Un AI Agent es un sistema de IA que puede razonar, planificar y ejecutar acciones de forma autónoma para lograr un objetivo.
No es solo "preguntar a ChatGPT"... es darle herramientas y dejar que decida cuándo y cómo usarlas.
| Aspecto | 🗣️ LLM Simple | 🤖 AI Agent |
|---|---|---|
| Capacidad | Responde preguntas | Ejecuta tareas completas |
| Herramientas | ❌ No puede usar | ✅ Usa APIs, DBs, etc. |
| Memoria | Solo la conversación | Corto y largo plazo |
| Planificación | Respuesta directa | Divide tareas, itera |
| Autonomía | Espera tu input | Decide y actúa solo |
💡 En n8n: Usamos el nodo AI Agent para crear agentes que pueden llamar a otras APIs, consultar bases de datos, enviar emails, y mucho más - todo de forma autónoma.
AI Agent Node → Conectas: Chat Model + Tools + Memory (opcional) + System Prompt
💡 Pro Tip: Describe bien cada tool con un nombre claro y descripción. El agente lee esto para decidir cuál usar.
{
"name": "get_weather",
"description": "Obtiene el clima actual de una ciudad",
"parameters": {
"city": "string - nombre de la ciudad",
"units": "string - celsius o fahrenheit"
}
}
"¿Qué clima hace en Madrid?"
{
"function": "get_weather",
"arguments": {
"city": "Madrid",
"units": "celsius"
}
}
{ "temp": 22, "condition": "soleado", "humidity": 45 }
"En Madrid hace 22°C con cielo soleado y 45% de humedad."
Guarda los últimos N mensajes de la conversación. Simple pero efectivo para chats cortos.
Similar a Buffer pero con límite de tokens. Ideal para no exceder el contexto del LLM.
Resume conversaciones largas. El LLM genera un resumen cuando se llena el buffer.
💡 En n8n: Conecta el nodo de memoria al AI Agent. Puedes usar Redis, PostgreSQL o archivos para persistir la memoria entre sesiones.
ReAct es el patrón que usan los agentes para resolver problemas complejos: Razonan sobre qué hacer, Actúan ejecutando una tool, y Observan el resultado.
"¿Cuál es el precio de Bitcoin y cuánto vale mi 0.5 BTC?"
Necesito obtener el precio actual de Bitcoin. Usaré la API tool.
call_api(endpoint="coingecko/bitcoin/price")
{"price_usd": 67500}
Tengo el precio. Ahora calculo: 0.5 × 67500 = ?
calculator(operation="0.5 * 67500")
Bitcoin está a $67,500 USD. Tus 0.5 BTC valen $33,750 USD.
💡 Pro Tip: Sé específico con las instrucciones. Incluye ejemplos de cuándo usar cada herramienta y qué NO debe hacer el agente.
• Prompts muy vagos ("sé útil")
• No definir límites claros
• Dar acceso a herramientas sin restricciones
• Olvidar manejar errores de las tools
OpenAI GPT-4o o Claude 3.5 Sonnet para mejor razonamiento GPT-3.5 o Claude Haiku para tareas simples (más rápido y barato)
□ ¿Las tools tienen descripciones claras?
□ ¿El system prompt define límites?
□ ¿Hay manejo de errores?
□ ¿Limité el número máximo de iteraciones?
Responde preguntas, busca en docs, crea tickets, escala a humanos cuando es necesario.
Consulta bases de datos, genera reportes, responde preguntas sobre métricas.
Gestiona calendario, envía emails, busca información, toma notas.
Recomienda productos, procesa pedidos, consulta inventario, maneja devoluciones.
Busca en web, resume artículos, compara información de múltiples fuentes.
Monitorea logs, ejecuta comandos, diagnostica problemas, envía alertas.
Usuario: "Quiero comprar un iPhone 15, soy juan@email.com"
Agente (piensa): Necesito buscar el producto y verificar datos del cliente.
→ Llama: search_products("iPhone 15")
← Resultado: {id: 123, name: "iPhone 15 128GB", price: 999}
→ Llama: get_customer("juan@email.com")
← Resultado: {name: "Juan García", address: "Calle 123..."}
→ Llama: check_inventory(product_id: 123)
← Resultado: {stock: 5, available: true}
Agente: "¡Perfecto Juan! El iPhone 15 está disponible a $999.
¿Confirmo el pedido a tu dirección registrada?"
Usuario: "Sí, confírmalo"
→ Llama: create_order({customer: "juan@email.com", product: 123})
← Resultado: {order_id: "ORD-789", status: "confirmed"}
→ Llama: send_email({to: "juan@email.com", subject: "Pedido confirmado"...})
Agente: "✅ Pedido ORD-789 creado. Te envié la confirmación por email."
- Configura "Max Iterations" (ej: 10) - Mejora el system prompt con instrucciones de cuándo parar - Agrega una tool de "finish" que el agente llame al terminar
- Mejora las descripciones de cada tool - Sé más específico: "Usa SOLO para consultas de precio" - Agrega ejemplos en el system prompt
- "NUNCA inventes datos, SIEMPRE usa las herramientas" - "Si no tienes la información, di que no la tienes" - Usa modelos más capaces (GPT-4 > GPT-3.5)
- Limita iteraciones máximas - Usa modelos más baratos para tareas simples - Implementa caché para respuestas repetidas
💡 Regla de Oro: Empieza simple. Un agente con 2-3 tools bien configuradas es mejor que uno con 10 tools mal descritas.