Agentes IA

Agentes IA Autónomos

Un agente = LLM + herramientas + bucle de razonamiento para completar tareas complejas.

Agente vs Chatbot

Arquitectura de un agente

              ┌─────────────────────────────────┐
              │           AGENTE                │
              │  ┌─────────────────────────┐    │
              │  │      Razonamiento       │    │
  Tarea  ───→ │  │  (ReAct, CoT, ToT)      │ ───→ Resultado
              │  └───────────┬─────────────┘    │
              │              ↓                  │
              │  ┌─────────────────────────┐    │
              │  │     Herramientas        │    │
              │  │  [Web] [Code] [Files]   │    │
              │  └─────────────────────────┘    │
              └─────────────────────────────────┘

Patrón ReAct

Thought: Necesito buscar el clima de Madrid
Action: search_weather("Madrid")
Observation: 22°C, soleado
Thought: Ya tengo la info
Action: respond("El clima en Madrid es 22°C...")

Herramientas comunes

Agente básico con OpenAI

tools = [
    {
        "type": "function",
        "function": {
            "name": "search",
            "description": "Search the web",
            "parameters": {
                "type": "object",
                "properties": {
                    "query": {"type": "string"}
                }
            }
        }
    }
]

# Loop del agente
while True:
    response = client.chat.completions.create(
        model="gpt-4o",
        messages=messages,
        tools=tools
    )

    if response.choices[0].finish_reason == "tool_calls":
        # Ejecutar herramienta
        tool_call = response.choices[0].message.tool_calls[0]
        result = execute_tool(tool_call)
        messages.append({"role": "tool", "content": result})
    else:
        # Respuesta final
        break

Frameworks de agentes

🏦 Caso Real: Agente para Conciliación Bancaria

Los agentes brillan en tareas financieras que requieren múltiples pasos y decisiones.

Ejemplo: Agente de Conciliación

tools = [
    {"name": "fetch_bank_transactions", "description": "Obtener transacciones del banco"},
    {"name": "fetch_internal_records", "description": "Obtener registros internos"},
    {"name": "compare_records", "description": "Comparar y encontrar diferencias"},
    {"name": "generate_report", "description": "Crear reporte de conciliación"},
    {"name": "flag_discrepancy", "description": "Marcar discrepancia para revisión"},
]

# El agente decide qué hacer
system_prompt = """
Eres un agente de conciliación bancaria. Tu trabajo:
1. Obtener transacciones del banco (últimas 24h)
2. Obtener registros internos del mismo período
3. Comparar y encontrar discrepancias
4. Si hay diferencias > $100, marcar para revisión humana
5. Generar reporte final

Sé meticuloso. Un error aquí cuesta dinero real.
"""

Flujo del Agente

Tarea: "Concilia las transacciones de ayer"
    ↓
Thought: Primero obtengo las transacciones del banco
Action: fetch_bank_transactions("2024-01-15")
Observation: 847 transacciones, total $1,234,567
    ↓
Thought: Ahora los registros internos
Action: fetch_internal_records("2024-01-15")
Observation: 845 transacciones, total $1,234,123
    ↓
Thought: Hay diferencia. Comparo en detalle
Action: compare_records(bank, internal)
Observation: 2 transacciones faltantes, diferencia $444
    ↓
Thought: Diferencia > $100, marco para revisión
Action: flag_discrepancy({amount: 444, txns: [...]})
    ↓
Action: generate_report() → ✅ Reporte enviado

Otros casos de uso en Fintech

💡 Los agentes son ideales cuando la tarea tiene múltiples pasos y requiere decisiones intermedias.

Practica

→ Agente IA Autónomo