
Todos llegan a la misma arquitectura
Chase empieza con una observación: parece que todo el mundo está convergiendo en la misma arquitectura de agente. Un modelo de lenguaje que funciona en bucle, llama a herramientas y se ejecuta dentro de un entorno aislado (un sandbox), para que lo que ejecuta no rompa nada fuera.
El patrón no es nuevo. Claude Code, que él señala como quizá la primera manifestación famosa de esta arquitectura, salió hace más de año y medio. Deep Agents, el arnés de agentes de LangChain, se lanzó hace más de un año. La idea lleva tiempo asentándose.
Que todos converjan no es malo en sí. Pero, según cuenta, ha creado una sensación entre algunos ingenieros con los que ha hablado: que «todos los problemas difíciles están resueltos», que ya no quedan problemas nuevos de ingeniería de IA. Construir agentes se habría vuelto aburrido.
Lo que ya está más o menos resuelto
Para Chase, quien dice esto habla sobre todo de la ingeniería de contexto: todo lo que hacemos para que el modelo tenga delante la información justa en cada paso. Y en parte tiene razón: hay un puñado de soluciones «casi estándar» a las que hemos llegado todos. Él enumera seis:
- Resumir los hilos largos cuando ya no caben en la ventana de contexto: lo antiguo se resume y el agente sigue trabajando con ese resumen.
- Sacar fuera los resultados grandes de las herramientas: si una llamada devuelve miles de líneas, se guardan en un archivo y el modelo solo ve una referencia y un adelanto.
- Skills, para revelar la información poco a poco: el agente ve el nombre y una línea de cada habilidad, y carga las instrucciones completas solo cuando las necesita.
- Búsqueda de herramientas cuando hay muchísimas: en vez de pasárselas todas, se le da un buscador para encontrar las que necesita.
- Subagentes para aislar el contexto: el principal encarga una tarea a otro agente, que trabaja con su propia ventana limpia y solo devuelve el resultado.
- Bash como herramienta principal: en vez de una función a medida para cada cosa, el agente escribe comandos en una terminal.
Ojo con el matiz: Chase no dice que estén resueltas del todo. Las llama soluciones «casi estándar» y, en su figura, la columna se titula Mostly solved, «más o menos resuelto». Al lado dibuja otra columna, Wide open, con seis retos que siguen completamente abiertos.
El salto: agentes proactivos y siempre encendidos
La buena noticia, para alguien a quien le gusta la ingeniería de contexto como a él, es que cree que estamos viendo un salto en lo que pueden hacer los agentes, o al menos en cómo se usan. En los últimos meses, todos los constructores de agentes con los que ha hablado están pensando en lo mismo: agentes proactivos, siempre encendidos y orientados a objetivos.
Por dentro se parecen mucho a los agentes de programación, pero traen retos nuevos. Y aquí Chase es claro: ni en LangChain ni en el resto del sector hay todavía soluciones para ellos, o al menos soluciones generales. Dice que pensar en esto es lo más divertido que ha hecho en mucho tiempo. Estos son los seis.
1. Proactivo sin ser pesado
Estos agentes trabajan en segundo plano. O escuchan un flujo de eventos (correos, mensajes que llegan…) o se despiertan cada cierto tiempo con un latido, un heartbeat, para ver si hay algo que hacer.
El problema está en cuándo hablarte. Por un lado, tienen que poder avisarte por su cuenta: eso es lo que da la sensación de que te ayudan. Por otro, si te mandan demasiadas notificaciones, te saturan. Calibrarlo para que sea una experiencia agradable, ni mucho ni poco, sigue siendo para Chase un reto difícil de ingeniería de contexto.
2. Memoria: qué recordar
Según Chase, los sistemas de memoria de los agentes acaban teniendo dos partes:
- La estructura de datos de abajo, que suele ser sencilla: unos archivos, o incluso un único texto.
- Una capa de inteligencia alrededor, que es un agente.
Lo difícil está en esa capa, y sobre todo en decidir qué recordar. Igual que con los avisos, es fácil pasarse por cualquiera de los dos extremos: no recordar nada, o guardar detalles demasiado granulares. Y como quien decide qué guardar suele ser a su vez un agente sencillo, la ingeniería de contexto sobre qué apuntar y cuándo sigue siendo un problema abierto.
3. Trabajo asíncrono
Los agentes funcionan cada vez durante más tiempo, y hablan con herramientas y con otros agentes que también tardan cada vez más. Pero casi siempre quieres que el agente principal, el que habla contigo, siga respondiendo a tus mensajes nuevos.
Juntando las dos cosas se llega a una arquitectura en la que cada vez más trabajo se hace en herramientas asíncronas y subagentes: el principal lanza una tarea, sigue a lo suyo y, en algún momento, el resultado vuelve. Y ahí aparecen las preguntas:
- ¿Cómo avisas al agente principal de que ese trabajo ha terminado?
- ¿Qué haces si el principal todavía está ejecutándose, o si ya había acabado?
- ¿Y si está en pausa, esperando a que una persona apruebe algo?
4. Perseguir objetivos
Los agentes están pasando de hacer tareas a trabajar hacia metas; Chase pone como ejemplo a Hone. La pregunta es cómo diseñar agentes que partan una meta en pasos más pequeños, hagan experimentos, reciban respuesta y sigan iterando hacia algo más grande. Lo que cuesta, según él:
- Que prueben experimentos nuevos en busca de la meta, en vez de repetir lo mismo.
- Que piensen en objetivos amplios, y no solo en tareas pequeñas.
- Que se mantengan coherentes durante horizontes de tiempo largos.
5. Alineación
Muy ligado al anterior. Diseñar un objetivo ya es difícil por sí solo, y Chase cree que a los usuarios les va a costar mucho diseñar objetivos en los que el agente no pueda hacer trampa. Si un agente optimiza una meta a ciegas, puede que la cumpla, pero por caminos que no somos capaces de prever.
Su ejemplo es el clásico (un caso ilustrativo de lo que se llama specification gaming, no algo que cuente que haya pasado): le pides «elimina todos los bugs del código» y el agente borra el código entero. Sin código, no hay bugs. Objetivo cumplido.
La pregunta que deja: cómo diseñar un arnés que mantenga al agente centrado en sus metas, pero sin que las optimice de más.
6. El navegador
Para los agentes de programación, la herramienta más importante era bash, que les deja ejecutar código. Para muchos de estos agentes de propósito general, según Chase, esa herramienta está pasando a ser el navegador. Y manejar un navegador es mucho más complicado que manejar una terminal.
¿El agente interactúa con imágenes de la página (capturas de pantalla) o con el DOM, el árbol de elementos? Las dos cosas son objetos grandes, así que ¿cómo gestionas el contexto con eso? Y, como él dice, esas son solo algunas de las preguntas que aparecen.
En resumen
Chase reconoce que hace unos meses quizá habría estado de acuerdo en que no quedaban muchas preguntas abiertas en ingeniería de contexto. Pero con los agentes proactivos y siempre encendidos aparece un conjunto entero de retos nuevos: avisar sin agobiar, decidir qué recordar, coordinar el trabajo asíncrono, perseguir objetivos, que no hagan trampas y manejar el navegador. Ninguno tiene todavía una solución general. Como él lo cierra: «qué momento para estar vivo».
La arquitectura de agentes ha convergido, pero los agentes proactivos han abierto seis problemas nuevos de contexto.
¿Cuál de estos retos te parece más difícil?
Fuentes
- «New context engineering challenges in late 2026», de Harrison Chase (artículo en X, 31 de octubre de 2026; en inglés).
- El vídeo, en mis canales: español e inglés.