Maximize Productivity with AI Agents

Soy Tejas Kumar, y he estado construyendo en la web durante más de 20 años en lugares como Brasel, Spotify, Zeta y más. Y gran parte de esta construcción ha sido habilitada por agentes de IA. Este fue el gran tema de tendencia en 2025, agentes de IA. Así que en nuestro tiempo juntos hoy, hablemos sobre los agentes, y hablemos de ello asumiendo cero conocimiento, y partamos de ahí.

Para comenzar, definamos qué es un agente. Y para hacer eso, podemos simplemente ir a Google y escribir definir agente, ¿verdad? Y lo que vemos es que es una persona que actúa en nombre de otra persona o grupo, una persona o cosa que toma un papel activo y o produce un efecto específico. Y lo que podemos ver es que un agente es alguien que actúa. Eso es literalmente lo que es. Ya sea aquí en la primera definición, actúa en nombre o toma un papel activo. Veamos otra definición mientras estamos aquí llamada agencia. Y esto es interesante porque es un sustantivo, que es un negocio u organización que proporciona un servicio particular en nombre de otra persona como un agente de viajes o algo así. O la segunda, acción o intervención al producir un efecto particular. Y así, estas palabras son importantes mientras discutimos sobre los agentes, porque son fundamentales para entender los agentes de IA. Así que nota que dice un negocio o persona anteriormente. Y cuando tomamos estas definiciones y las aplicamos a la IA, obtenemos agentes de IA. Entonces, ¿qué es un agente de IA? Es cuando una IA actúa en nombre de usted o de un grupo o cuando una IA toma un papel activo o produce un efecto específico.

La agencia, si miramos esa otra definición, si miramos la agencia, dice un negocio o organización que proporciona un servicio particular, o esta, acción o intervención al producir un efecto particular. Canales tallados por la agencia del agua. Hay más definiciones aquí, en las que podemos profundizar en la etimología y todo esto. Pero una de las definiciones de agencia es también simplemente libre albedrío o libertad para elegir. Por ejemplo, si me pides que multiplique dos números primos muy grandes, podría, usando mi agencia, intentar hacerlo en mi cabeza, probablemente me equivoque, o usando mi agencia, elegir una herramienta para usar como la calculadora y hacerlo bien. Así que el uso de herramientas y elegir la herramienta es un principio de un agente, ya sea humano, IA o de otro modo o negocio. Y así, eso es como agente 101. ¿Qué significa esto para la IA? Básicamente lo mismo. Los modelos de lenguaje grandes o redes neuronales son algoritmos que simulan nuestros cerebros, nuestras redes neuronales. Son literalmente la representación de un cerebro humano. Así que si un cerebro humano tiene agencia para elegir herramientas, también lo tiene un modelo de lenguaje o un LLM, porque es en última instancia solo una red neuronal, una red neuronal basada en transformadores, si estás interesado. Y así, espero que eso quede claro. Entonces, ¿qué es la agencia? Es la capacidad de elegir una herramienta para lograr un resultado o, en el caso de esta diapositiva, producir un efecto particular. Ahora enfoquémonos en la definición de agencia en el contexto de los modelos de lenguaje.

Hay un gran artículo de Google publicado en octubre de 2024, Agents, por Julia Wiesinger, Patrick Marlow y Vladimir Vuskovich. Y este artículo continúa describiendo, disculpen, fue en septiembre de 2024. El artículo continúa describiendo qué es un agente. Y si vamos a esa sección, hay un texto y un diagrama. Esto, en última instancia, es un agente. Es un tiempo de ejecución que contiene tres componentes: una capa de orquestación donde las cosas están, bueno, orquestadas u organizadas, un modelo, generalmente un modelo de lenguaje y herramientas.

Creo que si hemos tenido alguna exposición a algo como chatGPT, sabemos qué es un modelo de lenguaje. No necesitamos entrar en detalles sobre eso. Pero hablemos sobre herramientas y luego la capa de orquestación. Las herramientas no son más que funciones. Así es como se representan en el paisaje de agentes de IA. Son funciones. Y así, algunos podrían pensar que un modelo de lenguaje puede llamar funciones. Eso no es cierto. Los modelos de lenguaje pueden generar salida estructurada. Porque, ¿qué es la salida estructurada? Es solo lenguaje. Es JSON. Y así, cómo los modelos de lenguaje utilizan herramientas es generando salida JSON.

