Glosario IA y Vibecoding
Guía fundamental para la nueva era del desarrollo por Andriy Orlov: agentes autónomos, loop engineering, protocolo MCP, escalado de contexto, infraestructura VPS y prevención del agotamiento en la era de la IA.
A
ENAgent Sandboxing
Aislamiento hardware y software del entorno de ejecución de un agente autónomo, garantizando la protección del sistema anfitrión, secretos y red interna contra código malicioso y prompt injection.
Agente-a-Agente Protocolo (A2A)
Estándar abierto para la interacción en red, descubrimiento descentralizado y intercambio seguro de contexto entre agentes de IA independientes de diferentes proveedores y plataformas.
Agentes Autónomos de Navegador (Uso de Navegador / Agentes Web)
Tecnología de control autónomo del navegador web (Browser Use, Playwright AI, Puppeteer). El agente abre sitios, interactúa con elementos del árbol DOM, desplaza páginas, extrae datos dinámicos y ejecuta tareas de múltiples pasos sin APIs oficiales.
Agentes de IA (Agentes Autónomos)
Sistema autónomo basado en un modelo de lenguaje grande que no solo responde a mensajes, sino que planifica secuencias de acciones, utiliza herramientas externas (navegador, terminal, bases de datos) y ejecuta tareas complejas sin supervisión constante humana.
Agentes de IA (Agentes Autónomos)
Sistemas de software basados en LLM que pueden percibir de manera autónoma el estado del entorno, descomponer objetivos complejos, invocar herramientas externas y corregir iterativamente sus propios errores.
Agentes Enjambres y Votación por Consenso
Coordinación descentralizada de un gran número de agentes de IA homogéneos o heterogéneos, donde las decisiones finales se forman a través de votación mayoritaria, debates o algoritmos de consenso.
B
ENBenchmarks para Agentes: GAIA y SWE-bench
Nueva generación de rigurosos benchmarks prácticos para evaluar la autonomía de la inteligencia artificial. GAIA prueba tareas multimodales en la web abierta con archivos y navegador, mientras que SWE-bench evalúa la capacidad de los agentes para encontrar y corregir errores reales en grandes repositorios de GitHub.
Bloc de Notas del Agente
Área temporal de memoria de trabajo en la ventana de contexto del modelo, donde el agente registra sus reflexiones intermedias, planes, dudas y conclusiones antes de invocar herramientas. Oculta a los ojos del usuario final para mantener la limpieza de la interfaz final.
Botón de Confirmación Humana (Human-in-the-Loop / HITL)
Patrón arquitectónico de seguridad para agentes autónomos (Human-in-the-Loop) que establece puntos de control (Approval Gates) antes de realizar acciones críticas. El agente prepara la operación (pago, eliminación de base de datos, envío de correo al cliente), pero detiene su trabajo hasta recibir la aprobación explícita de una persona.
C
ENCiclo de Acción del Agente (Thought ➔ Action ➔ Observation / ReAct)
Patrón algorítmico fundamental para el funcionamiento de agentes autónomos (conocido como ReAct: Reasoning + Acting). Consiste en un ciclo infinito de tres pasos: 1) Pensamiento (Thought) — análisis de la situación; 2) Acción (Action) — llamada a la herramienta; 3) Observación (Observation) — análisis del resultado y ajuste del plan.
Ciclos Infinito de Agentes y Protección del Presupuesto (Infinite Loops)
Estado crítico de un agente autónomo que entra en un bucle recursivo infinito debido a un error repetido o la imposibilidad de alcanzar un objetivo. Se consideran mecanismos de protección del presupuesto: límites estrictos de pasos (Max Steps), límites de gastos (Spend Caps) y detección de ciclos.
Código Autocurativo y Bucles de Ejecución
Un ciclo de ingeniería autónomo en el que un agente de IA modifica el código, analiza la retroalimentación del compilador y los registros de ejecución, e iterativamente corrige sus propios errores hasta alcanzar un 100% de funcionalidad.
Control de Computadora a Través de IA (Computer Use)
La tecnología de Anthropic (presentada en los modelos Claude 3.5 Sonnet) permite a la red neuronal controlar el sistema operativo como lo haría una persona: tomar capturas de pantalla, analizar coordenadas de ventanas, mover el cursor, hacer clic en botones e ingresar texto sin utilizar APIs especiales.
CrewAI
Uno de los frameworks de Python más populares para crear equipos autónomos de agentes, basado en la distribución de roles, herramientas y delegación de tareas.
