7 bloques fundamentales del diseño de agentes de IA, desde la documentación de Opencode

Opencode se está convirtiendo rápidamente en la segunda herramienta de codificación con IA más comentada después de Claude Code. En Corea, su adopción se aceleró gracias a Oh-my-opencode, y las comunidades de desarrolladores de todo el mundo le están poniendo atención.

Pero el verdadero valor de Opencode va más allá de la asistencia en codificación. Al ser código abierto, puedes revisar exactamente cómo está diseñado el agente - desde el registro de herramientas hasta la orquestación de subagentes. Los proyectos de código abierto se benefician de las contribuciones de desarrolladores de toda la comunidad, lo que significa que la documentación refleja el pensamiento más actual en arquitectura de agentes.

La sección Configure de la documentación de Opencode se lee como un manual introductorio de diseño de agentes. Estos son los siete bloques fundamentales que presenta y por qué cada uno importa.

Tools: cómo los agentes interactúan con el mundo

Los Tools definen lo que un agente puede hacer. Cada herramienta es una capacidad individual - leer un archivo, escribir un archivo, ejecutar un comando en la terminal, buscar en la web - registrada como una función que se puede llamar.

• El conjunto de herramientas que le das determina el alcance de lo que el agente puede hacer
• Las herramientas son la interfaz entre el modelo de lenguaje y el entorno externo
• Por experiencia propia, darle demasiadas herramientas a un agente resulta contraproducente: pasa más tiempo decidiendo cuál usar que ejecutando

El principio de diseño es directo: un agente sin herramientas es nada más un chatbot. Un agente con las herramientas correctas se convierte en un trabajador autónomo.

Rules (AGENTS.md): lineamientos de comportamiento para los agentes

AGENTS.md es un formato de archivo que le da al agente contexto y restricciones específicas del proyecto. Piénsalo como un README escrito para la IA en vez de para humanos.

• Contiene directivas como “nunca modificar código sin pruebas” o “seguir esta estructura de carpetas”
• El estándar AGENTS.md ya lo adoptaron más de 60,000 proyectos de código abierto
• Las reglas moldean la toma de decisiones del agente sin cambiar el modelo base

Sin reglas, un agente aplica su entrenamiento general a tu proyecto específico. Con reglas, aplica las convenciones, restricciones y preferencias de tu proyecto. La diferencia es notable.

Agents (subagentes): divide y vencerás

Las tareas complejas se benefician de dividirse entre varios agentes especializados en lugar de dejarlas en manos de uno solo generalista.

• Puedes definir agentes por rol: Build, Plan, Review, Debug, y demás
• Un agente principal arma el plan; los subagentes ejecutan los pasos individuales
• Cada subagente trabaja con un contexto enfocado, lo que reduce el ruido y la deriva de las sesiones largas con un solo agente

Es el mismo principio de los microservicios aplicado a los flujos de trabajo de IA. La especialización mejora la calidad y el aislamiento previene la contaminación del contexto.

MCP (Model Context Protocol): un estándar para las conexiones externas

El Model Context Protocol es un protocolo abierto creado por Anthropic que estandariza la forma en que los agentes se conectan a fuentes de datos y servicios externos.

• Proporciona una interfaz consistente para bases de datos, sistemas de archivos, APIs y otras integraciones
• En lugar de escribir adaptadores a la medida para cada servicio, MCP le da a los agentes una forma unificada de acceder al exterior
• Se espera un ecosistema creciente de aplicaciones de servicios construidas sobre la capa MCP

MCP resuelve un problema real de interoperabilidad. Antes, cada framework de agentes inventaba su propia forma de conectarse con herramientas externas. MCP hace que esas conexiones sean portables y componibles.

LSP (Language Server Protocol): la base para entender el código

El Language Server Protocol se diseñó originalmente para IDEs, pero resulta igual de valioso para los agentes de IA que necesitan navegar por bases de código.

• LSP proporciona ir a la definición, buscar referencias, autocompletado y diagnósticos
• En Opencode, la integración de LSP todavía es experimental, pero mejora bastante la precisión de la navegación por el código
• En lugar de depender solo de la búsqueda de texto, los agentes pueden usar LSP para entender semánticamente la estructura del código

Un agente que puede seguir una llamada a función hasta su definición, rastrear todas las referencias y entender las jerarquías de tipos opera a un nivel fundamentalmente distinto de uno que solo hace coincidencia de patrones en cadenas de texto.

A2A y ACP: estándares para la comunicación entre agentes

Cuando los agentes están construidos con diferentes frameworks, necesitan un protocolo compartido para colaborar. Dos estándares están surgiendo para llenar este hueco.

• A2A (Agent-to-Agent): creado por Google y donado a la Linux Foundation. Define cómo los agentes se descubren entre sí, negocian capacidades e intercambian mensajes
• ACP (Agent Communication Protocol): desarrollado por el equipo de BeeAI y recientemente integrado al esfuerzo de A2A

Ambos están en etapas tempranas, pero representan los cimientos de los sistemas multiagente donde agentes de diferentes proveedores y frameworks trabajan juntos sin fricciones. La analogía es HTTP para la web - una capa de transporte compartida que hace todo interoperable.

Skills: paquetes de capacidades reutilizables

Los Agent Skills empaquetan herramientas, reglas y prompts en una sola unidad instalable. Introducido inicialmente por Anthropic, este formato ya está estandarizado.

• Un agente carga un skill cuando necesita una capacidad específica, como revisión de código, flujo de trabajo TDD o análisis de seguridad
• Los skills se pueden compartir entre proyectos y equipos, creando un ecosistema de comportamientos de agentes reutilizables
• Esto señala un cambio de consumir documentación a consumir skills: en lugar de leer cómo hacer algo, instalas la capacidad de hacerlo

Los skills son a los agentes lo que los paquetes son a las aplicaciones. Modularizan la experiencia y la hacen distribuible.

Para cerrar

Construir agentes de IA efectivos no se trata de conocer todas las herramientas disponibles. Se trata de entender la arquitectura: cómo piensan los agentes, cómo se conectan con el mundo exterior y cómo colaboran entre ellos.

Estos siete bloques fundamentales - Tools, Rules, subagentes, MCP, LSP, A2A/ACP y Skills - forman el vocabulario estructural del diseño de agentes. Cada uno aborda una preocupación distinta, y juntos definen cómo se ve un sistema de agentes bien diseñado.

Al ser Opencode de código abierto, su documentación evoluciona con las contribuciones de la comunidad de desarrolladores. Si te interesa entender de verdad la arquitectura de agentes, la documentación de Opencode vale la pena leerla.