Skills en agentes de IA

¿Qué es?

Una skill es una capacidad atómica y reutilizable que un agente de IA puede invocar para realizar una acción concreta. Funciona como un puente entre el modelo de lenguaje y sistemas externos: APIs, bases de datos, ejecución de código, archivos o cualquier otro recurso digital. Cada skill tiene un nombre, una descripción semántica y una implementación que el agente ejecuta cuando decide que es la herramienta adecuada para la tarea.

El modelo no ejecuta la skill directamente. El agente identifica cuál skill usar según la intención del usuario, reúne los parámetros necesarios y entrega el control a la implementación. El resultado regresa al modelo para continuar la conversación.

Modelo mental

Piensa en una skill como una función bien documentada que el agente puede "llamar" cuando la necesita.

Usuario ⟶ Agente ⟶ selecciona skill ⟶ ejecuta implementación ⟶ resultado ⟶ agente ⟶ respuesta

Cada skill se describe con un nombre corto y un texto que explica qué hace y cuándo usarla. Esa descripción es lo único que el modelo ve para decidir. La calidad de esa descripción determina si el agente elige la skill correcta.

Un agente puede tener desde una sola skill hasta decenas de ellas. Cuantas más skills tenga, más importante se vuelve que los nombres y descripciones sean precisos y no se solapen. Cuando dos skills compiten por el mismo caso de uso, el agente puede elegir la incorrecta.

¿Cómo se usa?

Una skill se define con tres partes:

1. Nombre: identificador corto, en snake_case o camelCase.
2. Descripción: texto en lenguaje natural que explica el propósito y cuándo se debe usar.
3. Implementación: función que ejecuta la acción (llamar a una API, consultar una base de datos, ejecutar código, etc.)

En la práctica, se declaran como un arreglo o diccionario que se pasa al agente al momento de inicializarlo. Por ejemplo, en un framework como LangChain o Vercel AI SDK:

skills = [
    {
        "name": "buscar_vuelos",
        "description": "Busca vuelos disponibles entre dos ciudades en una fecha dada. Útil cuando el usuario pide opciones de vuelo.",
        "parameters": {
            "origen": "string",
            "destino": "string",
            "fecha": "string"
        },
        "implementacion": buscar_vuelos_api
    }
]

El agente recibe estas definiciones durante la ejecución. Cuando el usuario pide algo, el modelo decide si alguna skill es relevante. Si lo es, devuelve un objeto estructurado con el nombre de la skill y los parámetros. El runtime del agente ejecuta la función y entrega el resultado al modelo.

¿Cuándo usarlo / cuándo no?

Usa skills cuando el agente necesite hacer algo que el modelo por sí solo no puede: leer datos actualizados, escribir en un sistema, calcular con precisión, o acceder a información privada. Cada vez que el agente deba salir de su contexto puramente textual, necesitas una skill.

No uses skills para acciones que el modelo puede resolver con su conocimiento interno (responder preguntas conceptuales, resumir texto, traducir). Tampoco abuses de skills ultra específicas: si una skill solo se usa en un escenario muy marginal, el ruido que añade puede hacer que el agente se equivoque más a menudo.

Un error común es definir skills con descripciones vagas o solapadas. Si dos skills describen casos de uso similares, el modelo dudará entre ellas. La claridad en la descripción es tan importante como la implementación misma.