Déjame mostrarte. Así que si venimos a TL draw y simplemente creamos nuestras diapositivas de manera interactiva, puedes decir, digamos que el usuario eres tú y dices obtener el clima al modelo de lenguaje. Un modelo de lenguaje puede entonces decir, no puedo, ¿verdad? Si no puede. O el modelo de lenguaje generará una herramienta llamada objeto JSON. Así que podría generarte algo como esto. El nombre de la herramienta es obtener clima. Y luego args es completo. Es un array de argumentos que se genera completamente. Y, por supuesto, args sería la ciudad, por ejemplo. Y luego tu aplicación que consume esta salida leería esto. Y luego en el código de la aplicación o en la capa de orquestación, harías esto. Llamarías a obtener clima con Berlín, ¿verdad? Y luego, sea cual sea la respuesta, volvería al LLM.

Así que LLM diría, sabes, tienes clima como 20 grados, lo que sea. Y luego el LLM convertiría eso en una respuesta para ti. Así es como funciona la llamada a herramientas. Son realmente buenos generando salida estructurada. Y así, esa salida estructurada está conectada a tu capa de orquestación o tu aplicación aquí. Así es como funciona.

Así que como podemos ver, incluso aquí, ese diagrama cobra vida. Abramos en vista dividida. Y lo que podemos ver es que este es el diagrama donde tienes un modelo de lenguaje. Ese es nuestro modelo de lenguaje. Tienes herramientas, que no son más que un JSON que representa una función y una función real, y la capa de orquestación, que es nuestra aplicación que llama a esto. Fundamentalmente, así es como funciona. Y esto aquí, lo que tenemos aquí es el tiempo de ejecución del agente. Eso es realmente todo.

Pero hagámoslo un poco más práctico. Digamos que quieres construir tu propio agente de IA. ¿Cómo harías eso? Bueno, si vas a Langflow.new, esto es algo que construí en Datastacks. Langflow es una herramienta de diagramación de código abierto que te ayuda a entender realmente las cosas. Así que si venimos aquí, y de inmediato, tan pronto como iniciamos sesión en Langflow.new, vemos algo como esto, que es un agente básico. Literalmente se llama un agente simple. ¿Y cómo funciona esto?

Bueno, en el centro está un agente, donde tienes un proveedor de modelo para darnos el modelo de lenguaje, por supuesto, y eliges el modelo que deseas. Luego le das una clave API y le das algunas instrucciones y conectas herramientas. Bien, ¿qué herramientas están disponibles para nosotros? Bueno, tenemos una URL, así que puede navegar por la web. Puede literalmente acceder a cosas en internet. Y una calculadora, por si quieres hacer algo de matemáticas. Así que estas son las dos herramientas disponibles para él. Finalmente, tomamos la entrada del chat y la canalizamos, y tomamos su respuesta y la canalizamos a la salida del chat. Este es un agente realmente básico. Así que intentemos usarlo. Y te daré una advertencia aquí, mi clave API puede no ser válida, pero hagamos esto juntos.

Así que convierte 200 Euros a Rupias Indianas. Y así veremos lo que sucede cuando el agente ejecuta el código. Está bien, sí, mi clave API no funciona. Pero está bien, solo pondremos una nueva allí. Así que debería estar aquí. Déjame conseguirla rápidamente. Y de nuevo, esta clave API será revocada, así que no te preocupes.

Está bien, eso es todo. Así que ahora, vamos a intentarlo de nuevo. Convierte 200 Euros a Rupias Indianas. Y así mira, está accediendo al contenido de la URL. Hizo un montón de cosas. Mira esto. Dijo que obtuvo la tasa de cambio usando la herramienta de URL, y la obtuvo de nuevo, y luego hizo un poco de matemáticas. Y dice, finalmente, por lo tanto 200 Euros son aproximadamente 18,280 Rupias Indianas. Por supuesto, esto es importante, porque la tasa de cambio cambia regularmente. Y si no tienes las herramientas, no va a funcionar.

Por ejemplo, usemos tal vez un modelo más barato. Y deshagámonos de la herramienta de URL. Simplemente corté esa línea. Abramos un nuevo chat y hagámoslo de nuevo. 200 Euros a Rupias Indianas. Y probablemente va a decir, no sé cómo hacer eso. Así que tiene la calculadora. Pero nota que está mal. 17,700, porque solo tiene una herramienta de calculadora, y simplemente apareció, alucinó una tasa de cambio. ¿Qué pasaría si eliminamos la herramienta de calculadora? Intenta de nuevo en un nuevo chat. Convierte 200 Rupias Indianas a, o disculpa, 200 Euros a Rupias Indianas. Y ahora probablemente solo va a fallar. Obtiene la fecha.

