Cómo Funciona — Pipeline de Agentes IA, Herramientas, RAG y Guardrails | AI Agent Builder
Cómo funciona

Cómo funciona

AI Agent Builder orquesta cada conversación a través de un pipeline configurable con conocimiento, herramientas, guardrails, memoria y observabilidad completa.

Pipeline

Pipeline

Cada mensaje del usuario recorre un pipeline de pasos configurables. Podés habilitar, deshabilitar y reordenar los pasos desde el panel de admin — sin código.

Contexto
Historial + memoria
→
Conocimiento
Búsqueda de docs
→
Guardrail
Checks de seguridad
→
Herramientas
APIs, MCP y webhooks
→
Imagen
DALL-E, Gemini
→
Respuesta
Respuesta final
→
Memoria
Guardar hechos
→
Resumen
Comprimir historial
Entrada / SalidaProcesamientoSeguridadPersistencia

Vista simplificada de un pipeline típico. El workflow real es un grafo dirigido — los agentes pueden incluir ramificación condicional, clasificación de intención, loops y llamadas a sub-agentes.

Herramientas

El agente puede llamar herramientas externas via OpenAPI, MCP o webhooks. OpenAPI conecta APIs existentes, MCP encapsula herramientas y agentes, y los webhooks ejecutan workflows operativos.

Agente
ReAct loop
tool_router selecciona y ejecuta la herramienta correcta
OpenAPI REST
  • Spec OAS 3.x autodescubierta
  • Parámetros generados por el LLM
  • Filtros CEL en query string
  • Ideal para APIs existentes
MCP
  • Model Context Protocol
  • tools/list + tools/call
  • Lógica de negocio encapsulada
  • Agentes de terceros como tools
Webhooks
  • Endpoints HTTP como tools
  • Body, query, path y headers tipados
  • Auth: API keys, bearer, context tokens
  • Ideal para automatizaciones rápidas
Cuándo usar OpenAPI

La API ya existe y tiene spec. Los params son simples. Se quiere integrar sin código extra.

Cuándo usar MCP

Se necesita encapsular lógica. Tipado rico. Conectar herramientas de terceros del ecosistema MCP.

Cuándo usar webhooks

Querés disparar una automatización o notificar un sistema externo sin construir una integración completa.

Guardrails

Checks de seguridad configurables que se ejecutan antes o después de que el agente responda. Protegen contra contenido dañino, fugas de datos y conversaciones fuera de tema — todo sin código custom.

Mensaje del usuario
→
Pre-check
→
Agente
LLM + tools
→
Respuesta al usuario
Checks sobre el mensaje del usuario (antes del agente)
Defensa contra prompt injection

Detecta intentos de manipular el comportamiento del agente mediante inputs crafteados. Protege la integridad de las instrucciones de tu agente.

Alcance temático

Mantiene al agente enfocado en tu dominio de negocio. Si un usuario pregunta algo fuera de alcance, el agente redirige amablemente.

Moderación de contenido

Detecta y bloquea contenido dañino, violento o inapropiado en el mensaje del usuario antes de que el agente lo procese.

Detección de PII

Identifica datos personales como emails, teléfonos y documentos en el input del usuario. Puede redactar o bloquear el mensaje antes de que llegue al agente.

Reglas de negocio custom

Definí tus propias reglas en lenguaje natural. El guardrail evalúa cada mensaje contra tus políticas — sin código.

Todos los checks son configurables por agente desde el panel de admin — sin código.

Conocimiento

El agente puede buscar en tus documentos internos antes de responder. Esto ancla las respuestas en información real y reduce las alucinaciones.

Ingesta de documentos
Documento
divide
→
Chunks
vectoriza
→
Embeddings
almacena
→
Vector Store (Qdrant / pgvector)
Consulta del usuario
Mensaje del usuario
vectoriza
→
Embedding de consulta
cosine similarity
→
Búsqueda semántica
→
→
Top-K chunks
inserta
→
Contexto en prompt
→
→
LLM

La búsqueda semántica compara el vector de la consulta con todos los vectors almacenados usando similitud coseno. Los K chunks más similares se incluyen en el prompt del LLM.

Memoria

AI Agent Builder mantiene dos niveles de memoria para cada conversación — para que el agente recuerde contexto dentro de una sesión y entre sesiones.

Memoria de sesión

Resumen comprimido de la conversación actual. Se regenera cuando el historial supera el límite.

Alcance: sesión activa
Trigger: cantidad de mensajes / tokens
←Paso de contexto lee resumen→
Agente
←Paso de contexto lee memorias→
Memoria de largo plazo

Hechos, preferencias y notas operacionales que persisten entre sesiones.

