Construí un agente de IA desde cero, así es como.

¡Hola, agente en formación! Emma aquí de agent101.net, y hoy vamos a abordar una pregunta que ha estado sonando en mis DMs más de lo habitual últimamente: “Está bien, Emma, entiendo el alboroto, pero ¿cómo realmente *construyo* uno de estos agentes de IA de los que la gente sigue hablando? Es decir, desde cero, sin necesidad de un doctorado en informática?”

Créeme, he estado allí. No hace mucho tiempo, la idea de un agente de IA parecía algo sacado de una película de ciencia ficción: genial, futurista, pero completamente fuera del alcance de una persona normal como yo, que solo quiere automatizar algunas tareas molestas o construir algo genuinamente útil. Pero adivina qué: no es así. La barrera de entrada ha disminuido drásticamente, y con un poco de orientación (y tal vez algunas sesiones de café a altas horas de la noche, si eres como yo), absolutamente puedes construir tu primer agente de IA. Y eso es lo que vamos a hacer hoy.

Olvídate de los resúmenes genéricos. Vamos a profundizar en los detalles prácticos de construir un tipo específico de agente de IA: un agente simple y orientado a tareas que puede interactuar con una API web para obtener información. Piensa en ello como tu buscador de datos personal, pero con cerebro (uno pequeño, por ahora). Específicamente, vamos a construir un agente que pueda obtener el clima actual para una ciudad dada usando una API de clima gratuita. ¿Por qué clima? Porque es un caso de uso común y fácil de entender con APIs disponibles, perfecto para nuestro viaje de principiantes.

Mi Primer Momento “¡Eureka!” con Agentes

Recuerdo mi propio momento de “¡eureka!”. No era un gran proyecto; era intentar automatizar el proceso de averiguar si mi cafetería favorita estaba abierta en un día festivo. Revisar manualmente su sitio web, luego su Instagram, luego su listado en Google Maps parecía un esfuerzo monumental. Pensé, “*Tiene* que haber una mejor manera.” Fue entonces cuando comencé a experimentar con scripting básico y, eventualmente, me topé con el mundo de los agentes de IA. La idea de un software autónomo que pudiera *entender* mi intención (“¿Está abierto Coffee Oasis?”) y *actuar* en consecuencia (revisar múltiples fuentes, sintetizar la información, darme la respuesta) fue asombroso. Es un cambio fundamental de simplemente escribir un script a tener un programa que pueda razonar y decidir.

Así que, vamos a replicar esa sensación, incluso si nuestro primer agente es un poco más simple. Nuestro objetivo es entender los componentes básicos, no construir Skynet.

¿Qué Queremos Decir con “Agente de IA” Aquí?

Antes de zambullirnos en el código, aclaremos. Cuando hablo de un “agente de IA para principiantes”, me refiero a un programa que:

• **Percibe:** Toma entrada (como tu solicitud, “¿Cuál es el clima en Londres?”).
• **Piensa/Razona (simplemente):** Procesa esa entrada para entender qué se necesita hacer.
• **Actúa:** Realiza una acción basada en su razonamiento (como llamar a una API del clima).
• **Aprende (opcional para este proyecto de principiantes, pero importante para el futuro):** Podría almacenar o adaptarse en función de interacciones pasadas.

Para nuestro agente de clima, la parte de “pensar” será básica: identificar el nombre de la ciudad. La parte de “actuar” será hacer una solicitud a la API. ¡Simple pero efectivo!

Las Herramientas que Necesitaremos (¡No Te Asustes, Son Gratis!)

No necesitas software caro y elegante. Aquí está nuestro conjunto de herramientas mínimo:

• **Python:** Nuestro lenguaje de programación elegido. Es amigable para principiantes y tiene excelentes bibliotecas para todo lo que necesitamos. Asegúrate de tener Python 3 instalado.
• **Un editor de texto:** VS Code, Sublime Text, Atom, o incluso Notepad++ funcionarán.
• **Requests library:** Una biblioteca de Python para hacer solicitudes HTTP (así es como hablaremos con la API del clima).
• **Una clave de API de clima gratuita:** Usaremos OpenWeatherMap porque es muy fácil comenzar con ella.

Consiguiendo Tu Clave de API de OpenWeatherMap

Esto es crucial. Ve a la página de API de OpenWeatherMap. Necesitarás crear una cuenta gratuita. Una vez que inicies sesión, navega a la pestaña “claves de API”. Allí verás tu clave de API predeterminada. Copíala; la necesitaremos pronto.

