El lanzamiento de abril se centra en un objetivo práctico: facilitar la inspección y depuración del desarrollo de Agentes de IA.
Si estás construyendo agentes, el problema no suele estar solo en la respuesta final. También necesitas entender qué ocurrió antes: qué interpretó el agente, qué herramienta llamó, qué devolvió esa herramienta y si el fallo estuvo en el prompt, en la configuración del modelo o en la lógica de negocio.
Este mes, Apidog añade nuevas herramientas para ese flujo de trabajo: Depurador de Agentes de IA, Depurador A2A, importación de API de Postman para migraciones grandes, una mejor experiencia de “Preguntar a la IA” en documentos publicados y soporte para proveedores de modelos personalizados.
Esto es lo que cambió 👇
⭐ Nuevas Actualizaciones
🔥 Depurador de Agentes de IA: inspecciona la ejecución completa del agente
Apidog ya soportaba depuración visual para endpoints SSE, útil para respuestas en streaming, actualizaciones de progreso, notificaciones en tiempo real y otras APIs basadas en eventos.
Pero depurar agentes requiere más que ver una transmisión.
Una respuesta del modelo solo muestra dónde terminó el agente. Para depurar un sistema real, necesitas ver los pasos intermedios:
- Turnos de conversación.
- Llamadas al modelo.
- Llamadas a herramientas MCP.
- Ejecución de Habilidades personalizadas.
- Resultados devueltos por herramientas.
- Salida final.
El nuevo Depurador de Agentes de IA está diseñado para inspeccionar esa ruta de ejecución dentro de Apidog.
En lugar de revisar únicamente la respuesta final, puedes seguir la ejecución completa del agente en un solo lugar. Esto ayuda a responder preguntas concretas de depuración:
- ¿El prompt dio suficiente contexto al modelo?
- ¿El agente eligió la herramienta correcta?
- ¿La herramienta MCP devolvió el resultado esperado?
- ¿El error viene de la configuración del modelo?
- ¿El problema está en los parámetros de la herramienta?
- ¿La lógica de negocio produjo una salida incorrecta?
Un flujo típico de depuración puede verse así:
Usuario
↓
Prompt del agente
↓
Llamada al modelo
↓
Selección de herramienta
↓
Llamada MCP o Habilidad personalizada
↓
Resultado de herramienta
↓
Respuesta final
Con el depurador, el objetivo es no tratar ese flujo como una caja negra. Puedes revisar cada paso y localizar en qué punto se desvió el comportamiento esperado.
🤝 Depurador A2A: prueba la comunicación agente-a-agente
Los sistemas multiagente son cada vez más comunes. Cuando varios agentes colaboran, necesitas validar que puedan:
- Pasar tareas correctamente.
- Intercambiar mensajes.
- Recibir parámetros válidos.
- Devolver resultados interpretables.
- Manejar respuestas entre agentes sin romper el flujo.
Apidog ahora soporta depuración para el protocolo A2A de Google, es decir, Agent-to-Agent.
Desde Apidog puedes enviar solicitudes A2A directamente, inspeccionar los parámetros de solicitud, revisar respuestas y validar el resultado de la interacción. Esto evita tener que alternar entre herramientas separadas o revisar manualmente los detalles del protocolo durante cada prueba.
La diferencia entre las dos nuevas herramientas es directa:
| Herramienta | Qué depura |
|---|---|
| Depurador de Agentes de IA | Lo que ocurre dentro de un agente durante una tarea |
| Depurador A2A | La comunicación entre un agente y otro agente |
En la práctica, si estás construyendo agentes para producción, probablemente necesitarás ambas capacidades: una para entender el comportamiento interno y otra para validar la colaboración entre agentes.
📦 Importa datos de Postman a través de la API de Postman
La migración desde Postman ahora tiene una opción más cómoda para equipos grandes.
Apidog ya soportaba la importación de archivos locales de Postman. Ahora también puedes importar:
- Workspaces.
- Collections.
- Environments.
Todo esto puede hacerse a través de la API de Postman.
Este flujo está pensado para migraciones masivas al crear nuevos proyectos. En lugar de exportar archivos locales uno por uno, puedes mover una estructura más completa desde Postman hacia Apidog.
Si tu cuenta de Postman tiene varios Workspaces, Apidog creará proyectos correspondientes después de la importación.
Para migraciones pequeñas, los archivos locales siguen siendo una opción válida. Para migraciones grandes, la importación mediante API reduce pasos repetitivos como:
- Exportar colecciones manualmente.
- Descargar entornos.
- Subir archivos uno por uno.
