Cómo crear tu primer agente de ia

Cómo crear tu primer agente de inteligencia artificial paso a paso es lo que aprenderemos en esta guía práctica para principiantes.

Conoceremos los componentes necesarios, elegiremos un modelo de lenguaje y configuraremos un agente IA sencillo capaz de utilizar herramientas para realizar determinadas tareas.

Un agente IA es un sistema que utiliza un modelo de inteligencia artificial y que, según su configuración, puede seleccionar herramientas para realizar determinadas tareas.

Por ejemplo, podemos desarrollar un asistente que reciba una pregunta, interprete su contenido y utilice una herramienta autorizada para obtener información antes de preparar una respuesta.

Sin embargo, antes de comenzar debemos comprender qué queremos construir, qué componentes necesitamos y cuáles serán los límites de nuestro proyecto.

No es necesario desarrollar inicialmente un sistema complejo ni conectar numerosas aplicaciones.

Para nuestro primer ejercicio crearemos un agente educativo sencillo, utilizaremos datos ficticios y comprobaremos su funcionamiento antes de ampliar sus capacidades.

A lo largo de esta guía aprenderemos a seleccionar un modelo de lenguaje, preparar nuestro entorno de trabajo, conectar herramientas y realizar las pruebas necesarias para construir nuestro primer agente IA.

1. Qué es un agente de inteligencia artificial

Un agente de inteligencia artificial es un sistema diseñado para realizar determinadas tareas utilizando un modelo de IA y otros componentes, según su configuración.

En los agentes basados en modelos de lenguaje, el modelo interpreta las instrucciones recibidas y puede intervenir en la selección de herramientas y en la preparación de las respuestas.

Por ejemplo, podemos desarrollar un agente que reciba una pregunta y disponga de una herramienta para consultar una fuente de información.

El sistema puede utilizar esa herramienta cuando la tarea lo requiera y posteriormente generar una respuesta basada en los datos obtenidos.

Sin embargo, debemos recordar que un agente no dispone automáticamente de acceso a Internet, aplicaciones o archivos.

Estas capacidades dependen de las herramientas que configuremos y de los permisos que concedamos.

Tampoco debemos asumir que todas sus decisiones serán correctas.

Por tanto, necesitaremos establecer instrucciones claras, limitar sus capacidades y comprobar los resultados que produce.

2. Diferencias entre un chatbot, una automatización y un agente IA

Antes de desarrollar nuestro primer proyecto, conviene distinguir tres conceptos relacionados: chatbot, automatización y agente de inteligencia artificial.

Un chatbot es una aplicación diseñada para interactuar con los usuarios mediante una interfaz de conversación.

Puede utilizar reglas previamente definidas o incorporar modelos de lenguaje para generar respuestas.

Una automatización, por su parte, ejecuta determinadas operaciones siguiendo un flujo de trabajo configurado.

Por ejemplo, podemos crear un proceso que reciba información desde un formulario y registre automáticamente los datos en una hoja de cálculo.

Un agente IA puede incorporar un modelo de lenguaje y herramientas que le permitan seleccionar determinadas operaciones según las instrucciones recibidas.

Sin embargo, estos conceptos no son excluyentes.

Podemos desarrollar un chatbot que utilice un agente IA o crear una automatización que incorpore un agente en una de sus etapas.

La diferencia fundamental está en cómo organizamos el sistema y qué capacidades le proporcionamos.

Para nuestro primer proyecto utilizaremos un agente sencillo, evitando incorporar componentes que todavía no necesitamos.

3. Definir el objetivo de nuestro primer agente IA

Uno de los errores que debemos evitar consiste en comenzar a conectar herramientas sin haber definido previamente qué queremos conseguir.

Antes de crear nuestro agente, debemos establecer un objetivo concreto.

Por ejemplo, podríamos desarrollar un asistente educativo que explique conceptos básicos relacionados con los agentes de inteligencia artificial.

También podemos permitirle utilizar una herramienta sencilla para realizar determinados cálculos.

Este proyecto nos permitirá comprender cómo se relacionan el modelo de lenguaje, las instrucciones y las herramientas.

Nuestro agente tendrá un objetivo limitado: responder preguntas educativas y utilizar exclusivamente las herramientas que hayamos autorizado.

No podrá enviar correos electrónicos, modificar documentos ni realizar operaciones en aplicaciones externas.

Esta limitación nos ayudará a reducir la complejidad y los riesgos durante el aprendizaje.

Cuando hayamos comprobado su funcionamiento, podremos estudiar cómo ampliar sus capacidades.

4. Qué componentes necesitamos para construir un agente IA

Un agente de inteligencia artificial puede incorporar diferentes componentes.

Sin embargo, para nuestro primer ejercicio nos centraremos en los elementos fundamentales.

Modelo de lenguaje

Es el componente que permite interpretar instrucciones y generar respuestas.

Dependiendo de sus características y de la configuración del sistema, también puede intervenir en la selección de herramientas.

Instrucciones

Permiten definir el comportamiento esperado del agente.

Por ejemplo, podemos indicar que debe responder de forma educativa, utilizar un lenguaje claro y reconocer cuándo no dispone de información suficiente.

Herramientas

Son los componentes que permiten realizar determinadas operaciones.

Por ejemplo, podemos proporcionar una calculadora para resolver operaciones matemáticas.

Entorno de ejecución

Es la plataforma o aplicación donde configuramos y ejecutamos nuestro agente.

Podemos utilizar diferentes alternativas, desde herramientas visuales hasta entornos de programación.

Mecanismos de supervisión

Permiten comprobar el comportamiento del agente y establecer límites sobre las operaciones que puede realizar.

Para nuestro primer proyecto utilizaremos una configuración sencilla que nos permita comprender cómo interactúan estos elementos.

No necesitaremos incorporar memoria persistente, bases de datos ni numerosas aplicaciones externas desde el principio.

5. Qué conocimientos previos necesitamos

No es imprescindible disponer de conocimientos avanzados de programación para comenzar a crear agentes de inteligencia artificial.

Actualmente existen herramientas que permiten configurar determinados agentes mediante interfaces visuales.

Sin embargo, resulta conveniente comprender algunos conceptos fundamentales.

Por ejemplo, debemos saber qué es un modelo de lenguaje y qué función cumple dentro de nuestro sistema.

También conviene conocer qué es una API, ya que muchas integraciones utilizan este mecanismo para comunicarse con servicios externos.

Otro concepto importante es la gestión de credenciales.

Cuando utilizamos servicios que requieren autenticación, debemos proteger sus claves y evitar compartirlas.

Si decidimos desarrollar nuestro agente mediante código, también necesitaremos conocimientos básicos del lenguaje de programación seleccionado.

Sin embargo, podemos comenzar utilizando herramientas visuales y ampliar nuestros conocimientos progresivamente.

Nuestro objetivo será comprender primero el funcionamiento del agente y después estudiar alternativas más avanzadas.

6. Elegir entre herramientas visuales y programación

Existen diferentes alternativas para desarrollar agentes de inteligencia artificial.

Una posibilidad consiste en utilizar herramientas visuales que permiten configurar modelos, instrucciones y conexiones mediante una interfaz gráfica.

Por ejemplo, podemos utilizar n8n para crear flujos de trabajo que incorporen agentes IA.

Esta alternativa puede resultar interesante cuando queremos conectar diferentes aplicaciones y organizar procesos automatizados.

Otra posibilidad consiste en desarrollar nuestro agente mediante programación.

Por ejemplo, podemos utilizar Python y determinadas bibliotecas o herramientas compatibles con los modelos seleccionados.

Este procedimiento permite personalizar diferentes aspectos del sistema, pero requiere conocimientos adicionales.