Alcance: por organización + agente + cliente
Escritura: paso de memoria extrae hechos con IA
escribePaso de resumen escribe resumen
escribePaso de memoria persiste hechos

Flujo

Armá workflows que se adaptan a cada conversación. Ruteá por reglas o por intención clasificada con IA, iterá hasta cumplir una condición, y pausá para que decida una persona cuando hace falta.

Llega mensaje del usuario
↓
Punto de decisión
Basado en reglas o clasificación con IA
Consulta comercial
↓
Workflow comercial
Soporte técnico
↓
Workflow de soporte
Fuera de tema
↓
Redirigir amablemente
↘
↓
Continuar pipeline
DecisiónCamino de workflowDetener / redirigir

Automatización

Ejecutá workflows sin consumir tokens de LLM. Llamá APIs, transformá datos y respondé con lógica determinística — disparados por requests REST o schedules cron. El mismo editor visual, la misma observabilidad, cero costo de IA por ejecución.

Workflow disparado por REST
Trigger HTTP
POST /api/rest/:tenant/:agent
↓
Código (JavaScript)
Transformar, validar, computar
↓
Llamada directa a tool
Llamada a API sin razonamiento LLM
↓
Respuesta HTTP
Status, headers y body custom
Ejecución programada
Trigger cron
Todos los días a las 09:00
↓
Leer estado persistente
Contadores, config, último sync
↓
Llamada directa a tool
Obtener datos de API externa
↓
Código → transformar resultados
Procesar, agregar, guardar estado
Trigger HTTPEjecución de códigoLlamada directa a toolRespuestaTrigger programado
Cero tokens LLM consumidos — ejecución determinística

Orquestación

Orquestá múltiples agentes dentro de una misma conversación. Delegá tareas a sub-agentes especializados usando el nodo agent, integrá agentes de terceros via MCP como herramientas (patrón agent-as-tool), agrupá pasos relacionados en unidades reutilizables, o agregá procesamiento flexible de IA en cualquier punto del workflow.

Delegación a sub-agentes
Workflow del agente principal
↓
Agente de facturación
Maneja facturas
Agente de envíos
Rastrea pedidos
↓
Resultados combinados → continuar
Agent-as-tool (MCP)
Tool router (ReAct loop)
↓
API Facturación
OpenAPI
Agente sentimiento
MCP
Agente CRM
MCP
Agentes de terceros expuestos via MCP se invocan como herramientas junto a APIs directas — todo en el mismo turno
Grupos de pasos con loops
Procesar cada ítem
Loop habilitado
Validar ítem
→
Aplicar reglas de negocio
→
Generar respuesta
Se repite para cada ítem hasta que todos estén procesados

Harness del agente

Describís qué tiene que hacer el agente y la plataforma compila el loop por vos: planificación, ejecución paso a paso, verificación y manejo de contexto incluidos. Es el trabajo que a la mayoría de los equipos le lleva meses afinar, y acá no dibujás un solo nodo para tenerlo.

Vos escribís
Instrucciones, alcance, conocimiento y herramientas
↓
La plataforma compila
Un loop de planificar–ejecutar–verificar
Pipeline compilado
Planificador
Divide el pedido en pasos atómicos numerados
↓
Loop del agente
Se repite hasta terminar
Ejecutor de paso
Toma el siguiente paso del plan
↓
Llamada a herramienta
API, MCP o sub-agente
Razonamiento
Analiza lo que ya se reunió
↓
Verificador
¿El plan está completo?
↻ Falta — siguiente paso
↓
Sintetizador de respuesta
Convierte los resultados acumulados en una sola respuesta clara
Presupuesto de contexto — se aplica entre vueltas
Recortar
Los resultados de herramientas más grandes se acotan
Resumir
Las iteraciones viejas se colapsan en resúmenes cortos
Conservar lo reciente
Las últimas vueltas quedan intactas
El loop se detiene cuando
El verificador dice que el plan está completoAlcanza el límite de iteraciones que definisteDeja de avanzarLos pasos fallan repetidamente

Observabilidad

Visibilidad completa de cada conversación. Vé qué pasó en cada paso, rastreá costos por tenant, recolectá scores de feedback de usuarios y analizá tendencias de calidad — con timeline integrado e integración opcional con Langfuse para analytics avanzados.

Timeline de ejecución
tiempo →
Ensamblado de contexto
Búsqueda de conocimiento
Check de guardrail
Ejecución de herramientas
→ Llamada API: get_customer
→ Llamada API: get_balance
Generación de respuesta
Extracción de memoria
2.3s
Duración total
1,847
Tokens usados
2
Llamadas a tools
6
Pasos ejecutados