The latest articles on DEV Community by Felipe (@pivelcode). https://dev.to/pivelcode https://media2.dev.to/dynamic/image/width=90,height=90,fit=cover,gravity=auto,format=auto/https:%2F%2Fdev-to-uploads.s3.us-east-2.amazonaws.com%2Fuploads%2Fuser%2Fprofile_image%2F4048519%2Fbcedccaf-2f56-4106-b613-709a7cd902e0.jpeg https://dev.to/pivelcode en Felipe Tue, 28 Jul 2026 17:06:04 +0000 https://dev.to/pivelcode/agentes-de-ai-por-que-no-es-solo-un-chatbot-fancy-1m3k https://dev.to/pivelcode/agentes-de-ai-por-que-no-es-solo-un-chatbot-fancy-1m3k <p><strong>Un Chatbot</strong> responde preguntas.<br> <strong>Un Agente de AI</strong> ejecuta tareas.</p> <p>Parece simple, pero la diferencia cambia todo en cómo diseñas, construyes y despliegas sistemas con LLMs.</p> <p>Después de meses experimentando con Houston + Composio, esto es lo que aprendí:</p> <h2> La Diferencia Conceptual </h2> <p>Un <strong>chatbot</strong> vive en una conversación:</p> <ul> <li>Recibe un input</li> <li>Genera texto</li> <li>Te devuelve texto</li> <li>Fin.</li> </ul> <p>Un <strong>agente</strong> es un sistema con memoria y herramientas:</p> <ul> <li>Recibe un input (o lo busca automáticamente)</li> <li>Decide qué herramientas necesita usar</li> <li>Ejecuta acciones outside del LLM</li> <li>Mantiene estado entre interacciones</li> <li>Aprende del resultado</li> </ul> <h2> La Diferencia Práctica </h2> <div class="highlight js-code-highlight"> <pre class="highlight plaintext"><code>Chatbot: "Escríbeme un email a Juan" → Te devuelve texto → Tú lo copias → Tú lo pegas → Tú lo envías Agente: "Contacta a todos los leads que no respondieron" → Lee la lista → Genera mensajes personalizados → Envía → Registra respuestas → Agenda follow-up → Sin ti. </code></pre> </div> <h2> Los 4 Componentes de Un Agente </h2> <h3> 1. Percepción </h3> <p>Recibe información de múltiples fuentes:</p> <ul> <li>APIs externas</li> <li>Bases de datos</li> <li>Archivos subidos</li> <li>webhooks</li> <li>Conversaciones previas</li> </ul> <h3> 2. Razonamiento </h3> <p>El LLM orquesta las decisiones, pero no es el único cerebro. Decide:</p> <ul> <li>Qué información necesita</li> <li>Qué herramientas usar</li> <li>Cuándo actuar</li> <li>Cuándo pausar (human-in-the-loop)</li> </ul> <h3> 3. Acción </h3> <p>Ejecuta cosas en el mundo real:<br> </p> <div class="highlight js-code-highlight"> <pre class="highlight python"><code><span class="c1"># Esto es tool calling </span><span class="n">agent</span><span class="p">.</span><span class="nf">call_tool</span><span class="p">(</span><span class="sh">"</span><span class="s">send_email</span><span class="sh">"</span><span class="p">,</span> <span class="p">{</span> <span class="sh">"</span><span class="s">to</span><span class="sh">"</span><span class="p">:</span> <span class="n">lead</span><span class="p">[</span><span class="sh">"</span><span class="s">email</span><span class="sh">"</span><span class="p">],</span> <span class="sh">"</span><span class="s">subject</span><span class="sh">"</span><span class="p">:</span> <span class="sh">"</span><span class="s">Seguimiento</span><span class="sh">"</span><span class="p">,</span> <span class="sh">"</span><span class="s">body</span><span class="sh">"</span><span class="p">:</span> <span class="n">personalized_message</span> <span class="p">})</span> </code></pre> </div> <h3> 4. Memoria y Estado </h3> <p>Mantiene contexto entre ejecuciones:</p> <ul> <li>Qué hizo la última vez</li> <li>Qué funcionó vs qué no</li> <li>Preferencias del usuario</li> <li>Progreso del workflow</li> </ul> <h2> El Error Más Común </h2> <blockquote> <p>"Construí un agente de AI."