La fecha y hora actuales en Europa son estas. Para convertir 200 Euros a Rupias, necesitas, sí, así que se vuelven más capaces cuando les das más herramientas. Y así es como funciona un agente. Y de nuevo, vemos ese diagrama, ¿verdad? Tienes un modelo de lenguaje. Tienes la capa de orquestación, en este caso, que es Langflow. Y tienes herramientas. Y Langflow es la cosa que está obteniendo la salida JSON estructurada y uniéndola.

Está bien, esto es genial. Pero Batok prometió usar agentes de IA para aumentar tu productividad. ¿Y cómo podrías hacer eso? ¿Cómo podríamos hacerlo personal? Como, esto es genial para una URL y así sucesivamente. Pero ¿cómo podríamos hacerlo personal? Y quiero responder a esta pregunta realmente de dos maneras. Una, cómo hacerlo más productivo para ti como desarrollador. Y dos, cómo hacerlo más productivo para ti solo como un ser humano regular. Comenzaremos como un ser humano regular, que los desarrolladores también son seres humanos regulares. No vengas por mí.

Hay un gran producto y herramienta llamada Composio. No tengo ninguna relación financiera con Composio, pero creo que están haciendo cosas geniales. Están creando herramientas para agentes. Vamos a echar un vistazo. Así que si voy a composio.dev e inicio sesión, lo que obtengo es mi panel de control. Y hay un montón de cosas aquí, pero lo que es realmente genial es que tienen integraciones y aplicaciones. Así que voy a ir aquí a todas las aplicaciones, y va a obtener un montón de herramientas. Y estas son las cosas que puedo usar de manera agencial. Google Drive, y Slack, Perplexity. Hay muchas cosas que puedo usar, o mi LLM puede usar como un agente. Y simplemente sigue y sigue. Vamos a usar Google Calendar de manera agencial porque quiero un agente de calendario. Así que vendré aquí, y voy a configurar la integración de Google Calendar. Y cómo voy a configurar eso es iniciando sesión en mi cuenta de Google. Así que voy a conectar el Google Calendar predeterminado.

Ese es mi ID de usuario predeterminado. Ese es mi usuario en Composio. Y voy a iniciar sesión en mi calendario de DataStax. Y, por supuesto, le voy a dar permiso. Así que eso es todo. Tiene permiso. Así que ahora, mi aplicación Composio está configurada para usar mi Google Calendar. Puedo usar esto en Langflow. Así que voy a obtener una clave API de Composio, así, y voy a venir a Langflow. El mismo Langflow.new. Y voy a ir a Composio aquí en el lado izquierdo. Herramientas de Composio. Agarra esto. Voy a pegar mi clave API y refrescar. Y esto ahora va a ir a Composio y será como, hey, ¿qué aplicaciones tiene? Así que tengo un montón de aplicaciones. Quiero la de Google Calendar. Esta aquí. Y ahora va a verificar, ¿estoy autenticado? ¿No lo estoy? Una vez que sepa que estoy autenticado, solo refresco esto. Una vez que sepa que estoy autenticado, me dará acciones que mi agente puede realizar. Por ejemplo, ¿quiero poder eliminar eventos con mi agente? Probablemente no. Quiero un agregar rápido. Quiero obtener la fecha y hora actuales. Claro. Quiero actualizar eventos. Quiero, en realidad, no quiero actualizar eventos. Es un poco mutativo. Quiero encontrar eventos. Quiero encontrar espacios libres. Y quiero crear eventos. Y quiero listar calendarios.

Así que quiero hacer todas estas cosas. Así que ahora voy a conectar esto aquí a mis herramientas. Y tal vez usemos un modelo más inteligente.

Eso es. He agregado esta herramienta, y está conectada a mi Google Calendar. Así que si vuelvo aquí, y digo, ¿cuáles son mis reuniones para hoy? Puede o no puede. Así que está usando Composio. Mira eso. No tienes reuniones programadas para hoy. Genial.

