He fallado 17 veces consecutivas con el mismo error exacto

Eso fue lo que dijo literalmente nuestro agente mientras intentaba ejecutar una tarea de programación. Más allá de la autocrítica hubo algo inquietante: el agente sabía exactamente qué hacía mal y lo explicaba con detalle, pero seguía repitiendo la misma llamada defectuosa al mismo tool hasta agotar el límite de mensajes. En concreto, llamaba a replace_file indicando un file_path válido pero sin proporcionar el parámetro content, que es obligatorio, y entraba en un bucle de llamadas idénticas y fallidas.

Este comportamiento ocurrió dentro de Tonkotsu, un entorno de gestión multiagente que plantea un nuevo enfoque más allá de los IDEs tradicionales. El agente de programación usa un modelo LLM como Claude Sonnet y un conjunto de herramientas para leer y escribir en un repositorio git. La arquitectura es la habitual para agentes que leen partes relevantes del código, hacen ediciones y validan resultados, pero aquí vimos el borde extraño del comportamiento del modelo: una especie de pozo gravitatorio donde un patrón fallido se repite una y otra vez.

Intentamos varias mitigaciones. Primero devolvimos errores más verbosos que nombraban explícitamente el parámetro que faltaba. No funcionó. Luego deshabilitamos temporalmente las llamadas a herramientas y pedimos al modelo que reflexionara en texto sobre qué valor debería tener content. El modelo podía describir la solución y hasta flagelarse por el error, pero al volver a permitir llamadas a herramientas repetía la misma llamada malformada.

Finalmente probamos una intervención simple pero eficaz: pedimos al LLM que generara exactamente la estructura JSON esperada para la llamada al tool y rellenara los parámetros reales. La plantilla pedida era del tipo type tool_use name replace_file input file_path content. Esa indicación fija ayudó al modelo a salir del bucle en la mayoría de los casos y a producir llamadas válidas en lugar de repetir el error. También estamos probando la nueva modalidad strict tool use que promete garantizar llamadas correctas.

La lección va más allá de la técnica. Los LLMs, como las personas, pueden verbalizar un arreglo pero quedarse atascados en un patrón improductivo. El futuro no es contar con compañeros perfectos, sino coordinar eficazmente a múltiples agentes y herramientas para resolver problemas complejos en paralelo.

En Q2BSTUDIO entendemos esos retos porque combinamos experiencia en desarrollo de software a medida y aplicaciones a medida con capacidades avanzadas de inteligencia artificial y ciberseguridad. Si buscas crear soluciones robustas que integren agentes IA, automatización y buenas prácticas de seguridad, podemos ayudarte con proyectos de software a medida y arquitecturas de agentes IA. Conectamos la innovación en IA con la ingeniería de producto y servicios cloud para asegurar despliegues escalables y seguros.

Ofrecemos servicios que incluyen aplicaciones a medida, software a medida, inteligencia artificial aplicada a procesos de negocio, ciberseguridad y pentesting, servicios cloud aws y azure y servicios inteligencia de negocio con Power BI. Si necesitas desarrollar una plataforma adaptada a tus necesidades visita nuestra página de desarrollo de aplicaciones y software a medida o conoce nuestras soluciones de inteligencia artificial para empresas. También trabajamos con agentes IA, automatización de procesos y despliegues en servicios cloud aws y azure para garantizar escalabilidad y seguridad.

Si te interesa mejorar la fiabilidad de tus agentes IA, integrar inteligencia de negocio con power bi o fortalecer la ciberseguridad de tus aplicaciones a medida, en Q2BSTUDIO podemos diseñar la estrategia y ejecutar la implementación. Aplicaciones a medida, inteligencia artificial, ciberseguridad, servicios cloud aws y azure, servicios inteligencia de negocio, ia para empresas, agentes IA y power bi son palabras clave que definan cómo trabajamos para llevar tu proyecto desde la idea hasta la producción.