Arquitectura de un agente de IA en producción: el sistema de 13 bloques de Anthropic

Un agente de IA en producción no es simplemente un conjunto de instrucciones en un único prompt largo. Es un sistema completo en el que cada componente se encarga de un aspecto del trabajo: gestión de recursos, bucle OODA, reparto de responsabilidades entre agentes, gestión de errores y monitorización. Sin una arquitectura clara, tu agente se comportará de forma impredecible.

Qué ha revelado Anthropic

La compañía publicó dos prompts reales de producción que se usan en sistemas en vivo: research_lead_agent.md y research_subagent.md. No son ejemplos didácticos, ni demostraciones, ni versiones simplificadas. Son los prompts auténticos que hacen trabajo real. Al desmontarlos se ve una arquitectura que no se enseña en los cursos de prompt engineering.

El hallazgo principal: en lugar de un único prompt largo y mágico, Anthropic tiene un sistema de 13 bloques claramente definidos e independientes. Cada bloque se ocupa de una tarea y puede reutilizarse en otros agentes. Eso significa que la arquitectura escala mediante composición, no reescribiendo.

Los 13 bloques que necesita todo agente en producción

Esta es la lista completa de componentes que debe incluir cualquier agente en producción:

• Rol y persona — define cómo piensa y se comporta el agente
• Objetivo y contexto — una formulación clara de qué hay que hacer y por qué
• Presupuesto de llamadas y techo de recursos — el límite en el que hay que parar
• Bucle OODA — el ciclo Observe→Orient→Decide→Act, que se repite
• Gestión de errores y estrategias de fallback — qué hacer ante un fallo
• Reparto de responsabilidades entre agentes — cómo se distribuye el trabajo
• Herramientas y sus límites — qué puede y qué no puede usar el agente
• Formato de salida y validación de resultados — cómo comprobar que es correcto
• Monitorización y registro — una forma de ver qué ocurre por dentro
• Timeouts y lógica de reintentos — evitan bloqueos y errores repetidos
• Autocomprobación y verificación — el agente se revisa a sí mismo antes de dar la salida
• Normalización del estado — llevar el resultado a una forma legible
• Guardrails y capa de seguridad — evitan que el agente se salga de los límites

No son extras ni algo "nice to have". Si falta incluso un solo componente, el agente funcionará de forma inestable e impredecible. Lo he visto decenas de veces: agentes que pierden el contexto, que se pasan del presupuesto, que se cuelgan en casos límite.

Lead y Sub: división del trabajo

La diferencia entre un agente lead y un subagente es fundamental. El lead es el estratega y coordinador. Ve todo el contexto general, planifica la estrategia, toma las decisiones clave y dirige a un equipo entero de subagentes.

El subagente es un especialista acotado. Es rápido, barato de invocar, toma una tarea concreta y bien definida e informa del resultado. El sub escucha al lead y no toma iniciativa.

Anthropic usa este esquema porque escala. Un lead puede coordinar cinco subagentes. Después añades cinco más y el lead los gestiona. Otros cinco más y sigue funcionando. No reescribes el lead ni cambias la arquitectura. Simplemente amplías el equipo.

Una plantilla lista para usar

Tras analizar los prompts de Anthropic, extraje los patrones y armé una plantilla SKILL.md. Con ella puedes repasar tu propio agente y comprobar que no se te ha escapado nada. Es como la lista de verificación previa al despegue de un piloto, pero para agentes de IA.

La regla principal: úsala ANTES de salir a producción. Añadir componentes sobre la marcha y reescribir prompts en condiciones reales es un dolor infernal. Dedica un día a la arquitectura y durante meses te lo agradecerás.

Qué significa esto

Si estás construyendo un agente ahora mismo, esta arquitectura puede ahorrarte semanas de depuración. Lo habitual es que los componentes aparezcan en el código por casualidad, cuando el desastre ya ha ocurrido: el agente se colgó, se pasó del presupuesto o se atascó en un caso límite. Ahora tienes una plantilla probada. Úsala.