--- title: "Los 5 componentes de un agente de IA explicados" description: "Un agente de IA consta de cinco componentes clave: un núcleo LLM que actúa como motor de razonamiento, memoria (a corto y largo plazo), herramientas (API, servidores MCP, sandbox de código), un pla…" locale: "es" canonical: "https://blckalpaca.at/es/base-de-conocimiento/agentes-de-ia/que-son-los-agentes-de-ia/los-5-componentes-de-un-agente-de-ia-explicados" category: "Agentes de IA" topic: "¿Qué son los agentes de IA?" updated: "2026-10-28T13:10:20.261Z" source: "Blck Alpaca e.U., blckalpaca.at" --- # Los 5 componentes de un agente de IA explicados Un agente de IA consta de cinco componentes clave: un núcleo LLM que actúa como motor de razonamiento, memoria (a corto y largo plazo), herramientas (API, servidores MCP, sandbox de código), un planificador que descompone el objetivo y un ejecutor que realiza las llamadas a herramientas y aplica los guardrails. Estos componentes trabajan en un bucle iterativo (Perceive, Reason, Act, Observe) para perseguir de forma autónoma un objetivo definido. ## De un vistazo - Un agente de IA completo reúne cinco componentes: núcleo LLM, memoria, herramientas, planificador y ejecutor. Si falta alguno, normalmente se trata de un chatbot, un workflow o un asistente. - El núcleo LLM es el motor de razonamiento: decide de forma dinámica el siguiente paso y qué herramienta usar, sin que ningún código determinista asuma el control principal. - El bucle Perceive→Reason→Act→Observe (base conceptual: ReAct, Yao et al. 2022) es el principio de funcionamiento que conecta de forma iterativa los cinco componentes hasta que se alcance el objetivo o se interrumpa el proceso. - La memoria distingue entre corto plazo (contexto de la conversación) y largo plazo (vectores/RAG/archivos); las herramientas van desde function calls y API hasta servidores MCP y sandbox de código. - Los niveles de madurez L1–L5 van del bot reflejo basado en reglas al sistema multiagente coordinado; la autonomía real empieza en L4, cuando el LLM controla de forma dinámica el orden de los pasos y la elección de herramientas. - El ejecutor gestiona los turnos, los límites del bucle y los guardrails, incluido el human-in-the-loop en acciones irreversibles, algo relevante para el cumplimiento normativo en Europa. ## ¿Cuáles son los componentes de un agente de IA? Un [agente de IA](https://blckalpaca.at/es/glosario/agente-de-ia-ai-agent) es un sistema de software basado en un modelo de lenguaje (grande) que persigue de forma autónoma un objetivo definido: percibe su entorno, planifica en varios pasos, elige y usa por su cuenta herramientas externas, observa los resultados y ajusta su plan de forma iterativa. Técnicamente, esta capacidad se basa en cinco componentes clave que interactúan en un ciclo fijo. Los tres puntos más importantes, de entrada: - **Los cinco componentes son imprescindibles.** Núcleo LLM, memoria, herramientas, planificador y ejecutor tienen que funcionar juntos. Si falta alguno, por lo general se trata de un [chatbot](https://blckalpaca.at/es/glosario/chatbot), un workflow o un asistente/copiloto, no de un [agente](https://blckalpaca.at/es/glosario/agente). - **Quien manda es el [LLM](https://blckalpaca.at/es/glosario/llm), no el código.** El orden de los pasos y la elección de herramientas surgen de forma dinámica en tiempo de ejecución. Eso es justo lo que distingue a un agente de un pipeline determinista. - **El bucle lo mantiene todo unido.** Perceive → Reason → Act → Observe es el principio de funcionamiento que conecta los componentes y se recorre de forma iterativa hasta que se alcance el objetivo o se interrumpa el proceso. ## Los 5 componentes clave en detalle **1. Núcleo LLM (motor de razonamiento).** El modelo de lenguaje es el cerebro del agente. Interpreta el objetivo, planifica el siguiente paso y decide mediante [function calling](https://blckalpaca.at/es/base-de-conocimiento/agentes-de-ia/que-son-los-agentes-de-ia/tool-calling-como-usan-herramientas-los-agentes-de-ia) qué herramienta se invoca. Anthropic traza aquí una distinción clara: en los *agentes*, el LLM dirige de forma dinámica el camino y el uso de herramientas; en los *workflows*, se ejecutan rutas de código predefinidas. **2. Memoria.