Agente

El bloque Agente sirve como interfaz entre tu flujo de trabajo y los Modelos de Lenguaje Grandes (LLMs). Ejecuta solicitudes de inferencia contra varios proveedores de IA, procesa entradas de lenguaje natural según las instrucciones definidas y genera salidas estructuradas o no estructuradas para su consumo posterior.

Descripción general

El bloque Agente te permite:

Opciones de configuración

Prompt del sistema

El prompt del sistema establece los parámetros operativos y las restricciones de comportamiento del agente. Esta configuración define el rol del agente, la metodología de respuesta y los límites de procesamiento para todas las solicitudes entrantes.

You are a helpful assistant that specializes in financial analysis.
Always provide clear explanations and cite sources when possible.
When responding to questions about investments, include risk disclaimers.

Prompt del usuario

El prompt del usuario representa los datos de entrada principales para el procesamiento de inferencia. Este parámetro acepta texto en lenguaje natural o datos estructurados que el agente analizará y a los que responderá. Las fuentes de entrada incluyen:

• Configuración estática: Entrada de texto directa especificada en la configuración del bloque
• Entrada dinámica: Datos pasados desde bloques anteriores a través de interfaces de conexión
• Generación en tiempo de ejecución: Contenido generado programáticamente durante la ejecución del flujo de trabajo

Selección de modelo

El bloque Agente admite múltiples proveedores de LLM a través de una interfaz de inferencia unificada. Los modelos disponibles incluyen:

Modelos de OpenAI: GPT-5, GPT-4o, o1, o3, o4-mini, gpt-4.1 (inferencia basada en API) Modelos de Anthropic: Claude 3.7 Sonnet (inferencia basada en API) Modelos de Google: Gemini 2.5 Pro, Gemini 2.0 Flash (inferencia basada en API) Proveedores alternativos: Groq, Cerebras, xAI, DeepSeek (inferencia basada en API) Despliegue local: Modelos compatibles con Ollama (inferencia autohospedada)

Temperatura

Controla la creatividad y aleatoriedad de las respuestas:

Clave API

Tu clave API para el proveedor de LLM seleccionado. Se almacena de forma segura y se utiliza para la autenticación.

Herramientas

Las herramientas amplían las capacidades del agente mediante integraciones de API externas y conexiones de servicios. El sistema de herramientas permite la llamada a funciones, permitiendo al agente ejecutar operaciones más allá de la generación de texto.

Proceso de integración de herramientas:

1. Accede a la sección de configuración de Herramientas dentro del bloque del Agente
2. Selecciona entre más de 60 integraciones predefinidas o define funciones personalizadas
3. Configura los parámetros de autenticación y las restricciones operativas

Categorías de herramientas disponibles:

• Comunicación: Gmail, Slack, Telegram, WhatsApp, Microsoft Teams
• Fuentes de datos: Notion, Google Sheets, Airtable, Supabase, Pinecone
• Servicios web: Firecrawl, Google Search, Exa AI, automatización de navegador
• Desarrollo: GitHub, Jira, gestión de repositorios y problemas en Linear
• Servicios de IA: OpenAI, Perplexity, Hugging Face, ElevenLabs

Control de ejecución de herramientas:

• Auto: El modelo determina la invocación de herramientas según el contexto y la necesidad
• Requerido: La herramienta debe ser llamada durante cada solicitud de inferencia
• Ninguno: Definición de herramienta disponible pero excluida del contexto del modelo

Formato de respuesta

El parámetro de formato de respuesta impone la generación de salidas estructuradas mediante la validación de esquemas JSON. Esto asegura respuestas consistentes y legibles por máquina que se ajustan a estructuras de datos predefinidas:

{
  "name": "user_analysis",
  "schema": {
    "type": "object",
    "properties": {
      "sentiment": {
        "type": "string",
        "enum": ["positive", "negative", "neutral"]
      },
      "confidence": {
        "type": "number",
        "minimum": 0,
        "maximum": 1
      }
    },
    "required": ["sentiment", "confidence"]
  }
}

Esta configuración restringe la salida del modelo para que cumpla con el esquema especificado, evitando respuestas de texto libre y asegurando la generación de datos estructurados.

Acceso a los resultados

Después de que un agente completa su tarea, puedes acceder a sus salidas:

• <agent.content>: El texto de respuesta o datos estructurados del agente
• <agent.tokens>: Estadísticas de uso de tokens (prompt, completado, total)
• <agent.tool_calls>: Detalles de cualquier herramienta que el agente utilizó durante la ejecución
• <agent.cost>: Costo estimado de la llamada a la API (si está disponible)

Funciones avanzadas

Memoria + Agente: Historial de conversación

Utiliza un bloque Memory con un id consistente (por ejemplo, chat) para persistir mensajes entre ejecuciones, e incluir ese historial en el prompt del agente.

• Añade el mensaje del usuario antes del agente
• Lee el historial de conversación para contexto
• Añade la respuesta del agente después de que se ejecute

# 1) Add latest user message
- Memory (operation: add)
  id: chat
  role: user
  content: {{input}}

# 2) Load conversation history
- Memory (operation: get)
  id: chat

# 3) Run the agent with prior messages available
- Agent
  System Prompt: ...
  User Prompt: |
    Use the conversation so far:
    {{memory_get.memories}}
    Current user message: {{input}}

# 4) Store the agent reply
- Memory (operation: add)
  id: chat
  role: assistant
  content: {{agent.content}}

Consulta la referencia del bloque Memory para más detalles: /tools/memory.

Entradas y salidas

Ejemplos de casos de uso

Automatización de atención al cliente

Análisis de contenido multi-modelo

Asistente de investigación con herramientas

Mejores prácticas

• Sé específico en los prompts del sistema: Define claramente el rol, tono y limitaciones del agente. Cuanto más específicas sean tus instrucciones, mejor podrá el agente cumplir con su propósito previsto.
• Elige la configuración de temperatura adecuada: Usa configuraciones de temperatura más bajas (0-0.3) cuando la precisión es importante, o aumenta la temperatura (0.7-2.0) para respuestas más creativas o variadas
• Aprovecha las herramientas de manera efectiva: Integra herramientas que complementen el propósito del agente y mejoren sus capacidades. Sé selectivo sobre qué herramientas proporcionas para evitar sobrecargar al agente. Para tareas con poca superposición, usa otro bloque de Agente para obtener los mejores resultados.