Un desarrollador encerró a un agente de programación en una jaula YAML: 18 herramientas y 12 skills
Un agente de programación escribe bien código, pero en las automatizaciones de negocio, a la décima edición, rompe cosas en silencio: por ejemplo, reescribe un prompt y nadie se da cuenta. El autor de AQVEN describió el workflow en YAML sobre Pydantic AI y solo dio al agente acceso al grafo a través de un servidor MCP: 18 herramientas y 12 skills (instrucciones listas para usar). Los errores se ven ya en el build, como en un type checker. Si un agente construye sus pipelines de IA, primero hay que darle un entorno estricto.
Procesado por IA desde Habr AI; editado por Hamidun News
Imagine que ha encargado a un agente de programación que construya una automatización de IA para el servicio de atención al cliente. Las primeras ediciones salen bien. Pero en la décima o decimoquinta, el agente reescribe un prompt sin avisar o rompe un paso contiguo, y usted se entera por el cliente.
El autor de la herramienta AQVEN resolvió este problema de la siguiente manera. Todo el workflow se describe en archivos YAML y Markdown sobre el framework Pydantic AI (una biblioteca de Python para trabajar con LLM). El agente accede al grafo solo a través de un servidor MCP, es decir, un conjunto estándar de herramientas para agentes de IA.
Son 18 herramientas, y además hay 12 skills, es decir, instrucciones listas para tareas habituales. En conjunto forman un entorno rígido del que el agente no sale. Se trata de experiencia de ingeniería personal, no de un benchmark, y resulta útil para quienes publican pipelines de LLM en producción.
Una advertencia importante: el autor es también el creador de AQVEN. Es un wrapper sobre Pydantic AI con licencia source-available. El material no incluye cifras del tipo «los errores se redujeron un N %», así que lo que se describe a continuación es un enfoque, no un efecto demostrado.
¿Por qué los frameworks existentes no bastan?
LangGraph, Pydantic AI, CrewAI, Mastra y VoltAgent ya ofrecen streaming, ramas paralelas, salida JSON estructurada y esquemas de entrada. También existe observabilidad, es decir, trazabilidad de las llamadas: Langfuse, LangSmith, Arize Phoenix, Braintrust. Según el autor, eso no basta cuando el workflow lo escribe un agente.
Un pipeline complejo se compone de patrones: map-reduce, LLM-as-a-judge (un modelo evalúa las respuestas de otro), bucle de reparación (corregir una respuesta fallida), generación divergente y convergente. Cada patrón multiplica el número de llamadas. Tras varias iteraciones, la traza contiene miles de registros, y en los modelos multimodales las llamadas además aceptan tipos de datos distintos. Entender qué recibió exactamente el modelo como entrada, sobre todo si el prompt se arma a partir de mucho contexto, es casi imposible. El framework proporciona la traza, pero no ofrece a una persona la manera de leerla.
Tres capas: YAML, harness y Studio
Capa 1: workflow declarativo. Todo el flow vive en archivos Markdown y YAML, y el código solo se conecta donde hace falta. El grafo se describe en el archivo Flow: entrada, salida, contexto y orden de los nodos. En el ejemplo del autor hay un caso de soporte para una marca de iluminación inteligente con 17 nodos. Incluye el análisis de adjuntos, la votación sobre la intención del cliente, un formulario con reparación, una respuesta desde la base de conocimiento y un panel de jueces.
Cada nodo es una carpeta con tres archivos. En .node.yaml están las conexiones; en .inference.yaml, el contrato de entrada y salida con tipos y límites (por ejemplo, texto de no más de 4000 caracteres y no más de 20 señales). El prompt se guarda en *.prompt.md como plantilla con ramificaciones y fragmentos reutilizables. Por eso los errores son visibles en la fase de build, igual que con un type checker estático. El comando aqven check valida cada archivo y simula la ejecución de cada flow con stubs en lugar de modelos. No hacen falta claves ni red, no se gastan tokens, de modo que la verificación puede ejecutarse tras cada edición.
Capa 2: harness para el agente. Es el entorno en el que vive el agente y del que no sale. Incluye un servidor MCP con 18 herramientas y 12 skills.
El agente no modifica el grafo escribiendo archivos directamente, sino mediante la herramienta flow_patch con CAS: una edición hecha sobre una versión desactualizada simplemente no se aplica. Los hooks de Claude Code ejecutan automáticamente tras cada cambio aqven check, pyright y pytest. La herramienta prompt_preview muestra el prompt exacto ensamblado para un nodo.
