Ir al contenido principal
Español— Elegir un idioma
Menú

¿Qué es un agente de IA?

Lección 1 de 18 Actualizado el 3 de noviembre de 2026 Desarrollador
En esta página
  1. Agentes de IA: más allá del chatbot simple
  2. ¿Qué es exactamente un agente?
  3. El bucle percepción-acción
  4. Capacidades de la API de Agentes de Mistral
  5. Modelos compatibles
  6. Lo que aprenderás
  7. Puntos clave

Actualización del 2 de noviembre de 2026 — Modelos. Mistral Large 3 (mistral-large-2512) y Mistral Medium 3.5 quedaron obsoletos el 31 de octubre de 2026 y se retirarán el 30 de abril de 2027. Su sucesor designado, Mistral Large 4 (mistral-large-4), está en vista previa pública desde el 6 de octubre. Los ejemplos de este curso utilizan el alias mistral-large-latest, que actualmente apunta a Mistral Large 3 según su hoja de especificaciones oficial (verificada el 3 de noviembre de 2026). De igual forma, mistral-medium-latest apunta a Mistral Medium 3.5. Estos alias seguirán siendo válidos hasta el 30 de abril de 2027. Para nuevos proyectos, prueba mistral-large-4, su sucesor designado.

Agentes de IA: más allá del chatbot simple

Los agentes de IA representan una evolución importante en la forma en que utilizamos los modelos de lenguaje de gran tamaño. Un chatbot estándar recibe una pregunta, devuelve una respuesta y la interacción termina: nada se transfiere a la siguiente llamada y el modelo no tiene forma de obtener información que no conozca ya. Un agente, en cambio, es un sistema autónomo capaz de planificar, ejecutar acciones y perseguir un objetivo complejo a lo largo de varios pasos.

Con la API de Agentes de Mistral, obtienes un marco completo para construir estos sistemas inteligentes directamente mediante la API. No necesitas desplegar infraestructura adicional ni escribir tu propio bucle de orquestación.

¿Qué es exactamente un agente?

Un agente es un sistema impulsado por un LLM que parte de instrucciones de alto nivel y determina cómo cumplirlas. Primero planifica una secuencia de acciones: si le pides que compare tres planes de alojamiento, decide examinar cada uno por separado antes de redactar un resumen. Utiliza herramientas (búsqueda web, ejecución de código, generación de imágenes) porque el texto por sí solo no puede verificar un precio actual ni validar un cálculo. Mantiene el estado a lo largo de varios turnos, de modo que la tercera pregunta de tu usuario hereda naturalmente el contexto de las dos primeras sin que tengas que reenviar el historial. Por último, colabora con otros agentes cuando una tarea excede su especialidad: quien escribe no es necesariamente quien calcula.

La diferencia fundamental respecto a una llamada simple a chat.complete() se resume en una palabra: el agente realiza un bucle. Analiza la situación, decide una acción, observa el resultado y repite el proceso hasta alcanzar su objetivo.

El bucle percepción-acción

1

Percepción

El agente recibe una solicitud del usuario u observa el resultado de una acción anterior.

2

Razonamiento

El LLM analiza el contexto y decide el siguiente paso: llamar a una herramienta, delegar en otro agente o responder.

3

Acción

El agente ejecuta la acción elegida: búsqueda web, ejecución de código, generación de imágenes o transferencia a otro agente.

4

Observación

El resultado se integra en el contexto. El agente decide si ha terminado o si necesita continuar el bucle.

Este ciclo no es solo una abstracción didáctica: es exactamente lo que ocurre entre el momento en que envías una solicitud y el momento en que recibes una respuesta. En concreto, para la pregunta «¿Qué planes en la nube se ajustan a mi aplicación?», el agente percibe la solicitud, razona que carece de datos de precios, actúa lanzando una búsqueda, observa las páginas que encuentra y vuelve a iniciar el bucle porque aún necesita una comparación de rendimiento. La conclusión clave es la condición de salida: el modelo, no tú, decide cuándo finaliza el bucle.

Capacidades de la API de Agentes de Mistral

La API de Agentes y Conversaciones cubre todo este ciclo. Se basa en modelos multimodales que gestionan tanto texto como imágenes, específicamente mistral-medium-latest y mistral-large-latest. Mantiene un estado persistente: el historial de la conversación reside en el servidor, por lo que no tienes que implementar tu propio almacenamiento de mensajes. Proporciona herramientas integradas listas para usar (búsqueda web, intérprete de código, generación de imágenes, biblioteca de documentos) sin que tengas que alojar ningún ejecutor. Admite transferencias, lo que significa que puede transferir el control de un agente a otro más especializado. Y te permite elegir el modo de ejecución: modelo único, agente único u orquestación multiagente, en función de la complejidad real de la tarea.

Modelos compatibles

A fecha de hoy (abril de 2026), dos modelos son compatibles con la API de Agentes. mistral-medium-latest ofrece un buen equilibrio entre rendimiento y coste, por lo que es la opción predeterminada para la mayoría de los agentes en producción. mistral-large-latest está orientado al máximo rendimiento en tareas complejas: razonamiento en varios pasos, orquestación multiagente y análisis extensos. Comienza con el primero y cambia al segundo solo cuando la calidad de la salida lo justifique de forma medible.

Lo que aprenderás

Este curso sigue la progresión natural de un proyecto. Empezarás creando y configurando agentes mediante la API de Python; luego aprenderás a gestionar conversaciones persistentes con estado. A continuación, aprovecharás las cuatro herramientas integradas (búsqueda web, intérprete de código, generación de imágenes y biblioteca de documentos) antes de orquestar flujos de trabajo multiagente con transferencias. El curso concluye con la seguridad de tus agentes mediante barreras de protección, un paso que los equipos suelen posponer pero que es esencial para cualquier despliegue en producción.

Puntos clave

  • Un agente de IA es un sistema autónomo que planifica, actúa y observa en un bucle
  • La API de Agentes de Mistral gestiona la orquestación en el servidor; no tienes que implementar el bucle tú mismo
  • Los agentes pueden utilizar herramientas y colaborar entre sí mediante transferencias
  • Actualmente hay dos modelos compatibles: mistral-medium-latest y mistral-large-latest