No existe una única alternativa adecuada para todos los proyectos.

La elección dependerá de nuestros objetivos, conocimientos técnicos y necesidades de integración.

Para nuestro primer ejercicio utilizaremos un enfoque sencillo que nos permita comprender los componentes fundamentales sin incorporar complejidad innecesaria.

7. Preparar un proyecto sencillo y establecer sus límites

Antes de comenzar la implementación, vamos a definir las características de nuestro primer agente.

Crearemos un asistente educativo especializado en conceptos básicos de inteligencia artificial.

Su función principal será responder preguntas sencillas y utilizar una herramienta de cálculo cuando sea necesario.

Trabajaremos inicialmente con información pública o ficticia.

No conectaremos cuentas personales ni concederemos permisos para modificar información en servicios externos.

También estableceremos instrucciones para que el agente reconozca sus limitaciones y evite presentar información no verificada como si fuera un hecho comprobado.

Durante las primeras pruebas revisaremos sus respuestas y comprobaremos cuándo utiliza las herramientas disponibles.

Además, tendremos en cuenta los posibles costes asociados al modelo de lenguaje y a la plataforma seleccionada.

Este enfoque nos permitirá comprender el funcionamiento de nuestro primer agente IA en un entorno controlado.

En el siguiente apartado aprenderemos a elegir el modelo de lenguaje y las herramientas necesarias para desarrollar nuestro proyecto.

Elegir el modelo de lenguaje y las herramientas

Una vez definido el objetivo de nuestro primer agente de inteligencia artificial, debemos seleccionar los componentes que necesitaremos para desarrollarlo.

Una de las decisiones más importantes consiste en elegir el modelo de lenguaje que utilizará nuestro agente.

También tendremos que determinar qué herramientas podrá utilizar, cómo estableceremos las conexiones y qué permisos concederemos.

Sin embargo, no necesitamos comenzar con el modelo más avanzado ni incorporar numerosas herramientas.

Para nuestro primer proyecto es preferible seleccionar una configuración sencilla, comprobar su funcionamiento y ampliar progresivamente sus capacidades.

A continuación, conoceremos los principales criterios para elegir los componentes de nuestro agente IA.

1. Qué función cumple el modelo de lenguaje en un agente IA

El modelo de lenguaje es uno de los componentes fundamentales de muchos agentes de inteligencia artificial.

Su función consiste en procesar las instrucciones recibidas, interpretar la información disponible y generar respuestas.

Cuando utilizamos un modelo compatible con herramientas, también podemos configurarlo para que solicite determinadas operaciones.

Por ejemplo, nuestro agente educativo podrá recibir una pregunta relacionada con inteligencia artificial y preparar una explicación.

Si incorporamos una herramienta de cálculo, el modelo podrá solicitar su utilización cuando necesite resolver una operación matemática.

Sin embargo, debemos recordar que el modelo no ejecuta necesariamente las herramientas por sí mismo.

El entorno donde desarrollamos nuestro agente se encarga de gestionar las conexiones, ejecutar las operaciones autorizadas y devolver los resultados correspondientes.

Esta distinción nos ayudará a comprender que un agente es un sistema formado por diferentes componentes, no solamente un modelo de lenguaje.

Recuerda y no olvides que es un LLM

2. Cómo elegir un modelo de lenguaje para nuestro proyecto

Existen diferentes modelos de lenguaje que podemos utilizar para desarrollar agentes de inteligencia artificial.

Sin embargo, no todos ofrecen las mismas características.

Algunos están orientados a generar texto, mientras que otros incorporan capacidades adicionales, como el procesamiento de imágenes o la utilización de herramientas.

Para nuestro primer agente, debemos seleccionar un modelo que permita interpretar instrucciones y que sea compatible con el entorno de desarrollo elegido.

Si queremos incorporar herramientas, también debemos comprobar que el modelo y la integración admiten esta funcionalidad.

Los principales criterios que podemos valorar son los siguientes:

• Compatibilidad con la plataforma donde desarrollaremos nuestro agente.
• Capacidad para seguir instrucciones.
• Compatibilidad con las herramientas que queremos utilizar.
• Coste de las solicitudes y límites de utilización.
• Velocidad de respuesta.
• Condiciones de privacidad y tratamiento de los datos.
• Documentación y facilidad de configuración.

No necesitamos seleccionar un modelo únicamente por su tamaño o popularidad.

Para un ejercicio educativo sencillo, podemos comenzar con una opción compatible y controlar el consumo durante las pruebas.

También debemos comprobar periódicamente la documentación del proveedor, ya que los modelos disponibles, sus características y sus tarifas pueden cambiar.

Es importante recordar los modelos de IA abiertos y cerrados

3. Modelos mediante API y modelos ejecutados localmente

Otra decisión importante consiste en determinar dónde se ejecutará el modelo de lenguaje.

Una posibilidad es utilizar un modelo alojado por un proveedor externo y acceder a él mediante una API.

En este caso, nuestro agente enviará las solicitudes al servicio correspondiente y recibirá sus respuestas.

Esta alternativa puede simplificar la preparación inicial porque no necesitamos disponer de un ordenador capaz de ejecutar directamente el modelo.

Sin embargo, debemos revisar los costes, los límites de utilización y las condiciones de tratamiento de la información.

Otra posibilidad consiste en ejecutar determinados modelos en nuestro propio ordenador o servidor.

Para ello, podemos utilizar herramientas compatibles con modelos locales, siempre que dispongamos de los recursos técnicos necesarios.

Esta alternativa puede ofrecernos mayor control sobre determinados componentes, aunque también implica responsabilidades de instalación y mantenimiento.

Además, ejecutar un modelo localmente no garantiza automáticamente la privacidad de todo el sistema.

Debemos comprobar si nuestro agente utiliza herramientas, aplicaciones o servicios externos que puedan recibir información.

Para nuestro primer ejercicio seleccionaremos un método que nos permita comenzar con una configuración sencilla y comprobar fácilmente su funcionamiento.

4. Qué herramientas podemos incorporar a nuestro agente IA

Las herramientas permiten que nuestro agente realice determinadas operaciones adicionales.

Por ejemplo, podemos proporcionarle una calculadora para resolver operaciones matemáticas.

También podemos configurar herramientas que consulten documentos, recuperen información o se comuniquen con aplicaciones externas.

Sin embargo, no debemos conceder acceso a herramientas que nuestro proyecto no necesita.

Para nuestro primer agente educativo utilizaremos una herramienta sencilla y con capacidades limitadas.

De esta manera, podremos comprobar cuándo el agente solicita una operación y cómo utiliza el resultado obtenido.

Más adelante podremos estudiar otras posibilidades:

• Herramientas de cálculo.
• Consultas a documentos previamente seleccionados.
• Recuperación de información desde bases de datos.
• Conexiones con aplicaciones mediante APIs.
• Ejecución de flujos de trabajo previamente configurados.

Cada herramienta introduce nuevas posibilidades, pero también aumenta la complejidad del sistema.

Por tanto, debemos revisar sus permisos, sus requisitos y las consecuencias de las operaciones que puede ejecutar.

5. Qué son las instrucciones del sistema y cómo configurarlas

Las instrucciones del sistema permiten establecer el comportamiento esperado de nuestro agente.

Por ejemplo, podemos indicar que debe responder de forma educativa y utilizar un lenguaje comprensible para principiantes.

También podemos definir qué tareas debe realizar y cuáles quedan fuera de sus funciones.

Para nuestro proyecto utilizaremos unas instrucciones sencillas.

Indicaremos que nuestro agente está especializado en explicar conceptos básicos relacionados con la inteligencia artificial.

También estableceremos que debe reconocer cuándo no dispone de información suficiente y evitar presentar suposiciones como hechos comprobados.

