tipo de entrada que atiende y una superficie de herramientas con límites claros. Un ejemplo de mi trabajo es mentu-navigator, una herramienta de solo lectura para navegar repositorios, con una CLI y un servidor MCP. Su contrato está fijado en cuatro primitivas: locate, read_range, open y handles.

A dónde va el trabajo. El resultado queda como un registro durable, por ejemplo un ticket con etiquetas o un archivo en un repositorio, y otros agentes reaccionan a él.

Quién lo revisa. Otro agente puede revisar el resultado, y una persona revisa lo que importa. El arnés conserva lo que hizo cada corrida, incluido lo que se negó a hacer.

Workflow estático o planificador dinámico: cómo describir tu arnés

Las etiquetas de siempre para los sistemas de agentes son workflow estático, planificador dinámico e híbrido. Mi preprint The Agent Graph Runtime, que aparece en Investigación, las trata como respuestas a cuatro preguntas separadas. ¿Cuándo se construye el grafo de pasos? ¿Dónde queda fijo y direccionable? ¿Quién lo escribe? ¿Qué lo ejecuta? Responde cada una para tu sistema y la etiqueta importa menos.

El modelo separa las etapas de una corrida: construcción, lowering, calificación, congelamiento, recalificación, admisión, ejecución y evidencia. Mantiene aparte cinco propiedades que suelen leerse como una sola: la identidad del grafo ejecutable, la identidad de su ambiente de ejecución, la reproducibilidad de la salida, la adecuación del plan y el resultado. Que una corrida termine bien no dice si su plan era adecuado.

Cuándo necesitas un arnés de agentes: reglas de decisión

  • Si explicas lo mismo dos veces, en la reunión y luego a un agente, esa frontera es candidata. También lo es el trabajo que se queda parado hasta que vuelves a la computadora.
  • Si una regla tiene que cumplirse, ponla en el sistema de coordinación. Quién es dueño de qué, los permisos, el estado durable y las revisiones obligatorias no pueden quedar a la memoria de un agente.
  • Si varios agentes comparten el trabajo, registra dos cosas fuera del prompt: qué trabajo está libre y cuál ya tiene dueño, y qué resultado es propuesta y cuál ya se aceptó.
  • Si una revisión es difícil de automatizar, como juzgar si una interfaz se siente mal, agrega una capa y deja a una persona sobre el resultado importante. Un agente de revisión de diseño con navegador puede ser esa capa.
  • Si lo que produce el arnés se promueve a producción, vincula la evaluación con el candidato exacto. La guía de integridad de workflows agénticos explica cómo.

Cómo construir un arnés de agentes paso a paso

  1. Escribe el recorrido de un trabajo tal como ocurre hoy, de la conversación humana al resultado terminado.
  2. Marca cada punto donde cargas algo a mano: notas, contexto, un ticket, una instrucción para un agente.
  3. Elige la frontera que más se repite. Fija dónde cae su entrada, por ejemplo una carpeta de un repositorio, y agrega un proceso que detecte archivos nuevos.
  4. Escribe un skill para ese tipo de entrada y dale al agente solo las herramientas que el paso necesita.
  5. Haz que la salida sea un registro durable, con etiquetas a las que otros agentes reaccionen.
  6. Decide cómo arranca cada agente: con un horario, con un evento o en un loop.
  7. Haz explícitos los estados. En cola, intentada y completada son tres estados distintos de una acción.
  8. Agrega una revisión que nombre la versión que examinó. Conserva las objeciones que sigan abiertas.
  9. Detén una corrida a la mitad a propósito y revisa cómo se recupera.

Qué sale mal en un arnés de agentes

  • Una persona sigue siendo la capa de integración. Los agentes corren todo el día y cada reunión todavía termina con alguien que escribe notas y crea el ticket.
  • Se confunde trabajo en paralelo con colaboración. Cuando nadie es dueño de una tarea y las entregas son vagas, varios agentes repiten el mismo trabajo, hacen cambios que chocan o revisan un artefacto que ya quedó viejo.
  • Una revisión repite el supuesto que debía poner a prueba. Que dos agentes coincidan puede ser un solo supuesto dicho dos veces. Una revisión útil pone una prueba que el trabajo podía no pasar.
  • Un mensaje de estatus se toma como prueba. Lo que un agente dijo en una transcripción no prueba que el trabajo esté hecho.
  • La recuperación le pide al modelo que adivine. Después de una interrupción, la corrida debe retomar desde el estado durable, no desde una suposición.
  • La capa de evaluación comparte estado. En el harness de educación superior, los casos compartían estado de usuario a través de la memoria del agente, y las primeras tasas de aprobación salieron mal sin que nadie lo notara.