Custom GPTs (Bots Personalizados en ChatGPT)
Función de ChatGPT para crear mini-asistentes personalizados para tareas específicas. Permite cargar archivos propios, establecer instrucciones permanentes, conectar generación de imágenes y APIs externas sin necesidad de codificación.
D
ENDefensa Contra Inyección Indirecta de Prompts
Conjunto de métodos arquitectónicos y de software para proteger a los agentes de IA autónomos de instrucciones ocultas del atacante, ubicadas en páginas web externas, documentos o API.
Delegación a Subagentes (Arquitectura de Subagentes)
Patrón arquitectónico jerárquico para construir sistemas AI complejos. En lugar de intentar resolver todo con un único modelo de lenguaje universal, se crea un agente orquestador principal (Router/Manager) que descompone tareas y las delega a subagentes especializados (Investigador, Programador, Crítico).
E
ENEsquemas de Herramientas (Tools & JSON Schema)
Estándar de descripción formalizada de interfaces de herramientas (Tools) para grandes modelos de lenguaje utilizando el estándar JSON Schema. Incluye el nombre de la función, una descripción detallada de su propósito, una lista de parámetros obligatorios y tipos de valores.
Evaluaciones de Agentes y Benchmarking SWE-bench
Metodología e infraestructura para la medición sistemática de la fiabilidad, precisión y seguridad de los agentes de IA mediante pruebas sintéticas, SWE-bench y simulaciones de repositorios sin cabeza.
F
ENG
ENH
ENI
ENIdentidad del Agente y DID (Identificadores Descentralizados)
Estándares criptográficos (DIDs, Credenciales Verificables, mTLS) que otorgan a los agentes de IA autónomos una identidad reconocida legal y técnicamente, derecho a firmar y auditar acciones.
Interrupt-Driven HITL & Breakpoints
Patrón de diseño de sistemas de agentes con capacidad de pausa, inyección de correcciones humanas y recuperación segura del estado (Resume) antes de realizar acciones críticas.
L
ENLangGraph
Framework de bajo nivel del equipo de LangChain para construir sistemas multiagentes cíclicos y deterministas en forma de Máquinas de Estado (State Machines) con soporte completo para persistencia.
Llamada a Funciones (Function Calling / Tool Calling)
Protocolo técnico y estándar de interacción entre LLM y software externo. En lugar de texto libre, el modelo devuelve un JSON válido con el nombre de la función y argumentos tipados según el esquema JSON Schema, permitiendo al backend ejecutar acciones de manera determinista en APIs reales.
Llamada de Herramientas Determinística y Muestreo de Gramática
Tecnología que garantiza una validez sintáctica del 100% de los argumentos de las herramientas del agente mediante enmascaramiento gramatical de logits (GBNF / Outlines) y validación estricta de esquemas Pydantic/Zod.
M
ENMCP (Model Context Protocol)
Estándar abierto de Anthropic basado en JSON-RPC 2.0 para la conexión bidireccional unificada de asistentes de IA a herramientas externas, bases de datos y entornos de sistema.
MCP Client
Entorno de software (Claude Code, Cursor, Cline, SDK-agents) que gestiona el ciclo de vida de la conexión a servidores MCP, agrega manifiestos de herramientas y controla los derechos de acceso del modelo.
MCP Server
Servicio de software o proceso en segundo plano que implementa la especificación MCP y proporciona a los clientes AI externos acceso estandarizado para ejecutar funciones, leer recursos y plantillas de prompts.
Memoria a Corto y Largo Plazo de Agentes
Arquitectura de memoria multinivel para agentes autónomos. Se divide en memoria a corto plazo (Short-Term Memory — ventana de contexto activa de la sesión actual) y memoria a largo plazo (Long-Term Memory — bases de datos vectoriales, archivos de perfil de usuario y diarios episódicos).
Memoria de ChatGPT (Almacenamiento de Hechos entre Diálogos)
La función de memoria a largo plazo de ChatGPT permite a la inteligencia artificial recordar su nombre, profesión, tecnologías favoritas, formato de respuestas y detalles personales entre diferentes chats.
Memoria del Agente
Subsistema complejo de almacenamiento, filtrado y recuperación de datos que transforma una llamada LLM sin estado en un sistema con estado: desde un buffer temporal hasta un almacén de conocimiento multisesión.
