Todos hablan de agentes de IA. ¿Ya construiste uno?

Todos te hablan de agentes. Pocos construyeron alguno de verdad. Hoy lo hacemos juntos: un agente funcional de punta a punta, en menos 10 minutos, con Python y Strands sobre AWS. No un chatbot — un agente que toma decisiones, usa herramientas y ejecuta acciones. 💡 De un wrapper de LLM a un agente de verdad Tres líneas de código contra un modelo es un chatbot. Un wrapper. No hace nada por sí solo. Un agente aparece cuando le sumás herramientas que puede ejecutar , un rol claro en el system prompt, y un loop donde el modelo decide qué hacer, lo hace, ve el resultado y sigue hasta resolver la tarea. En el video construimos un chef assistant : le decís qué tenés en la heladera y te dice qué cocinar según la hora y para cuántos comensales. Suena tonto, pero adentro está todo lo que hace a un agente ser agente. Lo que armamos, pieza por pieza 1. Herramientas built-in — current_time para saber la hora, calculator para ajustar cantidades. El modelo decide cuándo usarlas, vos no las llamás a mano. 2. Una herramienta propia ( mi_heladera ) — una función Python decorada con @tool que agrega, quita y lista ingredientes. El truco está en el docstring: le explicás al modelo cuándo usarla y qué espera recibir. Ese texto es la interfaz entre el modelo y tu código. 3. El system prompt como rol — no es “sos útil”. Es “sos un chef profesional, así trabajás, estas son tus herramientas y cuándo usarlas, y estas son tus reglas”. Cuanto más claro el rol, mejor elige. 4. El loop interactivo — un while que mantiene la conversación viva y le pasa el contexto al agente en cada vuelta. Ahí es donde el agente razona, ejecuta y recuerda lo que ya pasó. El momento en que se nota que es un agente Le tiro ingredientes random a la heladera. El agente guarda eso con mi_heladera, consulta la hora con current_time, ve que es mediodía y sugiere almuerzos concretos. Le digo “sandwich para dos” y calcula las cantidades. Le pregunto qué queda en la heladera después y vuelve a la herramienta a chequear el estado real. Nadie programó ese orden. El modelo decidió qué herramienta usar y cuándo. Eso es un agente: rol definido, herramientas reales, decisiones autónomas y memoria de la conversación. Y esto corre local. Llevarlo a la nube, sumarle un MCP para buscar recetas de verdad, o desplegarlo en AWS — es el siguiente paso. 🚀 ¿Querés construir el tuyo (y llevarlo a la nube)? Tengo un mini-curso gratuito de Agentes IA donde vemos exactamente esto: las piezas de un agente, cómo conectar herramientas reales, cómo usar MCPs y cómo desplegarlo en AWS. Con el código para que lo hagas conmigo. 🎯 ACCEDER AL MINI-CURSO GRATUITO 💬 Tu turno ¿Ya construiste un agente o todavía estás en la etapa de “un prompt largo con un modelo potente”? Contame qué te gustaría que resuelva tu primer agente 👇 This is a public episode. If you would like to discuss this with other subscribers or get access to bonus episodes, visit desplegando.substack.com