Qué es un agente de IA y cómo probarlo paso a paso

¿Qué es un agente de IA? Es un programa basado en un modelo de lenguaje que no solo responde, sino que hace la tarea por sí mismo: elige herramientas (archivos, terminal, navegador), mira el resultado de cada paso y decide qué hacer a continuación hasta terminar. Un chatbot nos da texto; un agente nos da el trabajo hecho, por ejemplo un test arreglado o un commit en el repositorio.

En este tutorial explico cómo funciona por dentro y después pasamos a la práctica: instalar un agente en la terminal, darle una primera tarea y ajustar lo que nos protege de sorpresas. Los comandos salen de la documentación oficial de Claude Code y de Codex CLI.

Qué es un agente de IA en la práctica

La definición más corta la da Anthropic en el texto Building effective agents: los agentes son “typically just LLMs using tools based on environmental feedback in a loop”, es decir, normalmente simples modelos de lenguaje que usan herramientas en bucle y reaccionan a lo que les devuelve el entorno.

En ese mismo texto, Anthropic distingue los agentes de los llamados “workflows”:

1. Un workflow es un sistema en el que el modelo y las herramientas siguen un camino predefinido en el código. El programador fija los pasos y el modelo rellena los huecos.
2. Un agente es un sistema en el que el modelo dirige su propio proceso y elige sus propias herramientas. El programador da el objetivo y el modelo decide cuántos pasos necesita y cuáles.

Según Anthropic, los agentes funcionan bien donde es difícil prever de antemano el número de pasos. Para tareas sencillas, mejor quedarse con una solución más simple.

¿En qué se diferencia un agente de un chatbot?

La diferencia está en las herramientas. En la documentación de Claude Code leemos que, sin herramientas, Claude solo puede responder con texto, y con ellas puede actuar: leer código, editar archivos, ejecutar comandos, buscar en la web y conectarse a servicios externos.

Un ejemplo de esa misma documentación lo muestra bien. Le pedimos al agente que “arregle los tests que fallan” y él:

1. ejecuta los tests para ver qué falla,
2. lee los mensajes de error,
3. busca los archivos fuente correspondientes,
4. los lee para entender el código,
5. edita los archivos,
6. vuelve a ejecutar los tests para comprobar que el arreglo funciona.

Un chatbot se quedaría en sugerirnos el arreglo. Un agente lo aplica y comprueba el resultado por sí mismo.

¿Cómo funciona el bucle del agente?

La documentación de Claude Code lo describe como el llamado “agentic loop”, con tres fases: reunir contexto, actuar y verificar resultados. Las fases se mezclan y, tras cada paso, el modelo decide qué necesita a continuación, encadenando incluso decenas de acciones.

Un agente se compone de dos cosas:

1. El modelo, que razona y planifica (en Claude Code son modelos Claude, que cambiamos con el comando /model).
2. El harness agéntico, la capa alrededor del modelo que le da herramientas y gestiona el contexto. Así lo llama la propia documentación (“agentic harness”).

Las herramientas integradas de Claude Code se dividen en cinco grupos: operaciones con archivos, búsqueda, ejecución de comandos, web y análisis de código. A eso se pueden sumar servidores MCP (conexiones con servicios externos), skills y subagentes.

Curiosamente, parte de estas piezas ya son estándares abiertos. El 22 de octubre, Anthropic cedió el estándar Agent Skills a la Agentic AI Foundation, dentro de la Linux Foundation, a la que antes ya había entregado MCP. Según Anthropic, el estándar lo admiten más de 70 plataformas de agentes, entre ellas ChatGPT, Cursor y GitHub Copilot.

¿Por qué se habla tanto ahora de los agentes de IA?

Porque han pasado de curiosidad a herramienta del día a día. Según el informe Octoverse que GitHub presentó el 28 de octubre en su conferencia Universe, en septiembre más del 40 % de los pull requests empezaba con un borrador escrito por un agente, frente al 17 % de marzo (crónica de The Next Web).

Los agentes también van más allá del código. Ya escribí sobre Claude Duet, que aparece solo con un resumen matutino y vigila el correo, y sobre cuatro agentes Gemini que se pasaron Minecraft hasta el Ender Dragon.

Paso 1: ¿cómo instalar un agente de IA en la terminal?

La forma más sencilla de ver un agente trabajando es un agente de programación en la terminal. Voy a mostrar Claude Code, que uso para esta web, y para comparar, Codex CLI de OpenAI.

Claude Code requiere un plan de pago de Claude (Pro, Max, Team o Enterprise) o una cuenta en Claude Console con créditos de API. Instalación en macOS, Linux y WSL:

curl -fsSL https://claude.ai/install.sh | bash

Windows PowerShell:

irm https://claude.ai/install.ps1 | iex

El instalador no muestra el progreso. Al terminar, abrimos una nueva ventana de terminal y comprobamos:

claude --version

Codex CLI se instala en macOS y Linux así:

curl -fsSL https://chatgpt.com/codex/install.sh | sh

En el primer arranque, Codex propone iniciar sesión con una cuenta de ChatGPT (“Sign in with ChatGPT”). La instalación paso a paso, con el inicio de sesión y el archivo CLAUDE.md, la describí en mi tutorial de Claude Code.