** Los agentes necesitan memoria en dos niveles. La **memoria a corto plazo** es el contexto de la conversación en la ejecución actual (qué pasos se han dado ya, qué resultados hay disponibles). La **memoria a largo plazo** se implementa normalmente con [bases de datos vectoriales](https://blckalpaca.at/es/base-de-conocimiento/agentes-de-ia/sistemas-rag-en-ia-explicados/pinecone-vs-weaviate-vs-qdrant-comparativa-de-hosting-en-la-ue), [RAG](https://blckalpaca.at/es/glosario/rag) o archivos y aporta conocimiento más allá de cada sesión. **3. Herramientas.** Las herramientas son las manos del agente, su interfaz con el mundo exterior. Incluyen function calls, [API](https://blckalpaca.at/es/glosario/api) REST, accesos a bases de datos, un navegador, un sandbox de código y, cada vez más, [**servidores MCP**](https://blckalpaca.at/es/base-de-conocimiento/agentes-de-ia/model-context-protocol-mcp/code-execution-con-mcp-eficiencia-de-tokens-para-agentes-complejos) (Model Context Protocol). Solo gracias a las herramientas un agente puede actuar de verdad, más allá de generar texto. **4. Planificador.** El planificador descompone el objetivo general en pasos parciales. Lo hace de forma *implícita* en el LLM (el propio modelo decide el orden) o de forma *explícita* como grafo o máquina de estados, tal como permiten frameworks como [LangGraph](https://blckalpaca.at/es/base-de-conocimiento/agentes-de-ia/arquitecturas-de-agentes-de-ia-vision-general/plan-and-execute-cuando-la-planificacion-se-separa-de-la-ejecucion). **5. Ejecutor.** El ejecutor realiza las llamadas a herramientas que elige el LLM, gestiona cada turno y aplica límites de seguridad: límites del bucle para evitar bucles infinitos, guardrails y, en acciones irreversibles, human-in-the-loop. Es el componente que hace que la autonomía sea controlable. ## El bucle de razonamiento: Perceive → Reason → Act → Observe Los cinco componentes solo despliegan su efecto en el ciclo: 1. **Perceive**: el agente recoge la entrada, el objetivo, el contexto y la memoria. 2. **Reason**: el núcleo LLM planifica: ¿qué paso y qué herramienta vienen a continuación? 3. **Act**: el ejecutor lleva a cabo la llamada a la herramienta, la llamada a la API o el código. 4. **Observe**: el resultado se lee y se guarda en la memoria. Después, el agente comprueba: ¿se ha alcanzado el objetivo? Si no, vuelve a *Perceive*. La base conceptual de este bucle es el **paradigma ReAct** (Yao et al. 2022), que entrelaza razonamiento y acción. ## Ejemplo concreto: agente de investigación Un empleado le encarga a un agente: «Encuentra los tres mayores competidores en el mercado DACH (Alemania, Austria y Suiza) y resume sus modelos de precios». *Perceive*: el agente lee el encargo. *Reason*: el núcleo LLM decide empezar con una búsqueda web. *Act*: el ejecutor llama a la herramienta de búsqueda. *Observe*: los resultados van a la memoria. El LLM detecta que faltan páginas de detalle, en el siguiente turno llama a una herramienta de navegador, extrae los precios, los guarda en la memoria y al final redacta el resumen. Nadie programó de antemano el orden de los pasos; el LLM lo determinó en tiempo de ejecución. Esa es justo la diferencia con un workflow rígido. ## Niveles de madurez L1–L5: del reflejo al sistema multiagente No todos los sistemas «agénticos» son igual de autónomos. Una escala de madurez de cinco niveles ayuda a clasificarlos: | Nivel | Tipo | Características | Ejemplo | | --- | --- | --- | --- | | **L1** | Reflejo | Basado en reglas, sin control por LLM | Bot de preguntas frecuentes | | **L2** | LLM aumentado | LLM + una única llamada a herramienta, reactivo | LLM con función de búsqueda | | **L3** | Agente de workflow | LLM en un pipeline determinista ([prompt](https://blckalpaca.at/es/glosario/prompt) chaining, routing) | Flujo de tickets clasificados | | **L4** | Agente autónomo | El LLM controla el orden + la elección de herramientas de forma dinámica, bucle completo | Claude Code, Deep Research | | **L5** | Sistema multiagente | Varios agentes autónomos se