Resumen de LoopAgent
LoopAgent es el tercer tipo de agente de la plataforma GPTBots. A diferencia de Agent y FlowAgent, no depende ni de un flujo de recuperación fijo ni de un diagrama de flujo dibujado manualmente; en su lugar, delega «qué hacer y en qué orden» al modelo, que decide de forma autónoma durante la conversación: el propio modelo juzga si consultar el conocimiento, consultar una base de datos, llamar a una herramienta o transferir a un humano, iterando una y otra vez hasta completar la tarea.
Es idóneo para escenarios de atención al cliente y automatización abiertos, de varios pasos y con uso intensivo de herramientas.
Cómo elegir entre los tres tipos de agente
La diferencia más fundamental entre los tres tipos de agente está en «quién decide la ruta de ejecución»:
| Tipo | Forma de ejecución | Quién decide la ruta | Escenarios adecuados |
|---|---|---|---|
| Agent | Básicamente de una sola ronda: recupera conocimiento → genera una respuesta | Fijada por la plataforma (recuperar → responder) | Preguntas frecuentes / consultas de conocimiento directas, rápido y estable |
| FlowAgent | Diagrama de flujo determinista, recorre los nodos siguiendo las conexiones | Diseñada por el creador (no se sale del diagrama) | Procesos de negocio fijos, reutilizables y predecibles |
| LoopAgent | Bucle de herramientas multironda: el modelo decide por sí mismo qué capacidades llamar, iterando hasta terminar | Elegida por el modelo en tiempo de ejecución (se decide al instante en cada mensaje) | Atención al cliente / automatización abierta, de varios pasos y con uso intensivo de herramientas |
En una frase: las rutas de Agent y FlowAgent están definidas de antemano, mientras que la ruta de LoopAgent la decide el modelo sobre la marcha.
Identidad + capacidades + barreras de protección
Construir un LoopAgent no consiste en «dibujar un flujo», sino en darle tres cosas y luego dejar que el modelo actúe por su cuenta:
- Identidad (Persona): dile al modelo quién es, a qué negocio sirve y con qué criterio y en qué idioma debe responder.
- Capacidades: conéctale las bases de conocimiento, herramientas / MCP, flujos de trabajo, tablas de datos, habilidades, servicio humano, formularios de recopilación, etc. que puede utilizar. Solo tiene «manos» para hacer aquello que le conectes.
- Barreras de protección (límites del bucle): define cuántas veces como máximo puede iterar una ronda de conversación y tras cuántos errores consecutivos debe detenerse, para evitar que el modelo se ejecute sin control indefinidamente.
Cómo completa LoopAgent una ronda de conversación
Al recibir un mensaje del usuario, LoopAgent ejecuta internamente un bucle con un límite: pensar → llamar a una herramienta → observar el resultado → volver a pensar… hasta que el modelo considera que puede responder (cierre normal) o alcanza el límite del bucle que hayas configurado.
flowchart LR
A[Mensaje del usuario] --> B[Pensar]
B --> C{¿Llamar a una herramienta?}
C -->|Sí| D[Llamar a la herramienta]
D --> E[Observar el resultado]
E --> B
C -->|No| F[Emitir respuesta (fin)]
Como puede llamar a herramientas a lo largo de varios bucles, una sola respuesta de LoopAgent puede ser más lenta que la de un Agent normal: es posible que en segundo plano haya consultado el conocimiento varias veces y llamado a varias interfaces antes de responder. Esto es normal y no significa que se haya quedado bloqueado.
Escenarios típicos
- Atención al cliente compleja que necesita consultar información, llamar a sistemas de negocio y hacer juicios, todo a la vez
- Tareas de automatización que requieren varios pasos y colaboración entre sistemas
- Preventa / posventa que necesita recopilar información, abrir tickets y transferir a un humano cuando sea necesario
Recomendaciones de modelo
Como LoopAgent decide de forma autónoma y llama a herramientas a lo largo de varias rondas, suele consumir más créditos que un Agent normal y depende más de un modelo potente. Cuanto más débil es el modelo, más probable es que aparezcan problemas como «no llamar a una herramienta cuando debería, dar vueltas en círculos o responder mal a mitad de camino».
- Escenarios generales: series de generación anterior como GPT-4.1 funcionan bien en las pruebas.
- Escenarios de negocio complejos: se recomienda dar prioridad a modelos de nueva generación, orientados a agentes (como la serie GPT-5 o la serie Claude 4), que son más estables en la llamada a herramientas y el razonamiento de varios pasos.
El modelo se selecciona en el panel «Cerebro del agente»; consulta Cerebro del agente.
Ciclo de vida
flowchart LR
A[Crear] --> B[Configurar] --> C[Depurar] --> D[Publicar] --> E[Servir]
- Crear: crea desde una plantilla o en blanco; la plataforma siembra una configuración predeterminada lista para ejecutarse.
- Configurar: configura el modelo, la persona y cada capacidad en la página de ajustes.
- Depurar: verifica los resultados en tiempo real con el chat de depuración de la derecha.
- Publicar: congela la configuración actual en una instantánea y ponla en producción.
- Servir: presta servicio externamente a través de múltiples canales y de la Open API.
Importante: hacer clic en «Guardar» en la página de ajustes solo actualiza la versión de depuración; solo «Publicar» afecta a producción. Esta es la primera regla que hay que entender al usar LoopAgent; consulta Guardar y publicar.