Paso 2: ¿cómo darle al agente su primera tarea?

Entramos en el directorio de cualquier proyecto y arrancamos el agente:

cd /ruta/al/proyecto
claude

(Codex arranca igual, con el comando codex.) La primera vez, Claude Code pedirá iniciar sesión en el navegador.

Empecemos con una pregunta que no cambia nada, pero muestra enseguida el bucle del agente:

what does this project do?

El agente revisa los archivos por su cuenta y vuelve con un resumen. No hace falta pegar ni señalar nada.

Después, una tarea pequeña que ya cambia algo:

add a hello world function to the main file

Claude Code encontrará el archivo correcto y mostrará el cambio. Si pide permiso, elegimos Yes. Las instrucciones también se pueden escribir en español; los ejemplos de arriba vienen tal cual de la documentación.

Paso 3: ¿cómo decidir qué puede hacer el agente por su cuenta?

Es la parte más importante, porque el agente trabaja en nuestro ordenador. En Claude Code lo decide el modo de permisos, que cambiamos con Shift+Tab:

1. Manual: el agente pregunta antes de cada edición de archivo y cada comando en la terminal. Buen punto de partida.
2. Accept edits: el agente edita archivos y hace operaciones sencillas con ellos sin preguntar; para otros comandos sigue pidiendo permiso.
3. Plan: el agente solo explora el código y propone un plan, no cambia nada en los archivos fuente.
4. Auto: un clasificador en segundo plano revisa las acciones y bloquea las arriesgadas en lugar de preguntarnos.

La segunda red de seguridad son los checkpoints. Antes de cada edición, Claude Code guarda una copia del archivo, y pulsar Esc dos veces deshace los cambios. Hay una limitación: los checkpoints solo cubren archivos, así que no deshacen acciones sobre bases de datos, APIs o despliegues (por eso conviene dejar esas operaciones en el modo que pide permiso).

Además, podemos interrumpir al agente en cualquier momento con Esc o escribir una corrección mientras trabaja, y el agente la tendrá en cuenta en el siguiente paso.

Paso 4: ¿cómo escribir tareas para un agente?

La documentación aconseja tratar al agente como a un colega capaz: darle contexto y objetivo, y dejarle los detalles. Tres reglas que funcionan:

1. Concreción en vez de generalidades: “arregla el error de inicio de sesión por el que, tras una contraseña incorrecta, el usuario ve una pantalla en blanco”, no “arregla el error”.
2. Una tarea grande dividida en pasos: primero la tabla en la base de datos, luego el endpoint de la API y al final la página.
3. Primero explorar, luego cambiar: pidamos al agente que analice el código antes de tocar nada (el modo Plan es ideal para esto).

Las reglas fijas del proyecto van en el archivo CLAUDE.md. El comando /init genera su primera versión.

¿Qué hay que tener en cuenta?

Primero, los costes. Anthropic dice claramente que la autonomía de los agentes implica costes más altos y el riesgo de que los errores se acumulen. Un agente que da decenas de pasos gasta muchos más tokens que una sola respuesta en el chat.

Segundo, la seguridad. Un agente con acceso a la terminal ve lo mismo que nosotros, incluidas las claves de API de los archivos .env. Anthropic recomienda probar en un entorno aislado con las protecciones adecuadas; el sandbox, las reglas de permisos y los límites de gasto los expliqué en mi guía de seguridad de los agentes de IA. Que no es teoría lo demuestra la historia de los agentes que escaparon de su sandbox durante el entrenamiento en OpenAI.

Tercero, la verificación. El agente revisa su propio trabajo, pero el review antes del merge sigue siendo cosa nuestra ;)

FAQ

¿Qué es un agente de IA en palabras sencillas?

Es un modelo de IA que recibe un objetivo y ejecuta por sí mismo los pasos para alcanzarlo: usa herramientas, comprueba los resultados y se corrige hasta terminar. Un chatbot solo responde a la pregunta.

¿Un agente de IA es gratis?

Claude Code requiere un plan de pago de Claude o créditos de API. En Codex CLI iniciamos sesión con una cuenta de ChatGPT, y la disponibilidad depende del plan. Gratis también podemos ejecutar un modelo en local, como explico en mi guía para ejecutar IA en local.

¿Puede un agente de IA romper algo en mi ordenador?

Puede, porque ejecuta comandos reales. Por eso conviene empezar en modo Manual o Plan y deshacer los cambios en archivos con checkpoints o con git.

¿En qué se diferencia un agente de IA de un workflow?

En un workflow, los pasos los fija el programador y el modelo solo los rellena. Un agente decide por sí mismo qué pasos dar y en qué orden.