Un ejemplo: una reunión que se convierte en tickets

Mis agentes podían seguir trabajando mientras yo estaba lejos de la computadora, y mis reuniones no. Después de cada llamada abría la laptop, escribía notas, copiaba contexto, creaba un ticket, explicaba otra vez la conversación y apuntaba un agente al repositorio correcto. Yo era la capa de integración.

Mi respuesta es un arnés físico de agentes, que todavía estoy construyendo. Está donde la actividad humana se encuentra con el sistema de agentes, y es hardware. Las piezas son un iPad mini, una cámara externa, un micrófono, una luz, un hub USB-C y una batería, montadas como una sola estación portátil para reuniones. El encuadre, la luz y el sonido son los mismos en mi oficina o de viaje.

El lado de software está diseñado como una cadena. La conversación se transcribe y la transcripción cae en un repositorio, en una ruta como /docs/meetings/. Un proceso de monitoreo la detecta. Un agente la lee con un skill especializado y entiende a qué cliente y a qué workspace pertenece, qué decisiones se tomaron y qué compromisos se crearon. Las decisiones y las tareas pasan a tickets, y cada ticket lleva etiquetas. Otro entorno de agentes reacciona a ellas. Un agente se encarga de la documentación, un segundo de la implementación y un tercero de revisar el resultado. Una sesión de monitoreo sigue vigilando el ticket.

Con esta cadena, una reunión ya no es un texto que me espera. El sistema la recibe como un evento más, igual que un ticket o un build. El hardware atiende la parte del mundo que un agente no suele ver: la conversación, la intención, las decisiones y los matices. El software atiende lo que viene después.

Qué no muestra la evidencia sobre el arnés de agentes

El ensayo detrás del ejemplo describe un setup que estoy construyendo y cómo corren mis agentes. No reporta mediciones de tiempo ahorrado ni de confiabilidad, así que no doy ninguna. Tampoco promete autonomía total: la meta es que cada frontera manual que se repite sea candidata a sistematizarse, mientras yo defino la intención, reviso lo importante y tomo decisiones.

The Agent Graph Runtime es un modelo. Reporta un ejercicio mecánico de invariantes sobre un piloto histórico congelado y certifica su propia novedad como no certificada. Excluye por diseño cualquier afirmación de superioridad o de generalidad, y no certifica ningún despliegue.

La descripción de mentu-navigator dice que cada valor por defecto relevante para el desempeño viene de un estudio registrado y adjudicado mecánicamente, y que uno ya fue retirado por su predicción congelada. Esa evidencia habla de una herramienta de recuperación, no de un arnés completo. El harness del grupo de educación superior es evidencia sobre evaluación, y su caso de estudio tiene el detalle.

Qué leer después

Preguntas frecuentes

¿Qué es un arnés de agentes?

Es el sistema que rodea a un modelo de lenguaje para que llamadas sueltas al modelo se vuelvan trabajo terminado. Fija qué arranca a cada agente, qué recibe para leer, qué puede hacer y a dónde va su resultado. Un modelo solo responde una solicitud. El arnés hace que el trabajo pase de un paso al siguiente sin que una persona lo cargue.

¿Cuál es la diferencia entre un agente de IA y un arnés de agentes?

Un agente es un modelo que llama herramientas en un ciclo hasta completar una tarea. El arnés es lo que rodea ese ciclo: disparadores, skills, límites de herramientas, tickets, estado durable y revisiones. Un mismo arnés puede correr varios agentes y decide cómo pasa el trabajo entre ellos.

¿Un arnés de agentes es lo mismo que un harness de evaluación?

No. Un harness de evaluación corre un conjunto de casos contra un agente y califica las respuestas. Un arnés de agentes corre el trabajo mismo. El harness de evaluación puede ser una de sus capas, la que decide si un cambio se promueve.

¿Por dónde empiezo a construir un arnés de agentes?

Empieza por una frontera manual que se repita, como convertir una reunión en tickets. Fija dónde cae la entrada, qué la detecta, qué skill la lee y qué registro produce. Agrega la siguiente frontera cuando esa ya corra sin ti.

¿Un workflow estático es mejor que un planificador dinámico para agentes?

Mi preprint The Agent Graph Runtime no los ordena. Plantea que esas etiquetas juntan cuatro cosas: el momento en que se construye el grafo, el punto donde queda fijo y direccionable, quién es su autor y qué lo ejecuta. El paper propone un modelo y excluye por diseño afirmaciones de superioridad o de generalidad.

Trabajo y evidencia

The Agent Graph Runtime (se abre en una pestaña nueva)

Mi contribución: Autor del modelo de runtime que separa construcción del grafo, calificación, admisión, ejecución y evidencia.

Qué respalda: Modelo conceptual publicado para razonar sobre identidad ejecutable y ciclo de vida de workflows.

Qué no demuestra: Modelo y representación de referencia; no garantiza rendimiento ni fiabilidad.

Fuente revisada:

Guías técnicas