Un agente basado en LLM es un sistema que pone un modelo de lenguaje dentro de un bucle: el modelo decide qué hacer, un programa lo ejecuta y el resultado vuelve al modelo como texto. Alammar y Grootendorst (2024) lo definen como un sistema que usa un modelo de lenguaje para determinar qué acciones tomar y en qué orden, con dos componentes nuevos: herramientas para hacer lo que el modelo no puede hacer solo, y un plan que decide cuándo usarlas (2024, p. 218). Un LLM es poco confiable multiplicando números largos; con una calculadora al alcance, el problema cambia de naturaleza.
Cómo funciona
El patrón canónico es ReAct (reasoning and acting): el modelo escribe un pensamiento
(«tengo que buscar X»), luego una acción en un formato que un programa sabe interpretar
(search[X]), y recibe una observación (el resultado de la búsqueda), que se agrega a su
ventana de contexto antes del paso siguiente (Yao et al., 2023). En el artículo
original las acciones eran tres (buscar una entrada de Wikipedia, buscar una cadena dentro de
ella y terminar con una respuesta) y el núcleo era PaLM-540B, con entre uno y seis ejemplos
en el prompt. Consultar Wikipedia redujo las alucinaciones frente a la
cadena de pensamiento pura, y en dos entornos interactivos (ALFWorld y
WebShop) ReAct superó a métodos de imitación y de refuerzo por 34 y
10 puntos de éxito (Yao et al., 2023, secs. 3–4). Alammar y Grootendorst (2024) muestran el mismo bucle con una
plantilla de LangChain, un buscador y una calculadora (2024, pp. 219–223).
El otro ingrediente es el uso de herramientas. Toolformer aprendió, en forma autosupervisada y con apenas unas demostraciones por herramienta, cuándo llamar a una calculadora, un sistema de preguntas y respuestas, buscadores, un traductor o un calendario (Schick et al., 2023). En junio de 2023 OpenAI agregó function calling a su API: el modelo emite un JSON con los argumentos de una función que describió el programador, y el programa la ejecuta. En noviembre de 2024 Anthropic propuso el Model Context Protocol para estandarizar la conexión con herramientas y datos, y en 2025 se volvieron comunes los agentes de programación, como Claude Code o Codex, que leen un repositorio, editan archivos, corren pruebas y hacen commits desde la terminal.
Qué cambió
Frente a ChatGPT (InstructGPT), el modelo puede ser el mismo: lo nuevo es el andamiaje. Frente a Generación aumentada por recuperación (RAG), la recuperación deja de ser un paso fijo previo a la generación y pasa a ser una herramienta que el modelo decide usar o no. Millière y Buckner (2024b) describen el resultado como sistemas neurosimbólicos híbridos que usan el lenguaje o el código como interfaz universal entre componentes conexionistas y simbólicos (2024b, sec. 3.1.2). Santelli (2026) lo dice así: cuando usamos ChatGPT o Claude Code no interactuamos con un LLM puro sino con un sistema neurosimbólico complejo, aunque el «procesador» del centro sea cultivado y no construido.
Límites
Los errores se acumulan. AutoGPT, uno de los primeros agentes autónomos populares (marzo de 2023, sobre GPT-4), tendía a quedar atrapado en bucles. Y como nadie mira los pasos intermedios, el diseño tiene que prever cómo verificarlos, por ejemplo pidiendo al agente las fuentes de lo que encontró (Alammar y Grootendorst, 2024, p. 223). Todo texto que el agente lee (una página, un correo) puede contener instrucciones: la inyección de prompts es el jailbreak de la era agéntica. Las estadísticas de esta entrada corresponden a un núcleo de frontera; la generalidad mide al sistema completo.