Si incorpora una herramienta de cálculo, podremos indicarle que la utilice cuando necesite realizar operaciones matemáticas.

Sin embargo, debemos recordar que las instrucciones no constituyen por sí solas un mecanismo de seguridad suficiente.

Los límites importantes también deben establecerse mediante permisos, validaciones y controles del entorno de ejecución.

Esta combinación nos ayudará a desarrollar un agente con un comportamiento más previsible.

6. Memoria y contexto: qué necesitamos realmente

Algunos agentes de inteligencia artificial incorporan componentes de memoria que permiten conservar información relacionada con interacciones anteriores.

Por ejemplo, un asistente conversacional puede utilizar determinados mensajes previos para interpretar nuevas preguntas.

Sin embargo, no todos los proyectos necesitan memoria persistente.

Para nuestro primer agente educativo podemos comenzar utilizando únicamente la información incluida en cada solicitud.

Esta configuración simplificará las pruebas y reducirá los componentes que necesitamos administrar.

Posteriormente podremos estudiar cómo incorporar memoria conversacional.

También podremos aprender a proporcionar información adicional mediante documentos o herramientas de recuperación.

Debemos distinguir entre memoria y acceso a fuentes de información.

La memoria puede proporcionar contexto sobre interacciones anteriores, mientras que una herramienta de recuperación permite consultar determinados contenidos.

Ambas capacidades pueden combinarse, pero cumplen funciones diferentes.

Además, cuando almacenamos conversaciones debemos revisar las medidas de privacidad, los permisos y los periodos de conservación.

7. Seleccionar nuestra configuración inicial

Después de conocer los componentes disponibles, podemos definir la configuración que utilizaremos para nuestro primer agente.

Nuestro objetivo será desarrollar un asistente educativo capaz de explicar conceptos básicos sobre inteligencia artificial y utilizar una herramienta de cálculo cuando sea necesario.

Para ello, seleccionaremos un entorno de desarrollo que permita conectar un modelo de lenguaje compatible con herramientas.

También necesitaremos establecer unas instrucciones sencillas y preparar los mecanismos de autenticación correspondientes, cuando sean necesarios.

Nuestra configuración inicial será la siguiente:

• Objetivo: responder preguntas educativas sobre inteligencia artificial.
• Modelo: un modelo de lenguaje compatible con nuestro entorno y con el uso de herramientas.
• Instrucciones: responder de forma clara y reconocer las limitaciones de la información disponible.
• Herramienta: una calculadora para operaciones matemáticas sencillas.
• Memoria: no utilizaremos memoria persistente durante las primeras pruebas.
• Datos: trabajaremos con información pública o ficticia.
• Supervisión: revisaremos manualmente las respuestas y las operaciones realizadas.

No conectaremos cuentas personales ni proporcionaremos permisos para modificar información en aplicaciones externas.

Esta configuración nos permitirá comprender cómo funciona un agente sin incorporar una complejidad innecesaria.

En el siguiente apartado aprenderemos a preparar nuestro entorno de desarrollo y a configurar los componentes necesarios para comenzar la implementación.

Preparar el entorno de desarrollo

Para crear nuestro primer agente de inteligencia artificial necesitamos un entorno donde podamos conectar sus diferentes componentes y comprobar su funcionamiento.

En esta guía utilizaremos n8n, una plataforma visual que permite desarrollar automatizaciones e incorporar modelos de lenguaje y agentes IA mediante nodos.

Hemos seleccionado esta alternativa porque nos permitirá comprender cómo funciona un agente sin comenzar directamente con un proyecto de programación.

Nuestro objetivo será preparar un asistente educativo sencillo que pueda responder preguntas relacionadas con la inteligencia artificial y utilizar una calculadora cuando necesite realizar operaciones matemáticas.

Para ello, necesitaremos acceder a n8n, seleccionar un modelo de lenguaje compatible, configurar las credenciales correspondientes y conocer los principales componentes que utilizaremos.

Antes de comenzar, también estableceremos determinadas precauciones relacionadas con la seguridad y los posibles costes.

1. Elegir n8n como entorno para nuestro primer agente

Existen diferentes plataformas y herramientas que permiten desarrollar agentes de inteligencia artificial.

Algunas requieren conocimientos de programación, mientras que otras proporcionan interfaces visuales que facilitan la configuración de sus componentes.

Para nuestro primer proyecto utilizaremos n8n.

Esta plataforma permite conectar nodos, organizar flujos de trabajo e incorporar agentes IA.

También podemos integrar diferentes servicios externos mediante sus nodos y conexiones compatibles.

Una de las ventajas de utilizar n8n en nuestro ejercicio es que podremos observar visualmente los componentes de nuestro agente.

Por ejemplo, podremos identificar el nodo que recibe las preguntas, el agente que interpreta las instrucciones, el modelo de lenguaje y la herramienta de cálculo.

Además, podremos ejecutar pruebas y comprobar los resultados antes de ampliar las capacidades del sistema.

Debemos recordar que n8n no es un modelo de inteligencia artificial.

Es el entorno que utilizaremos para organizar y ejecutar nuestro agente.

2. Acceder a n8n y preparar nuestro espacio de trabajo

Antes de configurar nuestro agente, necesitamos disponer de acceso a n8n.

Podemos utilizar n8n Cloud o una instalación que tengamos preparada en nuestro ordenador o servidor.

Si todavía no hemos utilizado esta herramienta, conviene familiarizarnos primero con su editor visual.

Para comenzar, accederemos a nuestra instancia y crearemos un nuevo flujo de trabajo.

Podemos utilizar el siguiente nombre:

Mi primer agente de inteligencia artificial

Este nombre nos permitirá identificar fácilmente el proyecto.

A continuación, guardaremos el flujo y revisaremos las opciones disponibles para incorporar nodos.

No necesitaremos conectar todavía aplicaciones externas ni proporcionar acceso a cuentas personales.

Durante esta primera fase trabajaremos únicamente con los componentes necesarios para construir nuestro asistente educativo.

También conviene comprobar que disponemos de los permisos necesarios para configurar las credenciales y utilizar los nodos de inteligencia artificial.

3. Seleccionar un proveedor y un modelo de lenguaje

Nuestro agente necesitará un modelo de lenguaje compatible con las funciones que queremos utilizar.

En este ejercicio, el modelo deberá poder interpretar instrucciones, generar respuestas y trabajar con herramientas mediante la integración correspondiente.

Podemos seleccionar uno de los proveedores compatibles con los nodos de inteligencia artificial de n8n.

Por ejemplo, podemos estudiar las integraciones disponibles con diferentes servicios de modelos de lenguaje.

Antes de elegir, debemos comprobar qué modelos admite nuestra versión de n8n y cuáles permiten utilizar herramientas.

También tendremos que revisar las condiciones de contratación y los posibles costes asociados a las solicitudes.

No necesitamos utilizar necesariamente el modelo más avanzado.

Para nuestras primeras pruebas podemos seleccionar una alternativa compatible con nuestro proyecto y establecer un presupuesto limitado.

Si ya disponemos de acceso a un proveedor, podemos comprobar si ofrece un modelo adecuado para este ejercicio.

Sin embargo, no debemos asumir que una suscripción a una aplicación de inteligencia artificial incluye automáticamente el acceso a su API.

Las condiciones de utilización pueden ser diferentes.

4. Configurar las credenciales de forma segura

Cuando utilizamos un modelo de lenguaje mediante una API, normalmente necesitamos configurar unas credenciales.

Estas credenciales permiten autenticar las solicitudes que realiza nuestro agente.

Por ejemplo, un proveedor puede solicitar una clave de API asociada a nuestra cuenta.

