Os catro elementos dun axente

Un axente de IA non é unha caixa negra. Compónse de catro pezas fundamentais que, xuntas, converten un modelo de linguaxe nun traballador autónomo. Comprendelas é clave para saber como configurar, usar e confiar neles.

O loop

O elemento máis importante que diferencia un axente dun chatbot é o loop ou bucle.

Sen loop, o LLM recibe unha pregunta, responde unha vez e detense. Non hai seguimento. Se a resposta require unha segunda acción, é o usuario quen debe pedirllo.

Con loop, o axente funciona dunha forma diferente:

1. Recibe un obxectivo.
2. Analiza que necesita para acadalo.
3. Executa unha ferramenta (ler un ficheiro, buscar na web, escribir código...).
4. Valora o resultado da acción.
5. Se aínda non acadou o obxectivo, volve ao paso 2.
6. Repite ata completalo ou determinar que non pode facelo.

Este bucle é o que permite que un axente encadee dez, vinte ou cen tarefas sen que o usuario teña que intervir en cada paso.

O contexto

O axente non pode traballar sen saber que está a facer. Para iso necesitamos darlle contexto sobre o noso proxecto.

O mecanismo estándar é un ficheiro de texto (normalmente Markdown) que se garda na raíz do repositorio. O nome varía segundo a plataforma:

Plataforma	Ficheiro de contexto
OpenCode	AGENTS.md
Claude Desktop	CLAUDE.md
Gemini CLI	GEMINI.md
Copilot	.github/copilot-instructions.md

Contén: instruccións permanentes que o axente le ao comezo de cada conversa. Normalmente inclúen:

• Comandos de instalación e arranque do proxecto.
• Convencións de estilo de código.
• Estrutura do directorio.
• Instruccións de probas.
• Calquera decisión de deseño que o axente deba coñecer.

Este ficheiro é estático: non cambia só. É o usuario quen o edita cando quere engadir ou modificar información.

A memoria

Se o contexto é a información fixa do proxecto, a memoria é a información que o axente aprende ao longo do tempo.

Cando lle dicimos a un axente "isto non era o que quería, facíase así", ese aprendizaxe desaparece na seguinte conversa se non gardámolo. A memoria resolve exactamente isto.

O mecanismo habitual é un ficheiro (por exemplo, memory.md) no que o axente pode gardar correccións e preferencias que imos indicándolle. Por exemplo:

• "O axente sempre usaba var en vez de const e eu corrixino" → garda na memoria que neste proxecto se usa const.
• "Pedinlle ao axente que non usase un ton tan formal nos correos" → garda que o ton debe ser coloquial.

Co tempo, a memoria faise máis rica e máis precisa, o que fai que o axente sexa mellor no seu traballo sen que teñamos que repetir as mesmas instrucións.

Contexto vs memoria

	Contexto	Memoria
Que é	Información fixa do proxecto	Aprendizaxes do axente
Quen o edita	O usuario, manualmente	O axente, automaticamente
Cando cambia	Cando o proxecto evoluciona	Cando o axente comete un erro e corriñémolo
Ficheiro	AGENTS.md (ou variante)	memory.md (ou similar)

As ferramentas

O loop e a memoria non serven de nada se o axente non ten forma de actuar sobre o mundo. As ferramentas son o canal polo que o axente le, escribe, busca e executa.

No ecosistema actual, hai dúas formas principais de conectar un axente con ferramentas:

MCP (Model Context Protocol)

MCP é un protocolo estándar que permite aos modelos conectarse con servizos e aplicacións externas. Funciona cunha arquitectura cliente-servidor: o axente é o cliente e cada servizo que quere usar ten un servidor MCP que expón as súas capacidades.

Skills

Unha skill é unha capacidade especializada que se lle proporciona a un axente de IA para que poida realizar unha tarefa concreta seguindo unhas instrucións, coñecementos e procedementos predefinidos. Dito dun xeito máis sinxelo: unha skill é unha "habilidade" que ensina ao axente a facer algo específico.

Por exemplo, nun axente que traballa cun proxecto de programación, poderías ter skills como:

• Crear documentación → indícalle como xerar documentación seguindo o formato do proxecto.
• Revisar código → define que aspectos debe comprobar e que criterios debe aplicar.
• Crear commits → indícalle como redactar os commits e que convención seguir.
• Traballar con Git → proporciona instrucións para determinadas operacións con Git.

A diferenza importante respecto dunha simple instrución é que unha skill encapsula unha capacidade reutilizable: o axente pode cargala cando a necesita e aplicala para resolver unha determinada tarefa.

Resumo

Elemento	Que fai
Loop	Permite ao axente repartir e executar tarefas ata acadar o obxectivo.
Contexto	Informa ao axente sobre o noso proxecto (ficheiro estático).
Memoria	Permite ao axente aprender dos nosos correccións (ficheiro dinámico).
Ferramentas	Dá ao axente a capacidade de actuar: MCP e Skills.