Microsoft AutoGen
Marco de trabajo abierto líder de Microsoft para crear sistemas de conversación multiagente. Permite combinar múltiples agentes de IA con diferentes roles y habilidades en un chat grupal (GroupChat), donde discuten, escriben código, lo prueban y alcanzan objetivos comerciales en conjunto.
Modelos de Recompensa por Proceso (PRM)
Modelos de evaluación de IA que analizan la corrección de cada paso lógico o llamada a la herramienta del agente, evitando la acumulación de errores hasta obtener el resultado final.
Monte Carlo Tree Search para Agentes (MCTS)
Enfoque algorítmico para la planificación de acciones de agentes de IA que combina búsqueda heurística, evaluación de estados intermedios y retroceso para encontrar soluciones óptimas en espacios de alta complejidad.
O
ENObservabilidad y Trazado de Agentes (OpenTelemetry)
Métodos para recopilar métricas, trazar cadenas de razonamiento (Spans), analizar retrasos de herramientas y monitorear el consumo de tokens utilizando OpenTelemetry y plataformas especializadas (Langfuse, Arize).
Orquestación Multi-Agente
Arquitectura de interacción de agentes de IA especializados e independientes, organizados en una red distribuida o jerarquía para resolver en paralelo problemas de ingeniería complejos.
P
ENPersonas Sintéticas y Simulación Multi-Rol
Metodología para modelar roles diversos de usuarios, auditores de seguridad y expertos en accesibilidad mediante prompts sistemáticos especializados para pruebas de estrés exhaustivas de aplicaciones.
Plan-and-Solve Prompting
Arquitectura de agente en dos etapas que separa la descomposición estratégica de la tarea en un plan global de su ejecución táctica secuencial con replanteamiento dinámico.
PydanticAI
Framework moderno de Python de los creadores de Pydantic, que introduce tipado estricto, inyección de dependencias y validación determinista de esquemas en el mundo de los agentes de IA.
R
ENReAct Pattern (Reasoning + Acting)
Patrón algorítmico fundamental para agentes autónomos que alterna pasos de razonamiento interno (Thought), ejecución de herramientas externas (Action) y análisis del resultado obtenido (Observation).
Reflection Pattern
Patrón arquitectónico que mejora la fiabilidad de los agentes, dividiendo el proceso en generación de soluciones (Generator), auditoría crítica (Critic) y refinamiento iterativo (Refiner).
RLVR (Reinforcement Learning with Verifiable Rewards)
Método de post-entrenamiento y optimización del razonamiento de agentes de IA, donde la función de recompensa se basa en verificaciones matemáticas objetivas, compiladores y pruebas unitarias en lugar de evaluaciones humanas subjetivas.
S
ENSelección Dinámica de Herramientas (Dynamic Tool Selection)
Enfoque arquitectónico para construir agentes de IA escalables con cientos de herramientas. En lugar de cargar todas las descripciones de funciones en el contexto simultáneamente, el sistema utiliza búsqueda semántica o un modelo enrutador (Router) para seleccionar dinámicamente solo de 3 a 5 herramientas más relevantes para una consulta específica del usuario.
Self-Correction Loop
Mecanismo de corrección autónoma del código por parte del modelo mediante la obtención de retroalimentación determinista de compiladores, linters o pruebas (Grounded Feedback Loop).
Subagents (Subagentes y Delegación)
Patrón arquitectónico para lanzar agentes secundarios aislados de un solo uso para la ejecución paralela de subtareas intensivas en recursos sin contaminar la ventana de contexto del proceso padre.
Supervisor Pattern (Multi-Agente Jerárquico)
Patrón arquitectónico para la organización de agentes de IA, donde un agente supervisor central gestiona el ciclo de vida, la descomposición de tareas y la delegación a un grupo de trabajadores especializados.
T
ENTool Calling (Function Calling)
Mecanismo de bajo nivel en modelos de lenguaje que permite generar parámetros validados en formato JSON para ejecutar funciones en un entorno de programación externo.
Transferencias de Agentes y Protocolo de Estado
Patrón estandarizado para la transferencia segura de tareas y contexto entre agentes de IA especializados, sin pérdida de objetivos, historia y artefactos acumulados.
U
ENW
ENConjunto integral de herramientas, clasificaciones y habilidades de IA
Además del glosario, GOTBURNOUT incluye benchmarks de redes neuronales, un catálogo de más de 100 000 AI Agent Skills, scripts para VPS verificados y una comunidad Pro privada de desarrolladores.