Anthropic desglosa un agente always-on en 5 bloques: cola, temporizadores y memoria
Un agente always-on no trabaja las 24 horas: casi todo el tiempo duerme y despierta ante un evento, como un webhook, un temporizador o la respuesta de un cliente. Anthropic lo ha desglosado en cinco bloques: cola de eventos, temporizadores, memoria, permisos de acceso y cola de salida. Por ejemplo, el agente escribe a un cliente, programa un recordatorio para el día siguiente y, al despertar, consulta su memoria para saber qué ya está hecho. La fiabilidad descansa en una base de datos corriente y en servicios en segundo plano.
Procesado por IA desde Habr AI; editado por Hamidun News
Un agente always-on (en ruso, «постоянно действующий», es decir, «de acción permanente») es un asistente de IA que decide por sí mismo cuándo actuar, en lugar de esperar un mensaje del usuario. Imagine un agente que envía un correo a un cliente, se programa un recordatorio para revisar la respuesta al cabo de un día y, a la jornada siguiente, despierta, consulta sus notas, comprueba qué ya está hecho y vuelve a escribir. Anthropic ha publicado una guía en la que desglosa este tipo de agente en cinco bloques: la cola de eventos entrantes, los temporizadores, la memoria, los permisos de acceso y la cola de salida.
Si quiere que su producto sea proactivo, es un esquema listo para saber por dónde empezar.
Un agente que casi siempre duerme
La idea central de la guía es que un agente always-on, en realidad, no trabaja de forma continua. Es solo una descripción de la experiencia de usuario. Durante la mayor parte del tiempo el agente duerme, despierta de vez en cuando, recibe un evento, ejecuta una tarea y guarda información sobre lo ocurrido. Cada uno de estos periodos se llama ejecución. Una ejecución transcurre dentro de una sesión, que es la transcripción de los mensajes y las llamadas a herramientas. Después, el agente vuelve a dormirse y el ciclo se repite indefinidamente.
El bucle principal de este agente es el mismo que el de los agentes convencionales. Lo que cambia es la arquitectura que lo rodea: es la que controla cuándo despierta el agente, qué se conserva entre ejecuciones y cómo llega el resultado al usuario.
Los autores señalan dos razones del renacimiento de estos agentes. La primera: los modelos recientes entienden mejor las intenciones del usuario y determinan con más fiabilidad cuándo conviene contactarle. La segunda: la capacidad intelectual es cada vez más barata, y las tareas de horizonte largo son las que más se benefician. En un benchmark de programación de horizonte largo, resolver una tarea con Opus 5.5 costó un 78% menos que con Opus 5, y para cargas de trabajo típicas la reducción fue del 40%.
Cola, temporizadores y memoria
El primer bloque es la cola de eventos entrantes. Resulta tentador invocar al agente directamente desde cada fuente, pero entonces dos eventos simultáneos lanzarían procesos que compiten entre sí y, si hay un fallo, un evento puede perderse. Por eso las fuentes escriben los eventos en una cola y es un proceso de trabajo quien los recoge.
La versión más sencilla consta de tres partes: una lista persistente de eventos (normalmente una tabla en una base de datos), un manejador (un endpoint HTTP) que registra los eventos y un proceso de trabajo (un servicio en segundo plano) que los lee. La cola registra el estado de cada evento y elimina duplicados mediante los identificadores únicos de la fuente. Se aconseja empezar con una cola por usuario.
Algunas reglas prácticas de la guía:
- El manejador confirma la recepción del evento con rapidez: los proveedores de webhooks tratan las respuestas lentas como un error. Las comprobaciones ligeras pueden hacerse al instante, pero las profundas, como la de inyección de prompts, se ejecutan durante la ejecución del agente.
- La cola es la fuente de verdad. Si el proceso de trabajo se cae, uno nuevo tomará el mismo evento y reintentará.
- Cada cola tiene en todo momento un único proceso de trabajo activo, para que dos ejecuciones no dupliquen el trabajo ni sobrescriban datos. Si llega un evento durante una ejecución, se aplaza a la siguiente, se fusiona con la actual o se interrumpe la actual y se empieza de nuevo.
- Los eventos pendientes se agrupan en lotes: si el usuario envía varios mensajes seguidos, el agente responderá una sola vez.
El segundo bloque son los temporizadores. Son de dos tipos: los recordatorios que el propio agente se programa (por ejemplo, comprobar si ha llegado una respuesta) y las programaciones, es decir, tareas recurrentes como un boletín diario de noticias. Los temporizadores se guardan en una tabla aparte, no en la cola: en la cola solo deben estar los eventos listos para procesarse.
El temporizador en sí no lanza nada. Un planificador, normalmente un servicio en segundo plano, busca a intervalos fijos los plazos vencidos, marca el recordatorio como cumplido o desplaza la programación al siguiente plazo, añade un evento a la cola y despierta al proceso de trabajo. El planificador puede escribirse a medida o se puede recurrir a un mecanismo de ejecución duradera.
