🏗️ De QA Bot a Task Agent: Una Guía de Arquitectura

TL;DR: Deja de construir chatbots que solo responden preguntas. Comienza a construir agentes de tareas que realmente hagan el trabajo.

Esta guía explica el cambio arquitectónico de bots QA monolíticos a Agentes de Tareas utilizando Reglas Estáticas, Habilidades Dinámicas y Ganchos Deterministas, con ejemplos de código concretos y referencias de código abierto.

Ilustración de una arquitectura de sistema de agente de tareas mostrando la interacción entre diferentes componentes.

1. El Cambio Central: QA Bot → Task Agent

La mayoría de los sistemas de IA hoy en día son todavía bots QA llenos de contexto:

• Responden preguntas bien

• Alucinan bajo presión

• Carecen de garantías sobre ejecución, seguridad y consistencia

💡 La clave: No escales el contexto. Estructúralo.

2. La Arquitectura de Tres Capas

🧱 1. Contexto Estático — Reglas (Siempre Activas)

•Modelo mental: Manual del empleado
•Siempre cargado
•Define identidad, estándares de codificación, restricciones de comportamiento
•Previene alucinaciones y desviaciones de estilo
•Pequeño, estable, editable por humanos

🛠️ 2. Contexto Dinámico — Habilidades (Bajo Demanda)

•Modelo mental: Caja de herramientas
•Cargado solo cuando es necesario
•Cada habilidad es una capacidad autónoma
•Mantiene la ventana de contexto limpia

⚓ 3. Ganchos Deterministas — Barandillas

•Modelo mental: Capa de Seguridad + Cumplimiento
•No probabilístico
•Se ejecuta antes / después del razonamiento LLM
•Aplica reglas que nunca deben fallar

3. Estructura de Proyecto Recomendada

my-task-agent/
├── .cursorrules
├── main.py
├── tools/
│   └── linear_mcp.py
└── README.md

4. Ejemplo de Contexto Estático: .cursorrules

# ROL
Eres un Ingeniero Python Senior enfocado en sistemas de calidad de producción.

# REGLAS
- NUNCA uses print() para depuración
- SIEMPRE indica tipos en las funciones
- Propón un plan si tocas más de 3 archivos

# COMPORTAMIENTO
- Sé conciso
- Haz preguntas aclaratorias si es necesario

Referencia: https://github.com/PatrickJS/awesome-cursorrules

5. Ejemplo de Habilidad Dinámica (MCP)

from mcp.server.fastmcp import FastMCP

mcp = FastMCP("DevTools")

@mcp.tool()
def create_linear_ticket(title: str, priority: str = "low") -> str:
    ticket_id = f"LIN-{hash(title) % 10000}"
    return f"Creado ticket {ticket_id} con prioridad={priority}"

if __name__ == "__main__":
    mcp.run()

Referencia: https://github.com/modelcontextprotocol/python-sdk

6. Ejemplo de Gancho Determinista

def compliance_check_hook(state):
    user_input = state["messages"][-1].content.lower()
    if "password" in user_input or "api_key" in user_input:
        return {"error": "Violación de seguridad detectada"}
    return agent_node(state)

Referencia: https://langchain-ai.github.io/langgraph/

Si tu agente solo responde preguntas, es un chatbot. Si ejecuta trabajo de manera confiable, es un Agente de Tareas.