Desarrollar sistemas de agentes tiene un ciclo de feedback diferente al desarrollo tradicional. No podés hacer un expect(agent.response).toBe("...") — el output no es determinístico. Pero sí podés testear la capa determinística, observar el comportamiento sistemáticamente, y tener confianza razonable antes de deployar.
Read more
Las instrucciones de un agente son, en la práctica, código. No tienen tipos ni el compilador te avisa cuando rompés algo, pero determinan el comportamiento del sistema tanto como cualquier función TypeScript. Se versionan, se revisan, se testean, y se refactorizan.
Un agente solo con 30 herramientas cargadas es un agente confuso. La solución es la misma que aplicamos en el código desde décadas: separación de responsabilidades. En ADK eso se llama arquitectura multi-agente: orquestador, especialistas, SequentialAgent, ParallelAgent y LoopAgent.
Los agentes son tan poderosos como las herramientas que tienen disponibles. Vamos a fondo con FunctionTool: anatomía, cómo Zod se traduce a JSON Schema, cómo diseñar retornos que el modelo procese bien, y los patrones de error handling que funcionan en la práctica.
Hora de meternos en el código. Creamos el proyecto ADK desde cero, analizamos paso a paso la configuración, y tenemos un agente funcional corriendo en minutos junto con el primer FunctionTool del asesor financiero.
Los agentes de IA ya están en producción. Google ADK es el framework open-source que te da los primitivos correctos para construirlos sin reinventar la rueda. Arrancamos una serie de ocho posts sobre ADK a través de un asesor financiero real con siete agentes y veintinueve herramientas.
Revisar git diffs entre ramas de deployment es tedioso. En vez de leer cientos de líneas, usé Gemini 3 Pro para resumir cambios, identificar breaking changes y generar un checklist de validación antes del deploy. Menos de 150 líneas de código, centavos por análisis, y un proceso de 30 minutos convertido en segundos.