El tercer bloque es la memoria. El agente trabaja a través de ejecuciones inconexas y la memoria le da continuidad. Debe residir en un almacenamiento persistente, una base de datos o un almacén de objetos, para sobrevivir al proceso de trabajo.
Conviene guardar solo lo que no se puede volver a obtener: si los datos ya están en un gestor de tareas, basta con guardar un enlace. En la memoria se conservan cuatro tipos de información: las instrucciones del usuario (se cargan al inicio de cada ejecución), las notas sobre el usuario (cargo, preferencias, correcciones), los mensajes anteriores del agente, para que no se repita nada, y un archivo de progreso por cada tarea, con lo que está hecho y lo que queda. Cuando las notas se acumulan, se dividen en archivos pequeños y al arrancar solo se carga el índice.
Opcionalmente se pueden añadir «sueños»: un repaso de sesiones pasadas que sustituye entradas obsoletas y detecta patrones visibles solo a lo largo de muchas ejecuciones.
Contexto y permisos de acceso
Antes de trabajar, el agente carga el prompt del sistema, las definiciones de herramientas y los archivos de memoria. Este coste inicial de contexto se paga en cada ejecución, así que conviene mantenerlo al mínimo y usar el caché de prompts. Una sesión nueva parte solo de eso y del evento que la dispara, mientras que una sesión existente recupera los mensajes y las llamadas a herramientas de ejecuciones anteriores. Si la sesión se hace demasiado larga, se comprimen los mensajes antiguos o se abre una sesión nueva. En ambos casos se pierden detalles, por lo que todo lo importante debe anotarse en la memoria sobre la marcha.
En cuanto a los permisos de acceso, los componentes son los mismos que en otros agentes. Para contraseñas y tokens se recomienda un servidor proxy fuera del entorno del agente: el agente envía las solicitudes sin credenciales y el proxy inserta las reales antes de reenviarlas. Para que el agente pueda trabajar sin la intervención constante del usuario, Anthropic remite al modo automático de Claude Code: unos clasificadores revisan las acciones arriesgadas y bloquean las peligrosas, y el modelo busca una vía más segura.
Conclusión práctica: la mayor parte de un sistema así son colas, planificadores y almacenes habituales de cualquier backend. La dificultad no está en el modelo, sino en conseguir que los eventos no se pierdan, que las ejecuciones no se solapen y que la memoria no infle el contexto. Conviene tener en cuenta que esta guía procede de un fabricante de modelos y que las cifras de ahorro proceden de un solo benchmark.
- 20 nov 2026Model ML capta $250 millones para agentes de IA dirigidos a banqueros, con una valoración de $1,5 mil millones
- 20 nov 2026Yandex 360 abre 7 servicios de oficina a los agentes de IA mediante un servidor MCP
- 20 nov 2026EE. UU. debate obligar a las empresas a revelar si usan IA china: los modelos de China ocupan el top 3 de OpenRouter
- 20 nov 2026Anthropic, creadora de Claude, recauda $81,3 mil millones en su IPO con una valoración de $1,5 billones
Preguntas frecuentes sobre la noticia
¿Qué se sabe sobre Un agente que casi siempre duerme?
La idea central de la guía es que un agente always-on, en realidad, no trabaja de forma continua. Es solo una descripción de la experiencia de usuario. Durante la mayor parte del tiempo el agente duerme, despierta de vez en cuando, recibe un evento, ejecuta una tarea y guarda información sobre lo ocurrido. Cada uno de estos periodos se llama ejecución. Una ejecución transcurre dentro de una sesión, que es la transcripción de los mensajes y las llamadas a herramientas.
¿Qué se sabe sobre Cola, temporizadores y memoria?
El primer bloque es la cola de eventos entrantes. Resulta tentador invocar al agente directamente desde cada fuente, pero entonces dos eventos simultáneos lanzarían procesos que compiten entre sí y, si hay un fallo, un evento puede perderse. Por eso las fuentes escriben los eventos en una cola y es un proceso de trabajo quien los recoge.
¿Qué se sabe sobre Contexto y permisos de acceso?
Antes de trabajar, el agente carga el prompt del sistema, las definiciones de herramientas y los archivos de memoria. Este coste inicial de contexto se paga en cada ejecución, así que conviene mantenerlo al mínimo y usar el caché de prompts. Una sesión nueva parte solo de eso y del evento que la dispara, mientras que una sesión existente recupera los mensajes y las llamadas a herramientas de ejecuciones anteriores. Si la sesión se hace demasiado larga, se comprimen los mensajes antiguos o se abre una sesión nueva.
Test Frontier LLMs & Autonomous Agents in One Workspace
Run Claude Opus 5.5, GPT-6, Gemini 3.1, and DeepSeek side-by-side in Nomad AI (nomadnet.ai) — unified model routing, deep research, and multimodal workflows under one subscription.
Lo esencial de la IA — una vez por semana
Siete historias que de verdad importaron, elegidas a mano. Sin ruido ni notas de prensa.
¡Listo! Revisa tu correo para la confirmación.