</p> </blockquote> <p>Nope. Construiste un chatbot con mejor prompt.</p> <p>Un agente real tiene <strong>tool calling</strong>, <strong>estado persistente</strong> y <strong>ejecución outside del LLM</strong>. Si solo está generando texto, es un chatbot sofisticado, no un agente.</p> <h2> Un Ejemplo Concreto </h2> <p><strong>El chatbot de soporte:</strong></p> <ul> <li>"Cuéntame qué problema tienes"</li> <li>"Te ayudo con eso"</li> <li>Fin.</li> </ul> <p><strong>El agente de soporte:</strong></p> <ol> <li>Recibe el mensaje</li> <li>Consulta tu base de conocimiento</li> <li>Revisa el historial del cliente</li> <li>Genera una respuesta personalizada</li> <li>Si no sabe, crea un ticket en tu sistema</li> <li>Notifica al humano pertinente</li> <li>Registra la interacción para mejorar</li> </ol> <h2> Cómo Empezar </h2> <p>La forma más simple de convertir un chatbot en un agente:<br> </p> <div class="highlight js-code-highlight"> <pre class="highlight python"><code><span class="c1"># Antes (chatbot) </span><span class="n">response</span> <span class="o">=</span> <span class="n">llm</span><span class="p">.</span><span class="nf">chat</span><span class="p">(</span><span class="sh">"</span><span class="s">envía un email</span><span class="sh">"</span><span class="p">)</span> <span class="c1"># Después (agente) </span><span class="k">if</span> <span class="nf">should_send_email</span><span class="p">(</span><span class="n">analysis</span><span class="p">):</span> <span class="n">result</span> <span class="o">=</span> <span class="n">agent</span><span class="p">.</span><span class="nf">call_tool</span><span class="p">(</span><span class="sh">"</span><span class="s">send_email</span><span class="sh">"</span><span class="p">,</span> <span class="p">{</span> <span class="sh">"</span><span class="s">to</span><span class="sh">"</span><span class="p">:</span> <span class="n">email</span><span class="p">,</span> <span class="sh">"</span><span class="s">subject</span><span class="sh">"</span><span class="p">:</span> <span class="n">subject</span><span class="p">,</span> <span class="sh">"</span><span class="s">body</span><span class="sh">"</span><span class="p">:</span> <span class="n">llm</span><span class="p">.</span><span class="nf">generate</span><span class="p">(</span><span class="n">body_context</span><span class="p">)</span> <span class="p">})</span> <span class="n">agent</span><span class="p">.</span><span class="nf">update_memory</span><span class="p">(</span><span class="sh">"</span><span class="s">email_sent</span><span class="sh">"</span><span class="p">,</span> <span class="n">result</span><span class="p">)</span> </code></pre> </div> <p>La diferencia: ahora tu código <strong>decide</strong> y <strong>actúa</strong>. El LLM solo ayuda a generar el contenido.</p> <h2> Conclusión </h2> <p>Si tu "agente" solo responde preguntas, tienes un chatbot. Si puede:</p> <ul> <li>Tomar acciones outside del chat</li> <li>Mantener estado</li> <li>Llamar herramientas reales</li> <li>Iterar basándose en resultados</li> </ul> <p>...entonces sí tienes un agente.</p> <p><em>Estoy documentando mi aprendizaje en IA. Si estás explorando agentes de AI, happy to chat.</em></p> <p><strong>#AIAgents #LLMs #ToolCalling #SoftwareEngineering</strong></p> ai programming webdev agents