Un modelo mental útil para agentes de IA El agente no debe ser el flujo de trabajo. Muchos sistemas de agentes aún se ven así: - modelo → decidir → herramienta → decidir → herramienta → repetir Funciona, pero darle al modelo el control sobre todo el flujo de trabajo genera incertidumbre innecesaria. Algunas partes se manejan mejor de forma determinista. Por ejemplo: el modelo puede decidir qué solicitud de cliente está atendiendo. Tu aplicación puede decidir las reglas de autenticación. El modelo puede sugerir una acción. Tu código puede validar si esa acción está permitida. El modelo puede elegir el siguiente paso. Tu motor de flujo de trabajo puede imponer orden, reintentos, tiempos de espera y transiciones de estado. Esto crea una separación mucho más clara. LLM = razonamiento Aplicación = control Herramientas = ejecución Cuanto más importante sea la operación, menos deberías confiar en el modelo para hacer cumplir las reglas. Una buena arquitectura de agente no se trata de darle al modelo el máximo control. Se trata de darle exactamente el suficiente control para que sea útil.