Cargando

Agentes y herramientas

Lección 643 min
Cargando

Los agentes representan un cambio respecto a los flujos de trabajo estructurados que exploramos anteriormente. Mientras que los flujos de trabajo destacan cuando conoces los pasos exactos necesarios para completar una tarea, los agentes brillan cuando el camino a seguir no está claro. En lugar de definir una secuencia rígida, le das a Claude un objetivo y un conjunto de herramientas, y luego dejas que él descubra cómo combinar esas herramientas para lograr el objetivo.

Un "Objetivo" y un conjunto de "Herramientas" alimentan a Claude, que produce un plan para usar esas herramientas y lograr el objetivo.

Esta flexibilidad hace que los agentes resulten atractivos para los desarrolladores. Puedes construir un agente una vez, asegurarte de que funcione razonablemente bien y luego implementarlo para manejar una amplia variedad de tareas. Sin embargo, este enfoque conlleva inconvenientes significativos en cuanto a fiabilidad y costo que exploraremos más adelante.

Cómo las herramientas hacen al agente

El verdadero poder de los agentes radica en su capacidad para combinar herramientas simples de maneras inesperadas. Consideremos un conjunto básico de herramientas de fecha y hora que cubrimos anteriormente en el curso:

Tabla de las tres herramientas de fecha y hora enumeradas a continuación, con el punto de que dependemos de las habilidades de Claude para combinar herramientas.

  • get_current_datetime - Devuelve la fecha y hora actuales
  • add_duration_to_datetime - Agrega tiempo a una fecha determinada
  • set_reminder - Crea un recordatorio para una hora específica

Cada herramienta es simple por sí sola, pero Claude puede combinarlas para manejar solicitudes diversas:

Seis tareas mapeadas a sus cadenas de llamadas a herramientas, como un recordatorio para el 21 de marzo de 2030 a las 8 AM que solo llama a set_reminder.

Para "¿Qué hora es?", Claude simplemente llama a get_current_datetime. Para "¿Qué día de la semana será dentro de 11 días?", encadena get_current_datetime seguido de add_duration_to_datetime. Solicitudes más complejas como "Pon un recordatorio para ir al gimnasio el próximo miércoles" requieren las tres herramientas en secuencia.

Claude incluso puede reconocer cuándo necesita información adicional. Cuando se le pregunta "¿Cuándo vence mi garantía de 90 días?", primero le pregunta al usuario cuándo obtuvo la garantía y luego usa esa información junto con add_duration_to_datetime para calcular la fecha de vencimiento.

Las herramientas deben ser abstractas

La idea clave para construir agentes efectivos es proporcionar herramientas razonablemente abstractas en lugar de herramientas hiperespecializadas. Claude Code demuestra este principio a la perfección.

Las herramientas genéricas de Claude Code, incluyendo LS para listar archivos, frente a herramientas especializadas que le faltan como "Create Migration".

Claude Code tiene acceso a herramientas genéricas y flexibles:

  • bash - Ejecuta comandos
  • glob - Encuentra archivos
  • grep - Busca contenido de archivos
  • read - Lee un archivo
  • write - Crea un archivo
  • edit - Edita un archivo
  • webfetch - Obtiene una URL

Observa lo que Claude Code no tiene: herramientas especializadas como "Refactorizar" o "Ejecutar pruebas" o "Instalar dependencias". En cambio, descubre cómo lograr estas tareas combinando las herramientas básicas disponibles. Para instalar dependencias, lee los archivos del proyecto para comprender la configuración y luego usa bash para ejecutar los comandos de instalación adecuados.

Mejor práctica: proporciona herramientas razonablemente abstractas

Al construir agentes, concéntrate en herramientas que Claude pueda combinar de manera creativa en lugar de herramientas que resuelvan un problema específico. Consideremos un agente de creación de videos para redes sociales:

Cuatro herramientas para un agente de video de redes sociales, enumeradas a continuación; bash da acceso a FFMPEG para unir imágenes y sonido en un video.

Las herramientas efectivas para este agente podrían incluir:

  • bash - Proporciona acceso a FFMPEG para el procesamiento de video
  • generate_image - Crea imágenes a partir de indicaciones de texto
  • text_to_speech - Convierte texto en audio
  • post_media - Publica contenido en redes sociales

Este conjunto de herramientas permite interacciones tanto simples como complejas. Un usuario podría solicitar "Crea y publica un video sobre programación en Python", y el agente se encarga de todo automáticamente. Alternativamente, la interacción podría ser más colaborativa:

Dos chats de Agente de Marketing: las respuestas son "OK, crearé y publicaré el video" y "¡Claro! ¿Te sirve esta?" con una imagen.

El usuario podría decir "Quiero que hagas un video sobre Python, pero primero quiero elegir una imagen inicial para el video". El agente puede generar una imagen de muestra, mostrársela al usuario para su aprobación y luego proceder con la creación del video una vez confirmada.

Esta flexibilidad surge de manera natural al proporcionar el nivel adecuado de abstracción en tus herramientas. Cada herramienta debe ser lo suficientemente general como para ser útil en múltiples contextos, pero lo suficientemente específica como para lograr un trabajo significativo cuando se combina con otras.