Cómo construir un agente de decisión en streaming con replanificación en línea en un entorno dinámico

El tutorial describe la arquitectura de un agente de toma de decisiones en streaming que opera en un entorno en cambio constante y transmite razonamientos parciales en tiempo real, sin esperar a una respuesta final antes de actuar.

Entorno y tarea

La demostración usa una cuadrícula dinámica: los obstáculos se mueven según sus propias reglas y el punto objetivo se desplaza al azar a intervalos fijos. El agente no sabe de antemano qué cambiará en el siguiente paso, y ahí está la diferencia clave con los problemas clásicos de búsqueda de rutas.

Parámetros clave del entorno:

• Cuadrícula N×N con obstáculos móviles
• El objetivo se desplaza al azar cada K pasos
• El agente solo ve un radio limitado a su alrededor
• El entorno no es determinista: el mismo plan puede fallar dos veces

Este planteamiento es deliberadamente complejo. Modela escenarios reales: la navegación de un robot autónomo en un almacén, la planificación de la ruta de un coche autónomo en medio del tráfico, la gestión de una línea de producción ante fallos de equipos.

Un planificador de horizonte deslizante

El núcleo del agente es el algoritmo A*, aunque aplicado de forma poco habitual. En lugar de una ruta completa hasta el objetivo, usa un horizonte deslizante: el agente planifica solo los H pasos más cercanos, ejecuta varios de ellos y luego replanifica desde su nueva posición con el estado actualizado del entorno.

Esto cambia la lógica de fondo. En un entorno dinámico, un plan completo caduca más rápido de lo que el agente puede ejecutarlo: el obstáculo se ha movido, el objetivo se ha desplazado y la ruta ya no sirve. Un horizonte corto evita aferrarse a datos obsoletos.

«El agente no guarda un único plan grande: crea y descarta

constantemente planes pequeños a medida que avanza», resume la esencia del enfoque de horizonte deslizante.

El parámetro H (la longitud del horizonte) pasa a ser el elemento clave de ajuste. Si es demasiado corto, el agente avanza con miopía y se atasca en mínimos locales; si es demasiado largo, pierde tiempo planificando rutas que de todos modos tendrá que descartar.

Streaming de razonamientos parciales

Un agente estándar permanece callado hasta encontrar la respuesta final. El agente en streaming transmite estados intermedios en tiempo real, de modo que cada paso de razonamiento relevante queda disponible de inmediato:

• Nuevo obstáculo detectado → la señal se envía de inmediato
• El objetivo se movió → plan anterior descartado, nuevo plan iniciado
• Ruta intermedia encontrada → se transmite, aunque aún no sea óptima
• Punto del horizonte alcanzado y replanificación lanzada → el estado se actualiza

Esto aporta observabilidad: el sistema orquestador o el usuario siempre conocen la intención actual del agente. En sistemas de producción, permite intervenir antes de que el agente llegue a un callejón sin salida.

Otro efecto es que un sistema externo puede corregir el comportamiento sobre la marcha: si el plan transmitido va en una dirección indeseada, se puede enviar de inmediato una señal de interrupción.

Técnicamente, el streaming se implementa con generadores de Python: cada `yield` transmite un paso de razonamiento, lo que es compatible con las API de streaming de los LLM modernos.

Adaptación reactiva

El tercer componente es la interrupción del plan actual cuando el entorno cambia en pleno paso de ejecución. El agente no espera al siguiente ciclo de replanificación: un mecanismo de interrupciones comprueba el estado del entorno tras cada acción y, si hace falta, lanza una replanificación de emergencia.

Se introduce un nivel de criticidad de los cambios: un pequeño desplazamiento de un obstáculo implica continuar con el plan actual; el bloqueo del paso más cercano, replanificación inmediata; un cambio total en la posición del objetivo, reinicio desde un nuevo horizonte. Esta respuesta por niveles aumenta la carga computacional, pero es crítica donde el coste del error es alto.

Qué significa

La arquitectura descrita es una plantilla práctica para desarrolladores de agentes de IA que trabajan en condiciones de incertidumbre real. El razonamiento en streaming, el horizonte de planificación corto y las interrupciones reactivas son tres patrones que, juntos, ofrecen un armazón listo para robótica, automatización industrial y sistemas de agentes basados en LLM.

A medida que los sistemas de agentes se extienden por la industria, la brecha entre «pensar en el vacío» y «actuar en el mundo real» se convierte en un reto de ingeniería clave. Este tutorial ofrece un punto de entrada concreto.