**Consejo profesional:** Las claves de API son como contraseñas. ¡No las compartas públicamente! Y para proyectos reales, las almacenarías en variables de entorno, no directamente en tu código. Pero para este tutorial para principiantes, ponerla directamente en el script por un momento está bien para aprender, siempre que entiendas las implicaciones de seguridad.

Paso a Paso: Construyendo Nuestro Agente de Clima

¡De acuerdo, pongámonos manos a la obra!

1. Configura Tu Proyecto

Crea una nueva carpeta para tu proyecto, digamos `my_weather_agent`. Dentro de esa carpeta, crea un nuevo archivo Python, como `weather_agent.py`.

Abre tu terminal o símbolo del sistema, navega a tu carpeta de proyecto, e instala la biblioteca `requests`:

pip install requests

2. Los Componentes Básicos: ¡Funciones!

Nuestro agente necesitará algunas funciones clave:

• Una para obtener los datos del clima de la API.
• Una para procesar la entrada del usuario.
• Una para juntar todo.

3. Escribiendo la Función de Interacción con la API

Esta función tomará un nombre de ciudad y tu clave de API, luego hará la solicitud a OpenWeatherMap y devolverá los datos en crudo.

import requests

# --- IMPORTANTE: Reemplaza con tu clave de API real ---
API_KEY = "TU_CLAVE_API_DE_OPENWEATHERMAP" 
BASE_URL = "http://api.openweathermap.org/data/2.5/weather"

def get_weather_data(city_name):
 """
 Obtiene datos crudos del clima para una ciudad dada desde OpenWeatherMap.
 """
 params = {
 "q": city_name,
 "appid": API_KEY,
 "units": "metric" # Puedes cambiar a "imperial" para Fahrenheit
 }
 try:
 response = requests.get(BASE_URL, params=params)
 response.raise_for_status() # Lanza un HTTPError para respuestas malas (4xx o 5xx)
 return response.json()
 except requests.exceptions.HTTPError as errh:
 print(f"Error HTTP: {errh}")
 return None
 except requests.exceptions.ConnectionError as errc:
 print(f"Error de Conexión: {errc}")
 return None
 except requests.exceptions.Timeout as errt:
 print(f"Error de Tiempo de Espera: {errt}")
 return None
 except requests.exceptions.RequestException as err:
 print(f"Ocurrió un error inesperado: {err}")
 return None

**Recuerda reemplazar `TU_CLAVE_API_DE_OPENWEATHERMAP` con la clave real que copiaste.**

4. Procesando y Mostrando el Clima

Los datos JSON en crudo de la API pueden ser un poco abrumadores. Vamos a crear una función para extraer los bits útiles y presentarlos de manera apropiada.

def display_weather(weather_data):
 """
 Analiza y muestra información meteorológica relevante.
 """
 if weather_data and weather_data.get("cod") == 200: # Verifica si la solicitud fue exitosa
 city = weather_data["name"]
 country = weather_data["sys"]["country"]
 temp = weather_data["main"]["temp"]
 feels_like = weather_data["main"]["feels_like"]
 description = weather_data["weather"][0]["description"]
 humidity = weather_data["main"]["humidity"]
 wind_speed = weather_data["wind"]["speed"]

 print(f"\n--- Clima en {city}, {country} ---")
 print(f"Temperatura: {temp}°C (se siente como {feels_like}°C)")
 print(f"Condiciones: {description.capitalize()}")
 print(f"Humedad: {humidity}%")
 print(f"Velocidad del viento: {wind_speed} m/s")
 print("-------------------------------\n")
 elif weather_data and weather_data.get("cod") == "404":
 print(f"Lo siento, no se pudo encontrar el clima para esa ciudad. Por favor, verifica la ortografía.")
 else:
 print("No se pudo recuperar la información del clima. Por favor, intenta nuevamente más tarde.")

5. El “Cerebro” del Agente: Juntándolo Todo

Aquí es donde entra nuestro bucle simple del agente. Pedirá al usuario, llamará a nuestras funciones y seguirá hasta que el usuario decida salir.

def run_weather_agent():
 """
 Bucle principal para nuestro simple agente meteorológico.
 """
 print("¡Bienvenido a tu simple Agente Meteorológico!")
 print("Escribe 'quit' o 'exit' para detenerte en cualquier momento.")

 while True:
 user_input = input("Ingresa un nombre de ciudad para obtener el clima: ").strip()

 if user_input.lower() in ["quit", "exit"]:
 print("¡Adiós! ¡Mantente informado sobre el clima!")
 break

 if not user_input:
 print("Por favor, ingresa un nombre de ciudad.")
 continue

 print(f"Obteniendo el clima para {user_input}...")
 weather_data = get_weather_data(user_input)
 display_weather(weather_data)

6. ¡Ejecutando Tu Agente!