Y ahora voy a decir, ¿cuántas horas estoy pasando en reuniones esta semana? Y esto es bastante básico, por supuesto. Pero se pone aún mejor. Y no puedo esperar para mostrarte. Así que está encontrando todos mis eventos esta semana. Y en realidad puedes inspeccionar. Ahí tienes. Así que estos son todos mis, sí tengo un evento de todos manos. Pero eso es 2023. Así que no sabe la fecha actual, por alguna razón. Pero creo que hay una herramienta aquí. Current date. Mira eso. ¿Tiene esta herramienta? Tiene modo de herramienta. Así que voy a convertirlo en modo de herramienta. Conéctalo. Y intentemos de nuevo. ¿Por qué no? Así que vamos y digamos, ¿cuáles son mis reuniones para hoy? En un nuevo chat. Me encanta programar en vivo contigo aquí. Y de nuevo, puede que no funcione. Está bien.

Así que es marzo. No lo sé. Solo hagamos una fecha ficticia, por ejemplo. 4 de marzo de 2025. Solo porque sé que está en el pasado, y sucedieron cosas. Y lo intentaremos de nuevo.

Y de nuevo, solo podemos agregar una herramienta aquí. Pero quiero mostrarte algo realmente asombroso.

Así que está encontrando eventos para el 4 de marzo de 2025. Una fecha en el pasado donde sé con certeza qué reuniones suceden. Y estas son todas mis reuniones. Eso es absolutamente cierto. Cada una de estas reuniones es totalmente válida. Y este soy yo y mi gerente, Carter. Y es genial. Así que funciona totalmente. Pero podemos hacerlo aún mejor. ¿Verdad?

Podemos decir, es, de nuevo, volveremos a usar nuestra fecha falsa, 2025. Haremos que haga esto. Y así, sí, ahora podemos ver que está encontrando eventos. Está obteniendo la fecha y hora actuales. Encontrando espacios libres. Y también puedes ver la salida aquí. Vaya. Hay muchas cosas. Y ahí lo tienes.

Reunión con Melissa Herrera. Dije que es 4 de marzo. Así que la próxima semana es 11 de marzo. 935 PST, su hora. La ubicación, desafortunadamente, no es una ubicación real. Pero puedes ver el evento en Google Calendar aquí. Vamos a comprobar.

Voy a hacer clic en ello. Y dice ocupado. Pero ese es mi calendario personal. Vamos a verlo en mi calendario de trabajo. Marzo. Se supone que debe estar aquí. Espera, echemos un vistazo. Espera, ¿qué decía? Esto era para el 11 de marzo. Vamos a comprobar. 11 de marzo. Reunión con Melissa Herrera. Boom. Esto fue completamente reservado por mi asistente de IA. Una ubicación decente en SF. Absolutamente increíble. Absolutamente increíble. Eso es lo más genial. Así es como puedes crear. Sí, voy a eliminar esto. Así es como puedes crear un agente para ti mismo. Absolutamente increíble. Y es Langflow. Y lo acabamos de hacer aquí.

Langflow es de código abierto. Puedes alojarla tú mismo. No compartas tus claves API en Langflow.new. Es solo para prototipos, algo así como lo que estamos haciendo.

Vamos a concluir Langflow. Y luego quiero mostrarte algunas cosas más. Así que si haces clic en API, todo este flujo, usando tus herramientas, usando todo, se vuelve accesible a través de una API web, a través de HTTP. Y luego puedes llamarlo desde cualquier front end, cualquier cliente. React Native, lo que quieras. Puedes usar tu asistente como tú mismo, como tu agente. Muy genial.

Finalmente, quiero pasar un tiempo hablando contigo sobre algo llamado MCP. Eso se llama Protocolo de Contexto del Modelo, MCP. Vamos a ir aquí y cambiar la diapositiva. MCP, Protocolo de Contexto del Modelo. Ahora, si esto fuera en persona, te preguntaría, como, oye, ¿alguien ha oído hablar de esto? ¿Alguien lo está usando? No puedo hacer eso. Pero tal vez puedas reaccionar en el video o algo así. ¿Qué es esto? Es una forma de compartir contexto con tus modelos. Recuerda que dijimos que las llamadas a funciones son así, ¿verdad? MCP es un protocolo que hace que las funciones estén disponibles para los modelos a través de entrada/salida estándar o a través de un endpoint HTTP. Cualquier modelo se puede extender usando el Protocolo de Contexto del Modelo. Es tan genial. Y me encantaría mostrarte esto también. Pero la forma en que te lo voy a mostrar es a través de la codificación. Algunos de ustedes siguen haciendo la pregunta, como, oye, ¿todavía tendré trabajo? ¿La máquina va a quitarme mi trabajo y lo que sea?