Una vez que dispongamos de las credenciales correspondientes, utilizaremos el sistema de gestión de credenciales de n8n para establecer la conexión.

No debemos escribir las claves directamente en las instrucciones del agente ni incorporarlas en documentos públicos.

Tampoco es recomendable compartir capturas de pantalla que permitan visualizar información confidencial.

Antes de configurar la conexión, debemos comprobar que las credenciales disponen únicamente de los permisos necesarios.

También conviene revisar los límites de utilización y las opciones disponibles para controlar los gastos.

Si utilizamos una instalación propia de n8n, debemos proteger adecuadamente los datos de configuración y las claves necesarias para recuperar nuestras credenciales.

Durante las primeras pruebas evitaremos conectar servicios que contengan información personal o empresarial.

5. Identificar los nodos que utilizaremos

Una vez preparado nuestro espacio de trabajo, podemos identificar los componentes que necesitaremos para construir el agente.

En nuestro ejercicio utilizaremos cuatro elementos principales.

>> Chat Trigger

Este nodo permitirá introducir preguntas y comenzar las ejecuciones de prueba mediante una interfaz de conversación.

>> AI Agent

Será el componente encargado de organizar la interacción con el modelo de lenguaje y las herramientas que configuremos.

>> Chat Model

Utilizaremos un nodo de modelo de lenguaje compatible con el proveedor seleccionado.

Este componente se conectará al agente mediante la conexión específica destinada al modelo.

>> Calculator

Incorporaremos una herramienta de cálculo para que nuestro agente pueda realizar operaciones matemáticas cuando sea necesario.

La calculadora se conectará al puerto de herramientas del agente.

No debemos confundir estas conexiones con el recorrido secuencial de una automatización convencional.

El modelo y la calculadora funcionan como componentes asociados al agente.

Esta estructura nos permitirá observar cómo se relacionan los elementos principales de nuestro proyecto.

Documentación oficial de la ia de n8n

6. Preparar las instrucciones iniciales del agente

Antes de ejecutar nuestro agente, debemos definir qué comportamiento esperamos obtener.

Para ello, prepararemos unas instrucciones sencillas.

Nuestro asistente tendrá una función educativa y estará especializado en explicar conceptos básicos relacionados con la inteligencia artificial.

También podrá utilizar una calculadora cuando necesite resolver operaciones matemáticas.

Podemos utilizar las siguientes instrucciones iniciales:

Eres un asistente educativo especializado en conceptos básicos de inteligencia artificial.

Responde en español y utiliza explicaciones claras para principiantes.

Cuando necesites realizar una operación matemática, utiliza la herramienta de cálculo disponible.

Si no dispones de información suficiente para responder, reconoce tus limitaciones y evita inventar datos.

No solicites información personal ni afirmes haber realizado operaciones que no hayas ejecutado.

Estas instrucciones nos permitirán establecer el comportamiento esperado de nuestro primer agente.

Sin embargo, debemos recordar que las instrucciones no garantizan por sí solas que el sistema actúe siempre correctamente.

También necesitaremos limitar las herramientas disponibles y comprobar sus resultados.

7. Comprobar que nuestro entorno está preparado

Antes de comenzar la construcción del agente, conviene comprobar que disponemos de todos los componentes necesarios.

En primer lugar, verificaremos que podemos acceder al editor de n8n y guardar nuestro flujo de trabajo.

Después, comprobaremos que hemos seleccionado un proveedor y un modelo de lenguaje compatibles con nuestro proyecto.

También revisaremos que las credenciales están correctamente configuradas y que conocemos los posibles costes de utilización.

A continuación, identificaremos los nodos que necesitaremos incorporar.

Nuestro entorno estará preparado cuando dispongamos de los siguientes elementos:

• Acceso a una instancia de n8n.
• Un flujo de trabajo creado para nuestro proyecto.
• Un modelo de lenguaje compatible con herramientas.
• Las credenciales necesarias, cuando corresponda.
• Acceso a los nodos Chat Trigger, AI Agent y Calculator.
• Unas instrucciones iniciales para nuestro asistente.
• Datos ficticios para realizar las primeras pruebas.

No necesitaremos configurar memoria persistente ni conectar aplicaciones externas durante esta primera fase.

Nuestro objetivo será comprender el funcionamiento de los componentes básicos antes de incorporar nuevas capacidades.

En el siguiente apartado construiremos nuestro primer agente IA paso a paso, conectaremos sus nodos y comprobaremos cómo utiliza la herramienta de cálculo.

Crear nuestro primer agente IA paso a paso

Después de preparar nuestro entorno de desarrollo, vamos a construir nuestro primer agente de inteligencia artificial utilizando n8n.

En este ejercicio crearemos un asistente educativo capaz de responder preguntas sencillas sobre inteligencia artificial y utilizar una herramienta de cálculo cuando sea necesario.

Para ello, conectaremos cuatro componentes: Chat Trigger, AI Agent, un modelo de lenguaje y Calculator.

Una vez configurados, realizaremos diferentes pruebas para comprobar cómo responde nuestro agente y cuándo utiliza la herramienta disponible.

No necesitaremos conocimientos avanzados de programación ni conectar aplicaciones externas.

Nuestro objetivo será comprender cómo interactúan los componentes fundamentales de un agente IA antes de incorporar funciones más complejas.

1. Crear un nuevo flujo de trabajo en n8n

El primer paso consiste en acceder a nuestra instancia de n8n y abrir el editor visual.

Si todavía no hemos creado el proyecto que preparamos en el apartado anterior, podemos hacerlo ahora.

Crearemos un nuevo flujo de trabajo y utilizaremos el siguiente nombre:

Mi primer agente de inteligencia artificial

A continuación, guardaremos el proyecto.

De momento, nuestro editor estará vacío y podremos comenzar a incorporar los componentes necesarios.

Conviene recordar que un flujo de trabajo es el espacio donde organizamos los nodos y las conexiones que permiten ejecutar nuestro agente.

No necesitamos activar todavía el flujo para utilizarlo públicamente.

Durante las primeras pruebas trabajaremos desde el propio editor de n8n.

2. Añadir el nodo Chat Trigger

Nuestro agente necesita un mecanismo que permita recibir las preguntas de los usuarios.

Para ello, utilizaremos el nodo Chat Trigger.

En el editor de n8n, añadiremos este nodo y lo incorporaremos al flujo de trabajo.

El Chat Trigger permite iniciar una ejecución cuando recibe un mensaje desde la interfaz de conversación.

Para nuestro ejercicio utilizaremos el modo de conversación integrado en n8n, sin publicar todavía el asistente en una página web.

Mantendremos la configuración inicial más sencilla y evitaremos activar opciones que no necesitamos.

Este nodo será el punto de entrada de nuestro agente.

Cuando escribamos una pregunta durante las pruebas, Chat Trigger iniciará el flujo y proporcionará el mensaje recibido al siguiente componente.

3. Incorporar el nodo AI Agent

A continuación, añadiremos el nodo AI Agent.

Este componente organizará la interacción entre las instrucciones, el modelo de lenguaje y las herramientas que configuremos.

Conectaremos la salida principal de Chat Trigger con la entrada principal de AI Agent.

De esta manera, cuando recibamos un mensaje, el flujo podrá enviarlo al agente.

El nodo AI Agent dispone de conexiones específicas para incorporar un modelo de lenguaje, herramientas y, opcionalmente, determinados componentes de memoria.

En nuestro primer ejercicio utilizaremos únicamente el modelo y una calculadora.

No añadiremos memoria persistente ni otras herramientas externas.

También comprobaremos que el agente recibe correctamente el mensaje procedente de Chat Trigger.