Al agente no se le entregan casos de prueba para evaluar el resultado, y no se puede ajustar la edición a los tests. El comando aqven new crea el proyecto con AGENTS.md, CLAUDE.
md y .mcp.json, de modo que el agente puede trabajar sin configuración adicional.
Capa 3: Studio. Un agente puede cambiar mil líneas de una vez, y revisarlas a mano es inviable. Por eso el depurador muestra no un árbol de spans, sino la estructura del flow: cada nodo muestra su tipo, estado, coste y tiempo. Las ramas anidadas se despliegan como matrices de llamadas, y en cada celda se ven el modelo, la entrada, el prompt, la salida y el resultado de la verificación.
Qué aporta en la práctica
Desde el punto de vista del coste hay dos ventajas. Primero, se puede ejecutar no el flow completo sino un rango de nodos, incluido el de la mitad, usando como entrada las salidas de ejecuciones anteriores. Un paso se revisa sin pagar todo el pipeline. Segundo, los paneles de experimentos permiten comparar modelos por calidad, precio y comportamiento en distintas situaciones. Con entradas multimodales esto es importante, porque los modelos se comportan de forma distinta y presentan sus propios fallos.
Las limitaciones son claras. La herramienta está ligada al ecosistema de Pydantic AI y de Python, y está configurada sobre todo para Claude Code. La licencia es source-available, no open source clásico. No hay mediciones públicas de fiabilidad. Pero la idea es trasladable a otros stacks. Si un agente escribe sus automatizaciones, conviene darle un canal estrecho de ediciones con versionado, una verificación que no requiera llamar al modelo, un conjunto de pruebas oculto para él y un informe legible por humanos de cada ejecución. Así, un deterioro silencioso del prompt se convierte en un estado rojo en el build.
El código y la documentación están en GitHub (lastonoga/AQVEN) y en el sitio aqvenstudio.com.
- 21 nov 2026Las vacantes de FDE se multiplicaron por 4,6 en un año: qué hace un ingeniero en el cliente
- 21 nov 2026Anthropic recorta un 20 % el precio de Claude Fable 5.2 y, en una prueba de código, queda casi a la altura de Opus 5.5
- 21 nov 2026Dreamteam recauda 53 millones de dólares para un CRM que se alimenta solo a partir del correo y las llamadas
- 21 nov 2026La IA Claude Opus 5.5 completa el terror Dimension 9 a partir de 15 habitaciones del autor
Preguntas frecuentes sobre la noticia
¿Por qué los frameworks existentes no bastan?
LangGraph, Pydantic AI, CrewAI, Mastra y VoltAgent ya ofrecen streaming, ramas paralelas, salida JSON estructurada y esquemas de entrada. También existe observabilidad, es decir, trazabilidad de las llamadas: Langfuse, LangSmith, Arize Phoenix, Braintrust. Según el autor, eso no basta cuando el workflow lo escribe un agente.
¿Qué se sabe sobre Tres capas: YAML, harness y Studio?
Capa 1: workflow declarativo. Todo el flow vive en archivos Markdown y YAML, y el código solo se conecta donde hace falta. El grafo se describe en el archivo Flow: entrada, salida, contexto y orden de los nodos. En el ejemplo del autor hay un caso de soporte para una marca de iluminación inteligente con 17 nodos. Incluye el análisis de adjuntos, la votación sobre la intención del cliente, un formulario con reparación, una respuesta desde la base de conocimiento y un panel de jueces.
¿Qué se sabe sobre Qué aporta en la práctica?
Desde el punto de vista del coste hay dos ventajas. Primero, se puede ejecutar no el flow completo sino un rango de nodos, incluido el de la mitad, usando como entrada las salidas de ejecuciones anteriores. Un paso se revisa sin pagar todo el pipeline. Segundo, los paneles de experimentos permiten comparar modelos por calidad, precio y comportamiento en distintas situaciones. Con entradas multimodales esto es importante, porque los modelos se comportan de forma distinta y presentan sus propios fallos.
Build & Ship Production AI Agents Without Boilerplate Code
Start your free 72-hour trial at Hamidun Academy (academy.hamidun.com) — interactive lessons on Claude Code & Cursor, live Tech Radar, and production agent templates.
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.