Entrar en el curso intensivo de 5 días sobre agentes de IA de Google fue para mí el paso de pensar en modelos como generadores de texto a verlos como el núcleo de sistemas orquestadores y autónomos.

Día 1 Descubrí la verdadera naturaleza de los agentes: un agente no es solo un modelo, es un tomador de decisiones. Aprendí el nuevo flujo Prompt ? Agent ? Thought ? Action ? Observation ? Response al configurar el Agent Development Kit ADK, conectarlo a Gemini y ver a un agente decidir llamar a Google Search, recuperar información en tiempo real e integrarla en una respuesta coherente. Fue la prueba de que los agentes realizan acciones, no repiten plantillas.

Día 2 Comprendí que las capacidades reales vienen de las herramientas. Construí herramientas a medida, entre ellas un calculador de comisiones y una herramienta de conversión de divisas, y diseñé un flujo que obligaba al agente a llamar a ambas en el orden correcto. Detecté una limitación habitual: los LLMs pueden razonar sobre matemáticas pero no son totalmente fiables al ejecutar cálculos. La solución fue integrar un ejecutor de código que generara y ejecutara Python para obtener resultados precisos. El modelo pasó de ser el ejecutor a ser el gestor que delega tareas a especialistas.

Día 3 Profundicé en memoria, sesiones y la gestión del contexto. El ADK descompone la memoria en eventos, state y sesiones. Implementé un agente con sessiones con estado persistente respaldado en SQLite y observé cómo se almacenan mensajes del usuario, respuestas del agente, llamadas a herramientas y resultados. La compactación del contexto mediante resúmenes periódicos demostró ser esencial para mantener la coherencia en conversaciones largas.

Día 4 Integré MCP y trabajé con flujos de trabajo del mundo real. MCP permite conectar agentes a ecosistemas externos sin escribir API complejas ni gestionar tokens manualmente, facilitando la integración inmediata de herramientas. También desarrollé operaciones de larga duración: un agente de aprobación de envíos que pausaba para aprobaciones humanas, guardaba estado y reanudaba la ejecución. Conceptos como tool_context, adk_request_confirmation, invocation_id y sesiones reanudables son fundamentales para procesos empresariales reales.

Día 5 Aprendí a diseñar sistemas multiagente. Probé cuatro patrones de trabajo: orquestación LLM, flujo secuencial tipo cadena de montaje, trabajo en paralelo y bucles de refinamiento entre escritor y crítico. Construir un pipeline outline agent ? writer agent ? editor agent me ayudó a ver a los agentes como microservicios especializados que colaboran para resolver tareas complejas.

La evolución conceptual fue decisiva. Pasé de concebir IA como modelo más prompt a pensar en sistemas orquestados donde agentes autónomos, herramientas y memoria persistente permiten automatizaciones fiables y escalables. Los agentes dejan de ser chatbots para convertirse en componentes de sistemas de software robustos.

En Q2BSTUDIO, empresa de desarrollo de software y aplicaciones a medida, especialistas en inteligencia artificial y ciberseguridad, aplicamos estas ideas para ofrecer soluciones que integran agentes IA en procesos empresariales. Diseñamos software a medida y aplicaciones a medida que incorporan memoria persistente, ejecución de código seguro y orquestación multiagente para casos de uso como atención al cliente automatizada, pipelines de contenido y análisis financiero automatizado.

Nuestras capacidades incluyen consultoría y desarrollo en inteligencia artificial para empresas, integración de servicios cloud aws y azure, y servicios de inteligencia de negocio como Power BI. Podemos incorporar agentes IA en flujos de trabajo que requieran aprobaciones humanas, auditoría y cumplimiento, tareas críticas en las que la ciberseguridad es prioritaria. Para proteger esos entornos ofrecemos soluciones de ciberseguridad y pentesting que garantizan la integridad de datos y la resiliencia de las integraciones.

Algunas maneras concretas en las que aplicaremos lo aprendido: construir sistemas multiagente para investigación y generación de contenidos, añadir herramientas personalizadas para procesos financieros o logísticos, integrar MCP para ampliar capacidades sin desarrollar APIs complejas, implantar procesos de aprobación de larga duración y usar memoria persistente para experiencias personalizadas y continuas.

Si tu empresa busca sacar partido de agentes IA, automatización de procesos y soluciones de inteligencia de negocio, en Q2BSTUDIO ofrecemos servicios combinados que abarcan desde el desarrollo de aplicaciones a medida hasta la integración de modelos y la implementación de dashboards con Power BI y otras herramientas de analítica. Además, trabajamos la seguridad y el cumplimiento para que las soluciones sean seguras y escalables.

Para proyectos específicos de inteligencia artificial y adopción de agentes IA podemos ayudarte a definir la arquitectura, diseñar flujos de trabajo y desplegar soluciones operativas. Conectar agentes, herramientas y memoria transforma lo que antes era asistencia en orquestación inteligente. Con Q2BSTUDIO ese salto es práctico y seguro.