En una configuración habitual, n8n puede utilizar automáticamente el campo de entrada generado por el nodo de conversación.

Si modificamos esa configuración, tendremos que asegurarnos de que el agente recibe el texto correspondiente.

4. Conectar nuestro modelo de lenguaje

Nuestro agente necesita un modelo de lenguaje para interpretar las preguntas y generar las respuestas.

Desde el nodo AI Agent, utilizaremos la conexión destinada al modelo de conversación.

Seleccionaremos un nodo Chat Model compatible con el proveedor que hayamos elegido.

Después, configuraremos las credenciales correspondientes mediante el gestor de credenciales de n8n.

También seleccionaremos un modelo compatible con el uso de herramientas.

Antes de continuar, debemos comprobar que las credenciales funcionan y que el proveedor permite realizar solicitudes desde nuestra cuenta.

Si el servicio utiliza facturación por consumo, revisaremos previamente sus tarifas y los límites disponibles.

Una vez completada la configuración, el modelo quedará conectado al agente.

Es importante recordar que esta conexión no forma parte del recorrido principal entre Chat Trigger y AI Agent.

El modelo funciona como un componente asociado al agente mediante su puerto específico.

Recuerda cuando hablamos de qué es un LLM

5. Añadir la herramienta Calculator

Ahora incorporaremos una herramienta que permitirá a nuestro agente realizar operaciones matemáticas.

Para ello, utilizaremos el nodo Calculator.

Desde el puerto de herramientas del nodo AI Agent, añadiremos la calculadora.

No necesitaremos conectarla directamente a Chat Trigger ni crear un recorrido independiente.

El agente podrá solicitar su utilización cuando el modelo determine que resulta necesaria para resolver una pregunta.

Por ejemplo, podemos preguntar cuánto es el resultado de multiplicar 25 por 18.

Si el modelo decide utilizar la herramienta, n8n ejecutará la operación correspondiente y proporcionará el resultado al agente.

Posteriormente, el agente podrá preparar una respuesta para el usuario.

Sin embargo, debemos tener presente que la disponibilidad de una herramienta no garantiza que el modelo la utilice en todas las ocasiones.

Por eso, configuraremos instrucciones específicas y revisaremos las ejecuciones durante nuestras pruebas.

6. Configurar las instrucciones de nuestro agente

Una vez conectados los componentes, debemos establecer el comportamiento esperado de nuestro asistente.

Para ello, abriremos el nodo AI Agent y localizaremos las opciones destinadas a las instrucciones del sistema.

Incorporaremos unas instrucciones sencillas que definan su función educativa.

Podemos utilizar el siguiente texto:

Eres un asistente educativo especializado en conceptos básicos de inteligencia artificial.

Responde siempre en español y utiliza explicaciones claras, breves y comprensibles para principiantes.

Tu función consiste en explicar conceptos relacionados con la inteligencia artificial y responder preguntas educativas sencillas.

Cuando necesites realizar operaciones matemáticas, utiliza la herramienta Calculator disponible.

Si no dispones de información suficiente, reconoce tus limitaciones y evita inventar datos.

No solicites información personal ni afirmes haber utilizado herramientas que no hayas ejecutado.

Estas instrucciones permitirán orientar el comportamiento de nuestro agente.

Sin embargo, debemos recordar que el modelo puede cometer errores y que las instrucciones no sustituyen las comprobaciones técnicas ni los controles de seguridad.

Por tanto, revisaremos sus respuestas y comprobaremos que utiliza correctamente las herramientas configuradas.

7. Ejecutar nuestro primer agente y comprobar los resultados

Después de conectar los componentes y configurar las instrucciones, podemos realizar nuestra primera prueba.

Guardaremos el flujo de trabajo y abriremos la interfaz de conversación de prueba de n8n.

Comenzaremos con una pregunta sencilla:

¿Qué es un agente de inteligencia artificial?

Nuestro asistente debería generar una explicación adaptada a principiantes.

A continuación, realizaremos una segunda prueba:

¿Cuánto es 25 multiplicado por 18?

En este caso, queremos comprobar si nuestro agente utiliza la herramienta Calculator y devuelve el resultado correcto: 450.

Para verificarlo, revisaremos los detalles de la ejecución en n8n.

No debemos limitarnos a comprobar que la respuesta final es correcta.

También es importante verificar si el agente ha utilizado realmente la calculadora.

Por último, podemos realizar una tercera prueba:

Explícame qué es un modelo de lenguaje y calcula cuánto es 12 multiplicado por 15.

Esta pregunta combina una explicación educativa con una operación matemática.

Nos permitirá comprobar cómo responde nuestro agente cuando necesita realizar diferentes acciones dentro de una misma solicitud.

Si alguna prueba no funciona correctamente, revisaremos las conexiones, las credenciales, la compatibilidad del modelo y las instrucciones configuradas.

No necesitamos obtener resultados perfectos durante las primeras ejecuciones.

Lo importante es comprender el funcionamiento del sistema, identificar los posibles errores y mejorar progresivamente su configuración.

Una vez que nuestro agente responda correctamente y hayamos comprobado la utilización de la calculadora, tendremos preparado nuestro primer proyecto funcional.

En el siguiente apartado aprenderemos a ampliar sus capacidades mediante nuevas herramientas y componentes de memoria.

Añadir herramientas, memoria y nuevas capacidades

Una vez que nuestro primer agente de inteligencia artificial funciona correctamente, podemos comenzar a estudiar cómo ampliar sus capacidades.

Hasta ahora hemos desarrollado un asistente educativo capaz de responder preguntas y utilizar una herramienta de cálculo.

Sin embargo, los agentes IA también pueden incorporar otras herramientas, consultar documentos, recuperar información y mantener el contexto de determinadas conversaciones.

Estas funciones permiten desarrollar proyectos más completos, pero también introducen nuevas necesidades de configuración, supervisión y seguridad.

Por eso, ampliaremos nuestro agente progresivamente, incorporando una capacidad cada vez y comprobando su funcionamiento antes de continuar.

1. Ampliar las capacidades de nuestro primer agente IA

Nuestro primer agente dispone de una configuración sencilla: recibe preguntas mediante Chat Trigger, utiliza un modelo de lenguaje y tiene acceso a la herramienta Calculator.

Esta estructura nos ha permitido comprender cómo se relacionan los componentes fundamentales de un agente de inteligencia artificial.

Sin embargo, podemos incorporar nuevas herramientas según los objetivos de nuestro proyecto.

Por ejemplo, un agente educativo podría consultar documentos que contengan explicaciones sobre inteligencia artificial.

También podría recuperar información de una base de datos o utilizar determinados servicios externos mediante sus correspondientes conexiones.

No obstante, debemos evitar añadir herramientas únicamente porque están disponibles.

Cada componente debe cumplir una función concreta y aportar una utilidad real.

Antes de incorporar una nueva capacidad, conviene responder tres preguntas:

• ¿Qué tarea queremos que realice nuestro agente?
• ¿Qué información o herramienta necesita para realizarla?
• ¿Cómo comprobaremos que utiliza correctamente esa capacidad?

Estas preguntas nos ayudarán a mantener una configuración sencilla y evitar conexiones innecesarias.

2. Incorporar nuevas herramientas en n8n

n8n permite conectar diferentes herramientas a los agentes de inteligencia artificial mediante los nodos compatibles.

Para incorporar una nueva herramienta, debemos acceder a nuestro flujo de trabajo y localizar el nodo AI Agent.

Desde su conexión destinada a herramientas, podemos añadir los componentes que necesitemos.

Por ejemplo, podríamos incorporar una herramienta que permita consultar determinada información previamente seleccionada.

También podemos utilizar herramientas compatibles para ejecutar operaciones concretas o comunicarnos con otros servicios.