Finalmente, necesitamos llamar a nuestra función `run_weather_agent()` para dar inicio. Agrega esta línea al final de tu archivo `weather_agent.py`:

if __name__ == "__main__":
 run_weather_agent()

Ahora, guarda tu archivo y ejecútalo desde tu terminal:

python weather_agent.py

¡Deberías ver un aviso pidiéndote un nombre de ciudad! Prueba con “Londres”, “Tokio”, “Nueva York”, o incluso un error tipográfico para ver cómo manejamos los errores. Esto es todo: ¡tu primer agente de IA, realizando una tarea de manera autónoma!

Más Allá de lo Básico: Cómo Esto se Conecta con Agentes Más Complejos

Podrías estar pensando, “Está bien, Emma, esto es genial, pero no es exactamente Jarvis, ¿verdad?” ¡Y tendrías razón! Pero este simple agente de clima demuestra el bucle fundamental que incluso los agentes de IA más complejos siguen:

• **Percepción:** Nuestro agente percibe tu entrada (el nombre de la ciudad). En agentes más avanzados, esto podría ser interpretar lenguaje natural, leer datos de sensores o analizar vastos conjuntos de datos.
• **Razonamiento/Planificación:** El “razonamiento” de nuestro agente es simple: “Si obtengo un nombre de ciudad, llamo a la API del clima.” Agentes más complejos utilizan modelos sofisticados (como grandes modelos de lenguaje – LLMs) para comprender la intención, descomponer tareas complejas en subtareas y elegir herramientas adecuadas.
• **Acción:** La acción de nuestro agente es hacer una solicitud HTTP a una API. Los agentes avanzados podrían interactuar con bases de datos, enviar correos electrónicos, controlar robots o generar contenido creativo.
• **Retroalimentación/Aprendizaje (implícito aquí):** Si el nombre de la ciudad es incorrecto, nuestra función `display_weather` proporciona retroalimentación. En agentes avanzados, este ciclo de retroalimentación es explícito, permitiendo que el agente refine sus estrategias o aprenda nuevas habilidades con el tiempo.

Mi propio viaje comenzó con estos pequeños scripts funcionales. Solo después de entender cómo conectar estos bloques de construcción pude empezar a imaginar proyectos más ambiciosos. ¡Este agente del clima es tu primer paso en ese camino!

Conclusiones Prácticas para Tu Trayectoria con Agentes

Así que, has construido tu primer agente. ¿Qué sigue?

1. **¡Experimenta!** Cambia el parámetro `units` en `get_weather_data` a “imperial”. Agrega más detalles del clima a la visualización. ¿Qué pasa si intentas obtener el clima de una ciudad que no existe?
2. **Explora Otras APIs:** ¡La web está llena de APIs gratuitas! Piensa en un agente simple que obtenga información de películas de OMDB, titulares de noticias de NewsAPI, o incluso chistes de papá de una API de chistes. Cada nueva API es una nueva “herramienta” que tu agente puede aprender a usar.
3. **Piensa en la Intención:** Nuestro agente solo entiende “nombre de ciudad.” ¿Cómo lo modificarías para entender algo como “¿Cómo está el clima para mi viaje a París la próxima semana?” Aquí es donde entra el análisis de lenguaje natural y la integración con un LLM: un gran salto, pero uno que puedes empezar a conceptualizar ahora.
4. **El Manejo de Errores es tu Amigo:** ¿Notas todos esos bloques `try…except`? Son vitales. Los sistemas del mundo real fallan, y un buen agente anticipa esos fallos y los maneja con elegancia.
5. **No Te Temas a Romper Cosas:** En serio, así es como aprendes. Cambia algo, ve qué pasa, corrígelo. Enjuaga y repite.

Construir agentes de IA puede parecer abrumador al principio, pero al comenzar con proyectos prácticos y pequeños como este agente del clima, estás sentando una base sólida. Estás aprendiendo el ciclo fundamental de percibir-razonar-actuar que subyace en todos los sistemas inteligentes. Y créeme, una vez que logres que ese primer agente funcione, comenzarás a ver posibilidades en todas partes. ¡Feliz construcción de agentes!

🕒 Published: March 25, 2026