Agentes de IA

IAs que usan herramientas, toman decisiones y actúan en el mundo real. 6 unidades, 18 lecciones interactivas y retos prácticos. Con LINDO para resolver tus dudas.

Incluida en Pro · 18 lecciones · 68 retos.

Para quién es

Quieres crear agentes que hagan tareas por ti, no solo chatbots.
Ya escribes prompts y quieres conectar el modelo a herramientas y datos.
Te preocupa que un agente se equivoque y quieres aprender a ponerle límites.

Qué vas a construir: Tu primer agente útil

Un agente pequeño que resuelve una tarea tuya de verdad, construido dirigiendo a tu agente de código: con herramientas bien descritas, límites, un registro de lo que hace, una funcionalidad hecha con especificación y pruebas, y una semana de uso real.

La ficha del agente
Define las herramientas
Hazlo funcionar
Lee una ejecución completa
Una funcionalidad con especificación y bucle de verificación
Úsalo una semana

Unas 10 horas con Claude Code o Cursor, un framework o SDK de agentes (Vercel AI SDK, CrewAI o el SDK de agentes de tu proveedor), una API de búsqueda o de tus propios datos, GitHub.

Agentes autónomos

¿Qué es un agente?: Distingue un chat de un agente y reconoce sus cuatro piezas, su ciclo y lo que cuesta darle autonomía.
Function calling y uso de herramientas: Entiende cómo un modelo pide usar una herramienta y escribe descripciones que le hagan elegir bien.
Diseño de agentes: cuándo sí y cuándo no: Decide si tu problema necesita un agente o basta con código, un prompt o un prompt con una herramienta.
Memoria y contexto: Decide qué debe recordar tu agente, dónde guardarlo y qué hacer cuando la conversación se alarga.

Sistemas multi-agente

Orquestación y roles: Decide cuándo repartir el trabajo entre varios agentes y cómo coordinarlos.
Frameworks de agentes: cómo elegir: Entiende qué resuelve un framework de agentes y elige uno según tu lenguaje, tu flujo y tu proveedor.
Una persona en el circuito (human-in-the-loop): Decide en qué acciones tu agente actúa solo y en cuáles debe pedir permiso a una persona.

Herramientas y MCP

Model Context Protocol (MCP): Conecta tu agente con un servicio externo mediante MCP y dale solo los permisos que necesita.
Agentes de navegador y computer use: Elige entre API, script o agente de navegador para automatizar una tarea web, y úsalo con precaución.
Sandboxes para ejecutar código: Entiende por qué el código que genera un modelo se ejecuta aislado y qué límites ponerle.

Tu agente, de la primera versión a producción

Tu primer agente: plan práctico: Elige un caso propio y construye la primera versión de tu agente dirigiendo a tu agente de código.
Agentes en producción: monitoreo y costos: Prepara tu agente para usuarios reales: límites, registro de cada ejecución y control de costos.

Ingeniería con agentes de código

Ingeniería de contexto: Decide qué tiene delante tu agente en cada paso y corta a tiempo una conversación que ya no rinde.
Desarrollo guiado por especificaciones (SDD): Escribe una especificación comprobable y llévala con tu agente a plan, tareas y código, fase por fase.
El bucle del agente: verificar es lo que importa: Define "terminado" con comandos que el agente pueda ejecutar y monta las pruebas si tu proyecto no las tiene.
Configura tu agente de código: Deja listo tu agente en Claude Code o en Cursor: archivo de reglas, modo plan y protección de tus claves.
Agentes en paralelo y revisión de su trabajo: Reparte tareas independientes entre varios agentes y revisa cada cambio antes de fusionarlo.

Patrones para diseñar agentes

Patrones comunes de agentes: Reconoce los cinco patrones más usados y decide cuándo hace falta de verdad un agente autónomo.

Lección de muestra: Del chatbot al actor

Le preguntas a un chat qué clima hace en Madrid y te contesta que no tiene datos en tiempo real. No es torpeza: un modelo de lenguaje (LLM) solo sabe producir texto. No puede asomarse a la ventana.

Un AGENTE es ese mismo modelo conectado a herramientas: funciones que tu programa le presta para consultar datos, leer archivos, enviar un correo o ejecutar código. Con ellas ya no solo responde: decide qué hacer para cumplir un objetivo.

LA DIFERENCIA EN UN EJEMPLO → Chat: "¿Qué clima hace en Madrid?" → "No tengo información actual". → Agente: la misma pregunta → usa la herramienta de clima → "En Madrid hay 18 grados y cielo despejado".

Y PUEDE ENCADENAR PASOS Pídele: "Reserva mesa para 4 en un italiano bien valorado cerca de la oficina, mañana a las 20 h". Para lograrlo tiene que buscar restaurantes, descartar los de mala nota, comprobar si hay mesa, reservar y avisarte.

Tú tomaste una decisión: reservar. El agente tomó todas las pequeñas: cuál restaurante, qué hacer si no hay sitio, cuándo dar la tarea por terminada.

LA IDEA PARA QUEDARTE Un chatbot te dice cómo hacer algo. Un agente lo hace. Esa capacidad de actuar abre casos de uso nuevos y también trae riesgos nuevos, que verás al final de esta lección.

Ana quiere que la IA le ayude con su peluquería. ¿Cuál de estos encargos necesita un agente y no solo un chat?

Revisar la agenda de mañana y avisar por correo a quien tenga turno
Redactar un mensaje de bienvenida para las clientas nuevas del salón
Proponer cinco nombres para un nuevo tratamiento de color del salón

Preguntas frecuentes

¿Qué framework de agentes se usa?

El proyecto final puedes hacerlo con Vercel AI SDK, CrewAI o el SDK de un proveedor. El curso enseña los conceptos que sirven en todos: herramientas, MCP, especificaciones, evaluación y seguridad.

¿Cuánto cuesta el curso de agentes de IA?

Está incluido en el plan Pro, que abre las 14 rutas: US$14.99 al mes, US$59 al año o US$99 en un solo pago (Lifetime).

¿Cuánto tiempo lleva?

Son 18 lecciones cortas con 68 retos, más el proyecto final, que lleva alrededor de 10 horas de trabajo. Avanzas a tu ritmo.

¿Necesito conocimientos previos?

Te recomendamos haber hecho antes Modelos de IA y prompts. Es una recomendación, no un bloqueo: puedes empezar igual.

¿Hay certificado?

Sí. Con todas las lecciones completas y el proyecto final aprobado obtienes un certificado verificable con enlace público.