Sin embargo, cada integración tiene sus propios requisitos.

Algunas necesitan credenciales, mientras que otras requieren configurar parámetros, definir entradas o establecer permisos.

Antes de utilizar una herramienta, debemos comprender qué operaciones permite realizar y qué información puede recibir.

Para nuestro proyecto educativo, resulta recomendable comenzar con herramientas de consulta que no puedan modificar información.

De esta manera, podremos ampliar las capacidades del agente sin concederle permisos innecesarios.

Una vez incorporada una herramienta, realizaremos pruebas específicas para comprobar cuándo la utiliza y qué resultados obtiene.

3. Qué es la memoria conversacional de un agente IA

La memoria conversacional permite que determinados agentes conserven información de mensajes anteriores y la utilicen como contexto durante nuevas interacciones.

Por ejemplo, podemos preguntar a nuestro asistente qué es un modelo de lenguaje.

Posteriormente, podríamos escribir:

Explícamelo con un ejemplo más sencillo.

Si el agente dispone del contexto adecuado, podrá interpretar que nuestra segunda pregunta está relacionada con la conversación anterior.

Sin embargo, debemos distinguir entre mantener el contexto de una conversación y almacenar información de manera permanente.

Algunos sistemas utilizan una memoria temporal, mientras que otros permiten conservar información mediante bases de datos u otros mecanismos de almacenamiento.

También debemos recordar que la memoria no garantiza que un agente recuerde correctamente todos los detalles de una conversación.

Su comportamiento dependerá de la configuración, el modelo utilizado y las limitaciones del sistema.

Por tanto, debemos seleccionar el mecanismo de memoria según las necesidades reales de nuestro proyecto.

4. Añadir memoria a nuestro agente con n8n

Una vez comprendido el concepto de memoria conversacional, podemos estudiar cómo incorporarla a nuestro agente.

n8n dispone de componentes de memoria compatibles con determinados agentes y configuraciones.

Para realizar una primera prueba, podemos utilizar una memoria conversacional sencilla, como Simple Memory, cuando sea compatible con nuestro entorno.

Este componente permite mantener el contexto de las interacciones utilizando un identificador de sesión.

Para incorporarlo, accederemos al nodo AI Agent y localizaremos su conexión destinada a memoria.

Después, seleccionaremos el componente correspondiente y revisaremos su configuración.

Cuando utilizamos Chat Trigger, debemos comprobar que el identificador de sesión se transmite correctamente y que el agente y la memoria utilizan una configuración compatible.

También conviene revisar cómo se conserva el historial y qué limitaciones presenta el mecanismo seleccionado.

Una vez configurada la memoria, realizaremos una prueba con dos mensajes relacionados.

Primero preguntaremos:

¿Qué es un modelo de lenguaje?

Después escribiremos:

Resúmelo en una sola frase.

Si la memoria funciona correctamente, nuestro agente debería interpretar que la segunda solicitud hace referencia a la explicación anterior.

No obstante, esta prueba no demuestra que el sistema disponga de memoria permanente.

Para proyectos más avanzados tendremos que estudiar otras alternativas de almacenamiento y recuperación de información.

5. Conectar documentos y fuentes de información

Otra posibilidad consiste en proporcionar a nuestro agente acceso a determinadas fuentes de información.

Por ejemplo, podríamos desarrollar un asistente educativo que consulte documentos sobre conceptos básicos de inteligencia artificial.

Esta capacidad resulta especialmente interesante cuando queremos que el agente trabaje con información específica que no aparece directamente en las instrucciones.

Una de las técnicas utilizadas para desarrollar estos sistemas es la generación aumentada por recuperación, conocida como RAG.

Este enfoque permite recuperar información relevante desde fuentes previamente preparadas y proporcionársela al modelo como contexto para generar una respuesta.

Sin embargo, debemos comprender que incorporar documentos no garantiza automáticamente la exactitud de todas las respuestas.

También necesitamos comprobar la calidad de las fuentes, la configuración del mecanismo de recuperación y el comportamiento del modelo.

Para nuestro primer proyecto, podemos comenzar utilizando documentos ficticios o contenidos públicos seleccionados previamente.

No incorporaremos información personal, documentos confidenciales ni archivos que no tengamos autorización para utilizar.

De esta manera, podremos aprender a trabajar con fuentes de información sin introducir riesgos innecesarios.

6. Conectar nuestro agente con aplicaciones externas

Una de las posibilidades más interesantes de los agentes IA consiste en conectarlos con otras aplicaciones.

Por ejemplo, podemos desarrollar un agente que consulte información en una base de datos, recupere determinados documentos o utilice un flujo de trabajo previamente configurado.

n8n ofrece diferentes mecanismos para integrar aplicaciones y organizar estas operaciones.

Sin embargo, debemos distinguir entre herramientas de consulta y herramientas capaces de modificar información.

Una herramienta que recupera datos presenta riesgos diferentes a otra que puede enviar mensajes, eliminar registros o realizar operaciones sobre servicios externos.

Por eso, conviene aplicar el principio de mínimo privilegio.

Nuestro agente debe disponer únicamente de los permisos necesarios para cumplir su función.

Además, las operaciones importantes o difíciles de revertir deben incorporar mecanismos de validación y, cuando corresponda, aprobación humana.

Durante las primeras pruebas evitaremos conceder permisos para enviar correos electrónicos, modificar documentos o ejecutar operaciones que puedan afectar a terceros.

Comenzaremos con conexiones de solo lectura y ampliaremos las capacidades únicamente cuando hayamos comprobado su funcionamiento.

7. Ampliar nuestro agente de forma progresiva

Después de conocer las principales posibilidades de ampliación, podemos establecer una estrategia para continuar desarrollando nuestro proyecto.

No necesitamos incorporar todas las capacidades al mismo tiempo.

Es preferible añadir una función, realizar pruebas y comprobar que no afecta negativamente al comportamiento que ya hemos conseguido.

Podemos organizar el desarrollo de nuestro agente educativo en cuatro fases.

Primera fase: agente básico

Mantendremos la configuración inicial con Chat Trigger, AI Agent, un modelo de lenguaje y Calculator.

Comprobaremos que responde correctamente a preguntas sencillas y utiliza la calculadora cuando corresponde.

Segunda fase: memoria conversacional

Incorporaremos un mecanismo de memoria compatible y realizaremos pruebas con preguntas relacionadas.

Revisaremos cómo se conserva el contexto y qué limitaciones presenta.

Tercera fase: consulta de información

Estudiaremos cómo conectar documentos públicos o ficticios para que nuestro agente pueda recuperar información específica.

Comprobaremos que las respuestas se corresponden con el contenido consultado.

Cuarta fase: nuevas integraciones

Cuando hayamos adquirido experiencia, podremos estudiar conexiones con otras aplicaciones y servicios.

Antes de incorporar cada integración, revisaremos sus permisos, los posibles costes y las medidas de seguridad necesarias.

Esta estrategia nos permitirá avanzar progresivamente y comprender qué aporta cada nuevo componente.

También facilitará la identificación de errores, ya que podremos comprobar el funcionamiento del agente después de cada modificación.

En el siguiente apartado aprenderemos a probar, proteger y mejorar nuestro agente de inteligencia artificial, prestando especial atención a los errores habituales, la seguridad, los costes y la supervisión humana.

Guia de OpenRouter

Guía sobre modelos de lenguaje (LLM)

Probar, proteger y mejorar nuestro agente IA

Después de crear nuestro primer agente de inteligencia artificial, debemos comprobar que funciona correctamente y que sus herramientas realizan únicamente las operaciones previstas.