Vamos a averiguarlo. Así que Contexto del Modelo, hay muchos, muchos, muchos servidores MCP de muchos, muchos, muchos proveedores. Hay como GitHub y Slack y básicamente cualquier cosa que tenga una API puede ser expuesta a través de MCP. Y así, lo que vamos a hacer es usar el servidor MCP de GitHub, simplemente encontrar un problema de código abierto como yo, resolverlo y abrir un PR, completamente de forma autónoma con un agente. Para hacer eso, primero necesitamos un token de acceso personal de GitHub. Así que ven conmigo a GitHub y hagamos uno. Revocaré esto después de esta sesión.

Así que no vas a poder pretender ser yo en GitHub y vamos, sí, eliminemos este. Y haré uno nuevo, un nuevo token con, sí, está bien. Con los alcances de repo, así que repo, y lo llamaré mi agente. Bueno, finge que no viste eso. Mi agente y guardaremos el token. Y ahora lo voy a obtener.

Genial, por favor no copies esto. Y ahora, ¿dónde lo conecto? Bueno, hay, cómo trabajas con el protocolo de Contexto del Modelo es realmente solo a través de NPX. Todo funciona localmente. Y así podrías simplemente, ¡wow! podrías simplemente NPX-Y así. NPX-Y Protocolo de Contexto del Modelo slash servidor GitHub. Solo ejecuta eso y abrirá el servidor MCP así de fácil en la terminal. Absolutamente loco.

Pero, ¿qué está haciendo esto en realidad? Bueno, necesitas un cliente para esto. Y así, vamos a usar un cliente cursor. Algunos de ustedes pueden haber oído hablar de este cliente IDE cursor. Es un cliente realmente genial que utiliza MCP. Así que abramos cursor y cerremos el lado, pero cerremos todo y vayamos a la configuración de cursor. Venimos aquí a la configuración completa. Y lo que vamos a hacer es ir a características y aquí tenemos servidores MCP. No hay servidores MCP, pero puedo agregar uno. Y hay SSE o comando como mencioné, elegimos comando y diremos que este es el de GitHub. Así que lo que voy a hacer es env GitHub personal un token de acceso igual a, y solo voy a copiar mi token de aquí. Y nuevamente, no puedes usar esto. Y luego diremos que el comando NPX. Y solo vamos a ejecutar esto dentro de cursor mientras agregamos un nuevo servidor MCP. Es un poco molesto que desestimara el modal, pero el nombre del servidor GitHub, ¿lo va a desestimar de nuevo si voy a obtener mi, está bien, genial. Y diremos env GitHub personal access token igual a esto y ejecutar NPX, eso es todo. Y así ahora lo está llamando y mira, sabe, habla MCP.

Ahora tiene todas estas herramientas, crear o actualizar la búsqueda de archivos en repositorios, crear repositorio, etcétera. Tan genial. Así que ahora, usando este servidor MCP, puedo ir al compositor de agentes, el compositor de cursor aquí, va a crear un nuevo chat, ¿verdad? Y puedo hacer literalmente cualquier cosa. Puedo decir encontrar un problema abierto trivial en Facebook slash react y abrir un PR para solucionarlo. Literalmente puedo hacer esto y puedo elegir el modo agente. Pero tal vez busquemos un repositorio más pequeño al que tal vez no haya contribuido a react, pero vamos a GitHub y simplemente a encontrar algo aún mejor. Vamos a encontrar un problema abierto trivial en un popular GitHub TypeScript. En realidad, ni siquiera un repositorio de TypeScript. Vamos a volvernos locos aquí, repositorio, ¿verdad? Y así va a encontrar la cosa. Este es un flujo completamente agente. Y así, lo envío y solo va a mirar esto, llamando a la herramienta MCP para buscar repositorios. Y ha buscado algunos repositorios. Ahora busquemos un problema abierto en uno de estos repositorios populares. Voy a revisar el repositorio de prettier.

Genial. Me encantaría contribuir a prettier. ¿Qué pasó? Tu conversación es demasiado larga. Por favor, intenta crear o acortar tus mensajes. Está bien. Hagamos una nueva conversación. Aparentemente encontró mensajes grandes o algo así, pero puedo hacerlo de nuevo. Está haciendo prettier de nuevo, pero tal vez esto de nuevo se vuelva demasiado grande. Así que listar problemas tal vez obtenga demasiados problemas, ¿sabes? Sí, está bien. Ese es el problema. Así que hagamos otro. Hagamos en un, démosle un repositorio. SolidJS slash solid o algo así. Ahí vamos. Incluso sabe en el repositorio de solid JS, eso es increíble. Y veamos qué pasa.

