El sistema completo para crear AI Agents profesionales con ADK que ya usan las empresas líderes
Hay una frase que escucho mucho últimamente:
“Queremos un agente.”
Pero en el 90% de los casos lo que realmente están diciendo es:
“Queremos magia.”
Sí, todo el mundo quiere un agente. Un chatbot listo, un asistente autónomo, un pack de agentes colaborando como si fueran un pequeño ejército digital trabajando día y noche.
El problema es que muy poca gente sabe realmente cómo se construye uno. Y mucho menos uno que funcione en producción, sea estable, utilice memoria, se conecte a bases de datos, se integre con herramientas y no se descontrole.
Y aquí aparece ADK de Google (Agent Development Kit) Un kit que es un sistema completo que ya están usando compañías como Box o BioCorteX para procesos críticos. Un sistema diseñado para que puedas construir agentes que piensen, actúen, recuerden, colaboren y escalen.
Pero antes de contarte cómo se construye un agente, déjame decirte esto:
Los agentes funcionan. Pero sólo si los construyes bien.
Porque un agente mal diseñado es como un becario sin instrucciones: hace cosas, sí, pero no las que necesitas.
El error número uno al construir agentes:
Elegir el tipo equivocado. Existen tres tipos principales de agentes ():
LlmAgents — Los cerebritos.
Razonan.
Deciden qué hacer.
Llaman herramientas.
Conversan.
Son ideales para tareas abiertas, ambiguas, creativas o que requieren juicio.
Workflow Agents (Sequential, Parallel, Loop) Los operarios disciplinados.
Ejecutan pasos definidos.
No improvisan.
No se confunden.
Hacen lo que dicen las reglas.
Perfectos para pipelines, procesos empresariales y tareas obligatoriamente estructuradas.
Custom Agents. Los especialistas quirúrgicos.
Cuando necesitas un comportamiento muy específico, con reglas duras, o un flujo determinista programado a mano.
¿Por qué importa esto?
Porque si intentas que un LLM haga lo que debería hacer un workflow, te vas a encontrar con:
Desviaciones.
Decisiones raras.
Resultados inconsistentes.
Y si intentas que un workflow se comporte como un LLM, tendrás:
Rigidez.
Falta de adaptabilidad.
Elegir bien ahorra dolores de cabeza.
El ReAct Loop: el corazón del razonamiento
ADK implementa de forma nativa el ciclo ReAct (Reasoning → Action → Observation → Repeat)
Esto permite que el agente:
Piense qué debe hacer.
Use una herramienta o delegue en otro agente.
Observe el resultado.
Decida el siguiente paso.
Esta estructura convierte un LlmAgent en algo más parecido a un mini-operador inteligente que analiza, decide y actúa en ciclos sucesivos.
Las herramientas: el músculo del agente
Una herramienta debe tener:
Firma clara
Docstring precisa
Tipado obligatorio
Retorno siempre en diccionario
Posibilidad de estado compartido (ToolContext)
¿Por qué esto es clave?
Porque si tu herramienta está mal definida, tu agente la usará mal.
Ejemplo realista:
def buscar_usuario(user_id: str) -> dict:
“”“Devuelve datos del usuario.”“”
Eso es insuficiente. El modelo no sabrá cuándo usarla ni por qué.
Debe ser más así:
def buscar_usuario(user_id: str) -> dict:
“”“
Busca información verificada del usuario según su ID.
Úsala cuando necesites contexto antes de clasificar, priorizar o analizar un reporte.
Retorna un diccionario con status y los campos encontrados.
“”“
Cada palabra guía al agente.
ADK añade un detalle poderoso: Toolsets
Permite agrupar herramientas relacionadas en un módulo cohesivo, como:
BigQueryToolset.
MCPToolset.
VertexAISearchToolset.
… y más.
Esto facilita crear agentes que interactúan con:
Bases de datos.
Sistemas internos.
Documentos.
APIs.
Otros agentes.
Y esto nos lleva al siguiente punto
Interoperabilidad: MCP y A2A
ADK permite:
Consumir herramientas MCP.
Exponer tus herramientas como MCP.
Conectarte con otros agentes mediante A2A.
Esto convierte tus agentes en ciudadanos dentro de un ecosistema distribuido.
El Agente perfecto en 8 pasos:
PASO 1. Define su identidad:
Un agente sin identidad es un agente sin contexto.
Necesitas:
name
description
instructions
modelo (ej: gemini-2.5-flash)
PASO 2. Crea instrucciones maestras:
La instrucción es EL prompt.
Debe incluir:
Quién es el agente.
Qué hace.
Cómo piensa.
Cuándo usa herramientas
Formato final obligatorio
Ejemplos (few-shot)
Necesitas su Identidad conversacional.
Plantilla:
Eres un agente experto en {dominio}.
Tu tarea principal es {objetivo}.
Siempre sigue estos pasos:
1. Analiza el input.
2. Decide si necesitas una herramienta.
3. Si la usas, explica por qué.
4. Devuelve la respuesta final en formato {x}.
PASO 3. Selecciona y diseña herramientas:
Checklist:
Nombre único.
Tipado en parámetros.
Docstring que indique cuándo usarla.
Retorno estándar
{”status”: “success/error”, ...}Sin solapamientos con otras herramientas.
PASO 4. Diseña el workflow:
Puedes elegir entre:
Sequential para procesos rígidos.
Parallel para optimizar tiempos.
Loop para iterar hasta cumplir condiciones.
PASO 5. Memoria:
ADK se integra con:
Firestore.
Cloud SQL.
Vertex AI Memory Bank (distilled memory)
PASO 6. Evaluación:
El documento insiste en evaluación del razonamiento y del resultado final.
PASO 7. Despliegue:
Opciones: Cloud Run, GKE o el recomendado: Vertex AI Agent Engine (autoescalado, memoria, ejemplo store)
PASO 8. Gobernanza:
Para gestionar muchos agentes, usa Gemini Enterprise.
FRAMEWORK PRINCIPAL “4 PASOS PARA UN AGENTE IMBATIBLE”
1. Especifica (qué es y qué no es)
La claridad reduce errores. Un agente que sabe exactamente para qué nació, rinde más.
2. Instrumenta (herramientas y workflows)
Define herramientas como si tuvieras que explicarle la empresa a un niño de 5 años.
3. Evalúa (razonamiento + salida)
No lances un agente sin:
pruebas de estrés,
casos límite,
auditoría de outputs.
4. Escala (memoria + despliegue + gobernanza)
Memoria = humanidad.
Gobernanza = control.
Despliegue = impacto.
Si has llegado hasta aquí, ya lo sabes, crear agentes no es magia, pero tampoco es un infierno. Es un sistema. Y ahora lo tienes.
Puedes aplicar todo esto desde hoy:
Diseñar tu primer agente con instrucciones claras.
Crear herramientas bien definidas.
Elegir el workflow correcto.
Conectar tus datos empresariales.
Desplegarlo en Vertex AI Agent Engine.