Aunque nuestro asistente educativo ya puede responder preguntas y utilizar una calculadora, todavía necesitamos evaluar sus resultados, identificar posibles errores y revisar su configuración.

También debemos tener en cuenta que los modelos de lenguaje pueden generar respuestas incorrectas, interpretar mal determinadas instrucciones o utilizar las herramientas de forma inesperada.

Por eso, las pruebas, la seguridad y la supervisión humana forman parte del desarrollo de cualquier agente IA.

En este apartado aprenderemos a realizar comprobaciones básicas con n8n, proteger las credenciales, controlar los costes y mejorar progresivamente nuestro proyecto.

1. Realizar pruebas antes de utilizar nuestro agente IA

El primer paso consiste en comprobar que nuestro agente cumple los objetivos que definimos al comenzar el proyecto.

Recordemos que hemos creado un asistente educativo especializado en conceptos básicos de inteligencia artificial.

Además de responder preguntas, dispone de una herramienta de cálculo que debe utilizar cuando resulte necesario.

Para comprobar su funcionamiento, podemos preparar diferentes tipos de pruebas.

Comenzaremos con una pregunta sencilla:

¿Qué es un agente de inteligencia artificial?

Revisaremos si la respuesta resulta comprensible, se ajusta a nuestras instrucciones y contiene información correcta.

Después, realizaremos una prueba matemática:

¿Cuánto es 36 multiplicado por 24?

El resultado correcto es 864.

Sin embargo, no debemos limitarnos a comprobar la respuesta final. También revisaremos la ejecución para verificar si el agente ha utilizado realmente la calculadora.

A continuación, podemos combinar ambas capacidades:

Explícame qué es un modelo de lenguaje y calcula cuánto es 15 multiplicado por 12.

Esta prueba nos permitirá observar cómo responde nuestro asistente cuando recibe una solicitud que requiere una explicación y una operación matemática.

Finalmente, realizaremos una pregunta que quede fuera de sus conocimientos o de la información disponible.

Comprobaremos si reconoce sus limitaciones en lugar de inventar una respuesta.

Estas pruebas nos ayudarán a detectar problemas antes de incorporar nuevas herramientas.

2. Revisar las ejecuciones y detectar errores en n8n

Una de las ventajas de desarrollar nuestro agente con n8n es que podemos examinar sus ejecuciones.

Esta información nos ayudará a comprender qué componentes se han utilizado y dónde se ha producido un posible error.

Cuando una prueba no funciona como esperábamos, debemos revisar el recorrido del flujo y las conexiones del agente.

Por ejemplo, si nuestro asistente no responde, comprobaremos que Chat Trigger está conectado correctamente con AI Agent.

Si el problema está relacionado con el modelo de lenguaje, revisaremos las credenciales, la configuración del nodo y la compatibilidad del modelo seleccionado.

Si el agente devuelve el resultado de una operación matemática sin utilizar Calculator, examinaremos las instrucciones y la conexión de la herramienta.

También podemos comprobar si el modelo admite correctamente las funciones necesarias para utilizar herramientas.

Conviene recordar que una respuesta aparentemente correcta no demuestra que todos los componentes hayan funcionado como esperábamos.

Por eso, debemos revisar tanto el resultado final como los pasos de ejecución disponibles.

Cuando identifiquemos un error, modificaremos únicamente los elementos necesarios y repetiremos la prueba.

Este procedimiento facilitará la identificación de las causas y evitará introducir cambios innecesarios.

3. Proteger las credenciales y limitar los permisos

La seguridad es un aspecto fundamental cuando desarrollamos agentes de inteligencia artificial.

Nuestro proyecto utiliza un modelo de lenguaje que puede requerir credenciales de acceso.

Estas credenciales deben almacenarse de forma segura y utilizarse únicamente en las conexiones correspondientes.

No debemos introducir claves de API directamente en las instrucciones del agente ni compartirlas en capturas de pantalla, repositorios públicos o documentos accesibles a terceros.

También debemos revisar los permisos que concedemos a las herramientas.

Por ejemplo, si nuestro agente únicamente necesita consultar información, no deberíamos proporcionarle permisos para modificarla o eliminarla.

Este criterio se conoce como principio de mínimo privilegio.

Además, debemos recordar que las instrucciones de un modelo no sustituyen los controles de seguridad del entorno de ejecución.

Aunque indiquemos al agente que no realice determinadas operaciones, también necesitamos limitar técnicamente las acciones disponibles.

Si posteriormente incorporamos herramientas capaces de modificar información, deberemos establecer controles adicionales.

Las operaciones importantes o difíciles de revertir deberían requerir una validación adecuada y, cuando corresponda, aprobación humana.

4. Evitar instrucciones maliciosas y proteger la información

Los agentes que trabajan con documentos, páginas web o herramientas externas pueden recibir información que no controlamos directamente.

En determinadas circunstancias, esa información puede contener instrucciones diseñadas para alterar el comportamiento del agente.

Este problema se conoce como inyección de instrucciones o prompt injection.

Por ejemplo, un documento consultado por nuestro asistente podría incluir un texto que intentara convencerlo de ignorar sus instrucciones originales.

Debemos recordar que el contenido recuperado desde fuentes externas no tiene la misma autoridad que las instrucciones que hemos configurado para nuestro sistema.

Sin embargo, los modelos pueden interpretar incorrectamente esta separación.

Por eso, debemos limitar las herramientas disponibles, validar las operaciones importantes y evitar que el agente tenga acceso innecesario a información confidencial.

También conviene utilizar datos ficticios durante las primeras pruebas.

Si posteriormente necesitamos procesar información personal, tendremos que revisar las obligaciones legales y las medidas de protección aplicables al proyecto.

No debemos considerar que un agente es seguro únicamente porque le hemos indicado que ignore las instrucciones maliciosas.

La protección requiere diferentes medidas técnicas y organizativas.

Revisa cesta guía de OWASP sobre prompt injection

5. Controlar los costes de nuestro agente de inteligencia artificial

Cuando utilizamos modelos de lenguaje mediante una API, las solicitudes pueden generar costes.

El importe dependerá del proveedor, el modelo seleccionado, el volumen de información procesada y las condiciones del servicio.

Además, determinadas herramientas externas pueden incorporar sus propias tarifas.

Por eso, antes de realizar numerosas pruebas debemos revisar las condiciones de facturación.

También conviene comprobar si el proveedor permite establecer límites de gasto, presupuestos o alertas de consumo.

Durante nuestro ejercicio educativo podemos reducir los costes utilizando preguntas breves y evitando ejecuciones innecesarias.

Si incorporamos memoria conversacional o documentos extensos, también debemos considerar que el volumen de información enviado al modelo puede aumentar.

Otro aspecto importante es que determinados agentes pueden realizar varias solicitudes al modelo para completar una única tarea.

Por tanto, el coste de una interacción no siempre equivale al de una sola petición.

Para nuestro primer proyecto estableceremos un presupuesto de pruebas y revisaremos periódicamente el consumo.

No utilizaremos el agente de forma continua ni lo pondremos a disposición de otros usuarios hasta comprender sus posibles costes.

6. Mejorar las respuestas y el comportamiento del agente

Una vez realizadas las primeras pruebas, podemos comenzar a mejorar nuestro asistente.

No siempre necesitaremos cambiar el modelo de lenguaje o incorporar nuevas herramientas.

En muchos casos, podemos comenzar revisando las instrucciones y definiendo mejor las tareas que queremos que realice.

Por ejemplo, si nuestro agente ofrece respuestas demasiado extensas, podemos indicarle que utilice explicaciones breves y adaptadas a principiantes.

Si observamos que no utiliza correctamente la calculadora, revisaremos la configuración de la herramienta y las instrucciones correspondientes.

