Anatomía de un loop agéntico
Un agente no es un prompt — es un loop que razona, llama tools, observa y repite hasta poder responder. Acá está ese loop, corriendo en vivo.
Un chatbot toma un mensaje y devuelve una respuesta. Un agente hace algo fundamentalmente distinto: corre un loop. Razona sobre qué hacer, toma una acción — casi siempre una llamada a una tool —, observa el resultado y decide si ya terminó o necesita dar otra vuelta.
Ese loop es todo el juego. Todo lo que Thaliq construye vive debajo de él. Así que en vez de describirlo, dale a Reproducir y mira una corrida:
Hit Play or Step to watch the agent think.
Razona → Actúa → Observa → repite
Cada vuelta del loop tiene la misma forma:
- Razona — el modelo decide qué debe pasar. A veces es “ya puedo responder”. Muchas veces es “necesito más información”.
- Actúa — el modelo llama una tool: un endpoint HTTP, una consulta a la base, un servidor MCP. Acá es donde el agente toca el mundo real.
- Observa — el resultado de la tool vuelve al contexto, y el modelo razona de nuevo.
El loop sigue hasta que el modelo tiene lo suficiente para responder. Dos llamadas a tools o diez, la forma nunca cambia — que es justo por lo que puede ser infraestructura.
Las tools son cómo el agente hace algo real
Un modelo solo puede producir texto. Dale check_order, create_ticket o un servidor MCP de Google Sheets, y podrá buscar cosas y ejecutar acciones. En el demo de arriba, el agente no sabe dónde está el pedido #1234 — llama una tool para averiguarlo y luego responde desde el resultado. Sin números de seguimiento inventados.
Cuándo el loop debe frenar y preguntarle a un humano
Mira el segundo escenario (Reembolso + HITL). El agente llega a un punto donde podría actuar — pero el reembolso supera el límite de auto-aprobación. Entonces el loop se pausa y pide aprobación human-in-the-loop en vez de apretar el botón.
Eso no es una limitación; es el diseño. Autonomía donde es seguro, un checkpoint humano donde no. El loop es donde se aplica esa regla.
Por qué esto es infraestructura, no un prompt
Correr un loop en un notebook es fácil. Correr millones, en producción, no. El loop necesita:
- Streaming para que el usuario vea los tokens y las tool calls en tiempo real.
- Memoria durable para que una conversación sobreviva a un redeploy.
- Reintentos, timeouts y cancelación para tools que fallan o se cuelgan.
- Guardrails y HITL cableados en cada vuelta.
- Usage facts — tokens de entrada, tokens de salida — para ver el costo por agente.
Esa es la parte que nadie quiere reconstruir. Y es lo que Thaliq es: el loop, las tools, la memoria y los guardrails, como infraestructura — agnóstica del modelo, así traes tu propio LLM, y desplegable en nuestra nube o en la tuya.
El loop es simple. Hacerlo confiable es el trabajo. Ese trabajo ya lo hicimos.