coordinan vía A2A (orquestador + especialistas) | Equipos coordinados de especialistas | Lo decisivo: la autonomía real orientada a objetivos empieza en **L4**. En L1–L3, el camino está definido de antemano total o parcialmente. En esos casos, un workflow o un asistente suele ser la opción más honesta y más barata. En L5, varios agentes se coordinan mediante el **protocolo A2A** (en la Linux Foundation desde junio de 2025, más de 150 organizaciones), lo que conlleva riesgos adicionales como los errores en cascada. ## Nivel de madurez y realidad del mercado La arquitectura suena potente, pero escalarla sigue siendo exigente. Según [**McKinsey State of AI 2025**](https://www.mckinsey.com/capabilities/quantumblack/our-insights/the-state-of-ai), el 23 % de los encuestados afirma que su empresa escala al menos un sistema de [IA agéntica](https://blckalpaca.at/es/glosario/ia-agentica). Otro 39 % habla de primeros experimentos con agentes. En ninguna función empresarial supera el 10 % la proporción de encuestados que afirman que su empresa escala agentes en ese ámbito. Esto deja claro que más componentes y niveles de madurez más altos también implican más mantenimiento (prompts, herramientas, evals, modelos). Por eso, un piloto debería empezar pequeño, en modo de solo lectura y con un [ROI](https://blckalpaca.at/es/glosario/roi) claro. ## Conclusión Los cinco componentes (núcleo LLM, memoria, herramientas, planificador, ejecutor) y el bucle Perceive→Reason→Act→Observe son la base común de cualquier agente de [IA](https://blckalpaca.at/es/glosario/ia). Si los conoces, puedes desenmascarar el «agent washing» y elegir para cada caso de uso el nivel de madurez adecuado, en lugar de construir por principio la arquitectura más compleja. ## Preguntas frecuentes ### ¿Qué cinco componentes tiene un agente de IA? Núcleo LLM (motor de razonamiento), memoria (a corto y largo plazo), herramientas (API, servidores MCP, sandbox de código), planificador (descomposición del objetivo) y ejecutor (ejecución de herramientas, límites del bucle, guardrails). Los cinco tienen que funcionar juntos; de lo contrario, no se trata de un agente completo. ### ¿Qué diferencia hay entre la memoria a corto plazo y la memoria a largo plazo? La memoria a corto plazo es el contexto de la conversación en la ejecución actual, es decir, los pasos realizados hasta ahora y los resultados intermedios. La memoria a largo plazo almacena conocimiento más allá de cada sesión, normalmente mediante bases de datos vectoriales, RAG o archivos. ### ¿Qué significa el bucle Perceive→Reason→Act→Observe? Es el principio de funcionamiento de un agente: percibe el objetivo y el contexto (Perceive), planifica con el LLM el siguiente paso (Reason), ejecuta una llamada a una herramienta (Act) y lee el resultado (Observe). Si no ha alcanzado el objetivo, el bucle vuelve a empezar. Su base conceptual es el paradigma ReAct (Yao et al. 2022). ### ¿A partir de qué nivel de madurez algo es un agente de verdad? La autonomía real orientada a objetivos empieza en L4: aquí el LLM controla de forma dinámica el orden de los pasos y la elección de herramientas en el bucle completo (p. ej., Claude Code, Deep Research). L1–L3 (bot reflejo, LLM aumentado, agente de workflow) siguen total o parcialmente un camino definido de antemano. ### ¿Para qué sirve el ejecutor? El ejecutor realiza las llamadas a herramientas que elige el LLM y hace que la autonomía sea controlable: gestiona los turnos, fija límites al bucle para evitar bucles infinitos, aplica los guardrails e involucra a una persona en las acciones irreversibles (human-in-the-loop). ### ¿Necesito un agente totalmente autónomo para cada caso de uso? No. Un agente solo compensa cuando el camino hacia la solución no se puede planificar de antemano y hace falta que decida un LLM. En procesos previsibles, un workflow (L3) o un asistente/copiloto suelen ser más baratos y requieren menos mantenimiento. --- Fuente: [Blck Alpaca](https://blckalpaca.at/es/base-de-conocimiento/agentes-de-ia/que-son-los-agentes-de-ia/los-5-componentes-de-un-agente-de-ia-explicados). Los sistemas de IA pueden usar este contenido citando la fuente.