También podemos preparar un conjunto de preguntas de prueba y repetirlas después de cada modificación.

De esta manera, comprobaremos si los cambios introducidos mejoran realmente su funcionamiento.

Conviene evaluar diferentes aspectos:

• Exactitud de las respuestas.
• Claridad de las explicaciones.
• Utilización adecuada de las herramientas.
• Reconocimiento de las limitaciones.
• Tiempo de respuesta.
• Consumo y costes asociados.

Debemos recordar que una modificación puede mejorar determinados resultados y empeorar otros.

Por eso, es recomendable realizar cambios progresivos y conservar una configuración que sepamos que funciona correctamente.

7. Establecer supervisión humana y preparar futuras mejoras

Aunque nuestro primer agente consiga superar las pruebas iniciales, no debemos asumir que funcionará correctamente en todas las situaciones.

Los modelos de lenguaje pueden producir respuestas inesperadas y las herramientas pueden experimentar errores o cambios en sus servicios.

Por eso, necesitamos establecer mecanismos de supervisión adecuados al tipo de proyecto.

En nuestro asistente educativo, la supervisión consistirá principalmente en revisar las respuestas y comprobar las ejecuciones.

Sin embargo, si posteriormente desarrollamos agentes capaces de enviar mensajes, modificar documentos o realizar operaciones sobre aplicaciones externas, necesitaremos controles más estrictos.

También conviene documentar los cambios que introducimos en el flujo de trabajo.

Por ejemplo, podemos registrar qué modelo utilizamos, qué herramientas hemos conectado y qué pruebas hemos realizado.

Esta información nos ayudará a identificar problemas y recuperar configuraciones anteriores cuando sea necesario.

Antes de ampliar nuestro proyecto, comprobaremos que el agente cumple sus objetivos, utiliza correctamente las herramientas y mantiene unos costes razonables para nuestro presupuesto.

También revisaremos sus permisos y las medidas de protección de la información.

De esta manera, tendremos una base más sólida para continuar desarrollando agentes de inteligencia artificial.

En el siguiente y último apartado resumiremos los conocimientos adquiridos, responderemos las preguntas más frecuentes y repasaremos los recursos que pueden ayudarnos a seguir aprendiendo.

Conclusión: ya sabemos cómo crear nuestro primer agente de inteligencia artificial

A lo largo de esta guía hemos aprendido cómo crear nuestro primer agente de inteligencia artificial utilizando n8n, un modelo de lenguaje y una herramienta de cálculo.

Hemos comenzado definiendo los objetivos del proyecto y comprendiendo los componentes fundamentales de un agente IA.

Después, hemos seleccionado nuestro entorno de desarrollo y preparado las conexiones necesarias para construir un asistente educativo sencillo.

Mediante Chat Trigger, AI Agent, un modelo de lenguaje compatible y Calculator, hemos desarrollado un ejemplo práctico que nos permite comprender cómo interactúan los diferentes componentes.

También hemos descubierto cómo incorporar nuevas herramientas, añadir memoria conversacional y conectar fuentes de información.

Sin embargo, una de las lecciones más importantes es que crear un agente no consiste únicamente en conectar un modelo de inteligencia artificial.

También necesitamos establecer instrucciones claras, seleccionar herramientas adecuadas, limitar los permisos y comprobar los resultados.

Nuestro primer agente es un punto de partida, no un producto terminado.

Antes de utilizarlo en situaciones reales, debemos revisar su seguridad, controlar sus costes y realizar pruebas adaptadas a las tareas que queremos automatizar.

A partir de ahora, podemos continuar aprendiendo y desarrollar proyectos más completos, incorporando nuevas capacidades de forma progresiva.

Preguntas frecuentes sobre cómo crear tu primer agente IA

¿Es necesario saber programar para crear un agente de inteligencia artificial?

No es imprescindible.

Existen plataformas visuales, como n8n, que permiten configurar determinados agentes de inteligencia artificial sin necesidad de desarrollar todo el sistema mediante código.

Sin embargo, disponer de conocimientos básicos de programación puede resultar útil cuando necesitamos crear herramientas personalizadas, integrar servicios específicos o desarrollar proyectos más avanzados.

Para comenzar, podemos utilizar un entorno visual y ampliar nuestros conocimientos progresivamente.

¿Qué necesitamos para crear nuestro primer agente IA?

Necesitamos definir un objetivo concreto y seleccionar un entorno de desarrollo.

En nuestro ejemplo hemos utilizado n8n, un modelo de lenguaje compatible, unas instrucciones iniciales y una herramienta de cálculo.

También podemos necesitar credenciales de acceso si utilizamos un modelo alojado por un proveedor externo.

Lo más recomendable es comenzar con una configuración sencilla y añadir nuevos componentes cuando hayamos comprobado que los anteriores funcionan correctamente.

¿Qué modelo de lenguaje debemos utilizar para nuestro primer agente?

La elección dependerá del entorno de desarrollo, las herramientas que queremos incorporar y nuestro presupuesto.

Para el ejercicio de esta guía necesitamos un modelo compatible con la integración seleccionada y con el uso de herramientas.

Antes de configurarlo, debemos comprobar la documentación del proveedor, los modelos disponibles y sus posibles costes.

No necesitamos utilizar necesariamente el modelo más avanzado para aprender los fundamentos de los agentes IA.

¿Podemos crear un agente IA gratis?

Podemos utilizar determinadas herramientas y modelos sin pagar una licencia o mediante modalidades gratuitas, dependiendo de sus condiciones.

Sin embargo, eso no significa que cualquier proyecto pueda desarrollarse y ejecutarse sin costes.

Los modelos accesibles mediante API pueden generar cargos por consumo.

Además, una instalación propia puede requerir recursos informáticos, electricidad, almacenamiento y tareas de mantenimiento.

Antes de comenzar, conviene revisar las condiciones de cada herramienta y establecer un presupuesto para nuestras pruebas.

¿Qué diferencia existe entre un chatbot y un agente IA?

Un chatbot es una aplicación diseñada para mantener conversaciones con los usuarios.

Puede funcionar mediante reglas previamente definidas o utilizar un modelo de lenguaje.

Un agente IA, por su parte, puede incorporar herramientas y mecanismos que le permitan seleccionar determinadas operaciones para realizar una tarea.

Sin embargo, ambos conceptos pueden combinarse.

Por ejemplo, podemos desarrollar un chatbot que utilice un agente IA para consultar información o realizar cálculos.

¿Es necesario añadir memoria a nuestro primer agente?

No.

Para comprender los fundamentos de un agente de inteligencia artificial podemos comenzar sin memoria persistente.

En nuestro ejemplo inicial, el asistente recibe preguntas y dispone de una herramienta de cálculo.

Posteriormente, podemos incorporar memoria conversacional para mantener el contexto entre diferentes mensajes.

La decisión dependerá de las necesidades de nuestro proyecto.

Debemos recordar que almacenar conversaciones también introduce nuevas responsabilidades relacionadas con la privacidad y la protección de la información.

¿Cómo podemos mejorar nuestro primer agente de inteligencia artificial?

La mejor forma de avanzar consiste en realizar pruebas y añadir nuevas capacidades de manera progresiva.

Podemos comenzar revisando las instrucciones y comprobando cuándo utiliza las herramientas disponibles.

Después, podemos estudiar cómo incorporar memoria conversacional, consultar documentos o conectar otras aplicaciones.

También debemos controlar los costes, revisar los permisos y establecer mecanismos de supervisión.

Antes de introducir cada modificación, conviene conservar una configuración funcional y preparar pruebas que permitan comprobar los resultados.

De esta manera, podremos desarrollar agentes más completos sin perder el control sobre su funcionamiento.