- Reorganizar proyectos después de la importación.
Un flujo de migración más práctico sería:
Postman Workspace
↓
API de Postman
↓
Importación en Apidog
↓
Proyecto correspondiente en Apidog
Esto hace que el proceso sea más manejable cuando el equipo trabaja con múltiples espacios, colecciones y entornos.
📄 “Preguntar a la IA” en documentos publicados ahora se abre en la barra lateral
La función “Preguntar a la IA” en documentación publicada ahora se abre en una barra lateral.
Esto mejora el flujo de lectura de documentación técnica porque puedes mantener la página actual abierta mientras haces preguntas sobre su contenido.
Por ejemplo, puedes:
- Leer un endpoint en la documentación publicada.
- Abrir “Preguntar a la IA” en la barra lateral.
- Consultar detalles sobre parámetros, respuestas o uso esperado.
- Seguir leyendo sin perder tu posición en la página.
El cambio es pequeño a nivel de interfaz, pero útil en documentos largos. Evita alternar entre vistas y reduce el tiempo necesario para encontrar información específica dentro de una página extensa.
🧠 Proveedores de modelos de IA personalizados
Los equipos ahora pueden conectar proveedores personalizados usando una URL Base personalizada.
Esto resulta útil si tu organización ya trabaja con:
- Un servicio de modelo autoalojado.
- Una pasarela interna de modelos.
- Una configuración corporativa específica para IA.
En lugar de cambiar de herramienta cada vez que necesitas depurar un flujo relacionado con IA, puedes integrar esa configuración en Apidog y mantener el flujo de trabajo en el mismo entorno.
Un caso típico sería:
Apidog
↓
URL Base personalizada
↓
Proveedor de modelo interno o autoalojado
↓
Respuesta del modelo
Esto da más flexibilidad a los equipos que no dependen exclusivamente de proveedores públicos o que necesitan trabajar con infraestructura interna.
🐞 Corrección de errores y pequeñas mejoras
También se lanzaron varias correcciones y mejoras de calidad de vida este mes:
- Se corrigió un problema donde la fusión inteligente de OpenAPI no mantenía los ejemplos de respuesta del endpoint.
- Se corrigió un problema donde la fusión de una rama secundaria a una rama principal protegida podía incluir endpoints que no estaban seleccionados.
- Se corrigió la visualización incorrecta del desplegable al crear versiones de endpoints desde ramas.
- Se corrigió un problema donde TestData y TestCases no funcionaban al ejecutar pruebas a través de la CLI.
- Se corrigió un problema donde la exportación de OpenAPI incluía componentes de respuesta de módulos no relacionados.
- Se corrigió el formato de exportación de Markdown para JSON con comentarios.
- Se corrigió un error de exportación de Word causado por
crypto is not defined. - Se corrigió un problema donde la importación de Knife4j con Basic Auth habilitado no mostraba los campos de nombre de usuario y contraseña.
- Se corrigió un error de filtrado de endpoints cuando las etiquetas eran números.
- Se corrigió un problema donde
apidog endpoint list --branchno devolvía datos para la rama especificada. - Se corrigieron varios problemas de parámetros, filtrado y mensajes de error de la herramienta MCP.
- Se corrigió un problema donde el código generado no incluía la opción de configuración
typescriptThreePlus.
🌟 Qué significa esto para equipos que construyen agentes
Este lanzamiento está orientado a flujos de trabajo reales de desarrollo de Agentes de IA.
En resumen:
- Usa el Depurador de Agentes de IA para inspeccionar una ejecución completa de un agente.
- Usa el Depurador A2A para validar comunicación entre agentes.
- Usa la importación mediante API de Postman para migraciones grandes.
- Usa la barra lateral de “Preguntar a la IA” para consultar documentación publicada sin perder contexto.
- Usa proveedores de modelos personalizados si tu equipo trabaja con modelos internos o autoalojados.
No son cambios pensados solo para demos. Son herramientas útiles cuando el desarrollo de agentes pasa a proyectos más complejos, donde necesitas trazabilidad, migración ordenada y depuración más precisa.
💬 Únete a la conversación
Conéctate con otros ingenieros de API y el equipo de Apidog:
- Únete a nuestra comunidad de Discord para discusiones y soporte en tiempo real.
- Participa en nuestra comunidad de Slack para conversaciones técnicas.
- Síguenos en X (Twitter) para las últimas actualizaciones.
P.D. Para todos los detalles sobre las actualizaciones, consulta el Changelog de Apidog.
Saludos cordiales,
El equipo de Apidog
Top comments (0)