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

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

Pero el verdadero valor de Opencode va más allá de la asistencia en codificación. Al ser código abierto, puedes inspeccionar 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 es importante.

Tools: cómo interactúan los agentes con el mundo

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

• El conjunto de herramientas que proporcionas determina el límite de capacidades del agente
• Las herramientas son la interfaz entre el modelo de lenguaje y el entorno externo
• Por mi experiencia, dar demasiadas herramientas a un agente resulta contraproducente: dedica más tiempo a decidir qué herramienta usar que a ejecutar realmente

El principio de diseño es sencillo: un agente sin herramientas es solo un chatbot. Un agente con las herramientas adecuadas se convierte en un trabajador autónomo.

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

AGENTS.md es un formato de archivo que proporciona contexto y restricciones específicas del proyecto a un agente. Piensa en ello como un README escrito para la IA en lugar de para humanos.

• Contiene directivas como “nunca modificar código sin tests” o “seguir esta estructura de carpetas”
• El estándar AGENTS.md ya está adoptado por más de 60.000 proyectos de código abierto
• Las reglas moldean la toma de decisiones del agente sin cambiar el modelo subyacente

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 considerable.

Agents (subagentes): divide y vencerás

Las tareas complejas se benefician de dividirse entre varios agentes especializados en lugar de ser gestionadas por un solo generalista.

• Puedes definir agentes por rol: Build, Plan, Review, Debug, etc.
• Un agente principal crea el plan; los subagentes ejecutan los pasos individuales
• Cada subagente opera 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 coherente para bases de datos, sistemas de archivos, API y otras integraciones
• En lugar de escribir adaptadores personalizados para cada servicio, MCP ofrece a los agentes una forma unificada de acceder al exterior
• Cabe esperar 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 a herramientas externas. MCP hace que esas conexiones sean portables y componibles.

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

El Language Server Protocol fue diseñado originalmente para IDEs, pero resulta igualmente valioso para los agentes de IA que necesitan navegar por bases de código.

• LSP proporciona ir a definición, buscar referencias, autocompletado y diagnósticos
• En Opencode, la integración de LSP todavía es experimental, pero mejora significativamente la precisión de la navegación por el código
• En lugar de depender exclusivamente 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 diferente 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 vacío.

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

Ambos están en fases tempranas, pero representan los cimientos de los sistemas multiagente donde agentes de diferentes proveedores y frameworks trabajan juntos de forma fluida. La analogía es el 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 única unidad instalable. Introducido inicialmente por Anthropic, este formato está ahora 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 son compartibles 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.

Conclusión

Construir agentes de IA eficaces no consiste en conocer todas las herramientas disponibles. Se trata de comprender la arquitectura: cómo piensan los agentes, cómo se conectan con el mundo exterior y cómo colaboran entre sí.

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 es 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 comprender la arquitectura de agentes en serio, la documentación de Opencode merece una lectura.