Flujo de trabajo agéntico
Un flujo en el que el LLM no responde una sola vez, sino que planifica, usa herramientas, evalúa sus propios resultados e itera hacia un objetivo en varios pasos. El salto de «chatbot que contesta» a «agente que ejecuta tareas».
Patrones (popularizados por Andrew Ng, entre otros): reflexión (el modelo revisa y mejora su propio borrador), uso de herramientas (buscar, ejecutar código, llamar a APIs), planificación (descomponer la tarea en subpasos) y multiagente (varios agentes especializados colaboran). En lugar de una única llamada hay un bucle o un grafo de llamadas que avanza hacia la meta, a menudo con ReAct como motor de base. La ganancia: resuelve tareas complejas de varios pasos (programar una función entera con sus tests, investigar y redactar un informe) que una sola respuesta no alcanza. El precio: más llamadas (coste y latencia), depuración más difícil y el riesgo de que el agente descarrile. El núcleo de la ola de agentes de 2024–2025.