Incluso aquí, mi conversación es demasiado larga. Simplemente elijamos un modelo diferente con una longitud de token diferente.

Genial. Plod 3.5 es mucho mejor que 3.7, ¿no es así? Así que está listando problemas. Conversaciones de nuevo, demasiado largas. Vamos a usar OpenAI tal vez. GPD 4 mini. Supongo que podrías usar un modelo no soportado. Podrías usar Gemini que tiene una ventana de contexto más grande, y también hay configuraciones de cursor que, es una característica beta, pero permite un contexto grande.

Bien, mira esto. Así que algunos problemas abiertos en SolidJS. Problema 1041. Muestra cadena indefinida. Pasar nodo anterior, lo que sea. El primer problema parece un error sencillo que podría ser abordado verificando si es indefinido. ¿Te gustaría proceder? Proceder. Y ahora solo va a solucionar el problema. Absolutamente. Podría bifurcar el repositorio, porque tiene mi personal, mira esto, está bifurcando el repositorio. Como yo, salvaje. Ahí, lo bifurqué con éxito. Ahora vas a clonar el, wow, wow, wow, solo como clonando cosas. Y ahora está CDing, y literalmente solo está ejecutando estos, mis manos están libres, ¿sí? Es solo como ejecutar esto. Está grepeando la base de código, está buscando en la base de código. Salvaje. Así que está en modo agente completo. Eso es una locura. Y así podemos simplemente ver este código y tomar mi trabajo. Podría adelantar esto, pero veremos. Eso es salvaje.

Puedo incluso decir, solo como detener, no trabajar con esto localmente, sino hacerlo todo en GitHub. Puedo decir eso, porque no quiero, mira esto. Es asombroso. Así que puedo simplemente tener esto usando MCP todo el tiempo, y está buscando el código. De nuevo, esto es solo una herramienta de GitHub. Simplemente sigue buscando el código, así que.

Tan genial. Leamos la sección del archivo donde esto está definido para entender cómo funciona. Todo esto está sucediendo. Esto es solo un GitHub. Así que de todos modos, vayamos a uno anterior. Así que hice esto hace un tiempo. Y si miramos esto, esto es lo que pasó. Dije, ve a encontrar un problema de TypeScript en lengthflow.ai.slashlengthflow, y solucionalo. Buscó en el repositorio. Bifurcó el repositorio. Obtuvo el contenido de los archivos múltiples veces. Buscó problemas. Encontró un problema y continuó todo el camino usando este MCP hasta que creó una solicitud de extracción. Salvaje.

Y esta solicitud de extracción aquí tiene un ID de solicitud de extracción, así que incluso puedo ir a esto, que es lengthflow.ai.slashlengthflow en 6914, así que puedo ir a github.com. Incluso puedo venir aquí y ver mi actividad reciente. Es este. Y toda esta PR, no hice nada. Esto fue completamente agentico. Simplemente todo, no hice nada de esto. Y luego incluso dijo, mencionó el problema aquí, 6263. Y esto fue una solicitud de función de Rigo Lepe. Ni siquiera lo conozco. Todo esto fue solo como yo.

Fue completamente agentico. Y así que es absolutamente salvaje. Bien, así que aquí todavía está funcionando. Y la charla tiene un límite de tiempo, desafortunadamente, pero al final de esto, voy a tener una solicitud de extracción de SolidJS que simplemente existe. Absolutamente salvaje.

Vamos a concluir. Entonces, ¿qué cubrimos? Cubrimos un montón de cosas. Cubrimos el protocolo de contexto del modelo, que está disponible en Cursor y otros agentes. Hemos cubierto el tiempo de ejecución real del agente que está aquí, que es el documento del agente. Sí, es este. Cubrimos qué es realmente un agente, suponiendo que no lo sabíamos antes.

Así que hay un diagrama realmente genial aquí. Y exploramos cómo podríamos usarlo con Composio y Lengthflow o en Cursor. De cualquier manera, solo necesitas un tiempo de ejecución de agente, una capa de orquestación, un modelo y herramientas. Muchas gracias por escuchar. No puedo esperar para responder a sus preguntas y ver lo que construyen con todo este conocimiento. Cuídense.