Programación con Agentes y Arneses

Controlando el flujo de trabajo profesional con guardarraíles, reglas y contexto avanzado.

Resumen

En esta lección exploramos cómo profesionalizar el desarrollo con inteligencia artificial pasando del simple 'prompting' a la 'ingeniería de arneses'. Aprendimos que para no perder el control sobre el código, es vital imponer guardarraíles mediante herramientas como Open Code, un agente de terminal open source y agnóstico que permite gestionar múltiples modelos y niveles de esfuerzo de manera eficiente.\n\nEl núcleo del control reside en el uso del archivo 'agent.md', un estándar que define el comportamiento, stack y reglas de un proyecto de forma persistente. A través de este, el desarrollador ya no solo le pide cosas a la IA, sino que le marca un camino delimitado. También se introdujo la diferencia crucial entre el modo 'Build', centrado en la ejecución inmediata, y el modo 'Plan', que prioriza la estrategia y la confirmación del desarrollador antes de cualquier modificación.\n\nFinalmente, profundizamos en la expansión del contexto mediante MCP (Model Context Protocol) y Skills. Estas tecnologías permiten que el agente acceda a documentaciones de vanguardia (como Next.js actualizado) y a habilidades especializadas (como diseño frontend profesional), evitando que el conocimiento de la IA quede limitado a su fecha de entrenamiento. La gestión de la memoria, mediante la compactación de contexto y el registro de documentos, se establece como la base para manejar proyectos de gran escala con éxito.

Módulos

01

Ingeniería de Arneses y Control de Agentes

En el desarrollo profesional con IA, no es suficiente lanzar prompts al aire. El concepto de \ 'arnés \ ' o guardarraíl se refiere a la creación de un entorno controlado donde el agente de IA opera bajo reglas estrictas. Esto combate el indeterminismo de los modelos, asegurando que el código generado siga las convenciones, el stack tecnológico y las prohibiciones específicas del proyecto, transformando a la IA de un juguete experimental en un asistente de producción.
Puntos clave
  • ▸El indeterminismo es el riesgo de obtener resultados inconsistentes.
  • ▸Los arneses actúan como muros de contención para la creatividad de la IA.
  • ▸Un desarrollador moderno orquesta el proceso en lugar de solo escribir líneas de código.
02

Open Code como Herramienta Profesional

Open Code se presenta como la alternativa de código abierto a Claude Code. Al ser agnóstico al modelo, permite integrar APIs de OpenAI, Anthropic, Google o incluso modelos locales. Su configuración mediante terminal ofrece una libertad profesional superior, permitiendo gestionar sesiones, cambiar el nivel de esfuerzo del modelo (Low a Max) y visualizar el gasto de tokens en tiempo real, facilitando el aprendizaje sin costes obligatorios de suscripción.
Puntos clave
  • ▸Agente open source de terminal más utilizado actualmente.
  • ▸Permite conectar múltiples proveedores (OpenAI, Copilot, DeepSeek).
  • ▸Gestión eficiente de sesiones y configuración sencilla mediante comandos.
03

El Archivo Agent.md: Reglas del Juego

El archivo `agent.md` es el estándar emergente para la configuración de proyectos asistidos por IA. Funciona como un System Prompt persistente que el agente lee antes de cualquier interacción. Una buena plantilla debe incluir el nombre del proyecto, el stack tecnológico preciso, comandos de ejecución, estructura de carpetas y, lo más importante, las convenciones de código y prohibiciones para evitar que la IA tome decisiones erróneas.
Puntos clave
  • ▸Actúa como memoria constante del sistema para el agente.
  • ▸Es universal: funciona en Cursor, Claude Code y Open Code.
  • ▸Debe ser conciso (calidad sobre cantidad de líneas).
04

Modo Plan vs. Modo Build: Estrategia y Ejecución

Existen dos modos principales de trabajo: Build y Plan. Mientras que el modo Build ejecuta acciones directamente, el modo Plan añade una capa de razonamiento previo. Al usar el modo Plan, el agente propone una serie de pasos, resuelve dudas con el desarrollador y espera la confirmación oficial antes de modificar archivos. Es la herramienta ideal para refactorizaciones complejas o tareas de gran escala donde el error cuesta caro.
Puntos clave
  • ▸El modo Plan fomenta la supervisión humana antes de la implementación.
  • ▸Ideal para tareas grandes, cambios de arquitectura o refactorización.
  • ▸Permite iterar sobre la estrategia sin gastar tokens en código erróneo.
05

MCPs y Skills: Extendiendo el Conocimiento de la IA

Para que un agente sea verdaderamente útil, debe poder conectarse con el mundo exterior. El Model Context Protocol (MCP) permite al agente leer documentaciones oficiales actualizadas (evitando alucinaciones por datos de entrenamiento viejos) o conectarse a bases de datos. Por otro lado, las 'skills' son archivos de conocimiento especializado que enseñan al agente habilidades específicas, como mejores prácticas de diseño frontend o seguridad, ampliando su capacidad funcional de forma modular.
Puntos clave
  • ▸Los MCPs conectan la IA con herramientas y documentos de terceros.
  • ▸Las skills son módulos de conocimiento reutilizables entre proyectos.
  • ▸Mejoran la precisión al proporcionar contexto en tiempo real.

Glosario

Agente

Entidad de IA capaz de iterar sobre resultados, ejecutar comandos y razonar sobre el código de forma autónoma.

Arnés (Harness)ing

Estructura de reglas y limitaciones impuestas a la IA para asegurar que sus salidas se ajusten a estándares profesionales y no sean erráticas.

Agent.md

Archivo Markdown que actúa como un System Prompt persistente, definiendo reglas y stack del proyecto para cualquier agente de IA.

MCP (Model Context Protocol)

Protocolo estándar que permite conectar agentes de IA con herramientas externas, documentaciones actualizadas o bases de datos.

Open Code

Editor de código open source centrado en la terminal que permite usar múltiples modelos de IA como alternativa a Claude Code.

Skill

Habilidad o conjunto de instrucciones especializadas cargadas en el agente para tareas específicas (ej. diseño de frontend).

Comando (Custom Command)

Acción invocada manualmente por el usuario dentro del chat del agente para ejecutar tareas repetitivas o procesos específicos.

Compactación (Compact)

Proceso de reducir el historial de conversación en el contexto de la IA para ahorrar tokens sin perder la información crítica.

Modo Plan

Modo de operación donde la IA primero propone una estrategia detallada y pide aprobación antes de escribir una sola línea de código.

Indeterminismo

Propiedad de los LLM que hace que una misma instrucción pueda generar respuestas diferentes cada vez; se mitiga con arneses.

Pon a prueba lo aprendido

P1

¿Qué función principal cumple el archivo agent.md en un proyecto con agentes?

P2

¿Qué modo de agente se recomienda utilizar para tareas grandes o refactorizaciones complejas?

P3

¿Para qué sirve el Model Context Protocol (MCP)?

P4

¿Qué acción se realiza al ejecutar el comando /compact en Open Code?

P5

¿Cómo se llama el fenómeno por el cual un agente puede dar resultados diferentes a un mismo prompt?