El verdadero dolor de construir agentes de código con IA

Vamos a ser directos: crear un agente de programación con IA desde cero es, en su mayoría, aprender a vivir con la frustración. Entre parsear respuestas en streaming, pelear con la autenticación de proveedores, definir esquemas de herramientas e implementar sandboxes de archivos, casi no te queda tiempo para pensar en lo que tu agente realmente debería hacer. Lo interesante—la lógica que hace único a tu agente—se entierra bajo una montaña de código de fontanería que cada proyecto tiene que implementar.

Este es el problema que zot aborda de frente. En lugar de darte otra caja negra para configurar, zot te entrega sus componentes internos como paquetes Go importables. Tomas lo que necesitas, ignoras lo que no, y escribes un harness funcional en aproximadamente cien líneas de código.

El problema del 90/10 en desarrollo de IA

Si alguna vez has intentado construir un agente de código básico, probablemente habrás notado este desequilibrio. La propuesta de valor real de tu agente—cómo analiza el código, qué flujo de trabajo implementa, qué personalidad adopta—representa quizás el 10% del código que terminas escribiendo. ¿El otro 90%? Protocolos de streaming, autenticación de proveedores, definiciones de herramientas, sandboxing, prompts de sistema. Infraestructura que todo proyecto de IA necesita pero nadie quiere construir dos veces.

El enfoque de zot invierte esto por completo. El proyecto ofrece paquetes Go probados en batalla para toda esa fontanería, organizados bajo interfaces limpias. Importas el cliente del proveedor, el loop del agente, el registro de herramientas—lo que sea que tu harness necesite—y empiezas a construir tu lógica de agente inmediatamente.

Cuatro bloques, posibilidades infinitas

La arquitectura que hace esto posible es elegantemente simple. Todo agente basado en zot se compone de cuatro componentes centrales:

Cliente de proveedor — Conéctate a Anthropic, OpenAI, Gemini, o cualquier otro modelo soportado a través de una interfaz unificada. Cambiar entre proveedores es literalmente un cambio de una línea porque zot normaliza todo: respuestas en streaming, llamadas a herramientas, métricas de uso. El código de tu agente permanece igual ya sea que uses Claude o GPT-4.

Registro de herramientas — Aquí es donde emerge la personalidad de tu agente. zot viene con herramientas listas para usar: leer archivos, escribir contenido, ejecutar comandos bash, editar código. Pero añadir las tuyas propias es solo implementar una interfaz y registrarla. El modelo ve un esquema JSON limpio y puede invocar tu herramienta personalizada como cualquier otra integrada.

Prompt de sistema — La personalidad. El contexto. Las instrucciones que le dicen al modelo qué tipo de agente debe ser. zot proporciona ayudantes para construir valores por defecto sensatos, pero tienes libertad para crear exactamente el prompt de sistema que tu caso de uso requiera.

Loop del agente — La capa de orquestación que une todo. Maneja el ciclo de solicitud/respuesta, parsea llamadas a herramientas, ejecuta las herramientas registradas, devuelve los resultados al modelo, y continúa hasta completarse o alcanzar el límite de pasos.

Eso es todo. Cuatro bloques, y tu agente está funcionando.

¿Por qué construir tu propio harness?

zot incluye una TUI interactiva completa lista para usar, así que quizás te preguntes por qué molestarte en escribir un harness personalizado. Pregunta justa. Aquí te digo cuándo tiene sentido lo personalizado:

Flujos de trabajo por lotes y amigables con CI — Las TUIs interactivas son geniales para exploración, pero ¿qué pasa con las tareas automatizadas? Un harness personalizado puede aceptar un prompt, ejecutarse hasta completarse y terminar. Perfecto para pipelines de CI que necesitan revisión de código, generación de pruebas o actualizaciones de documentación en cada pull request.

Comportamiento de agente embebido — ¿Quieres capacidades de agente dentro de un programa Go más grande? Un harness personalizado te da control programático. Tu aplicación principal llama al agente, recibe resultados estructurados y continúa con su propia lógica.

Herramientas bajo llave — La TUI interactiva expone un conjunto flexible de herramientas. Un harness especializado puede restringir el conjunto de herramientas y el sandbox a exactamente lo que una tarea específica necesita—no más, no menos.

Personalidades congeladas — A veces no quieres configuración. Un harness personalizado puede hardcodear un prompt de sistema y un conjunto de herramientas para un propósito específico, convirtiendo tu agente en una herramienta confiable y repetible en lugar de un chatbot de propósito general.

Hazlo tuyo

El poder real aquí no es solo ahorrar tiempo en código repetitivo. Es poseer completamente el comportamiento de tu agente. Cuando construyes sobre zot, obtienes acceso a la misma infraestructura probada en batalla que impulsa su TUI interactiva, pero controlas cada aspecto de la interfaz面向用户. Puedes construir un CLI con formatos de salida específicos, un webhook que recibe solicitudes y devuelve resultados, un servicio en segundo plano que monitorea repositorios, o una TUI completamente personalizada con tu propio lenguaje visual.

Cada línea de código que escribes es sobre tu producto, tu flujo de trabajo, tu diferenciación. No sobre reimplementar parsers de streaming.

Empezando

Si eres desarrollador Go y te interesa explorar los agentes de IA, zot representa el camino con menor fricción para construir algo real. El esqueleto de cuatro bloques que describí antes es todo lo que necesitas para empezar a experimentar. Registra las herramientas que quieras, escribe un prompt de sistema, ejecuta el loop del agente.

Puedes tener un prototipo funcionando antes de que tu café se enfríe. Y desde ahí, cada adición es sobre lo que hace único a tu agente.

El espacio de los agentes de código con IA todavía es lo suficientemente joven como para que la mayoría de proyectos estén resolviendo los mismos problemas fundamentales de forma independiente. zot te permite saltarte esa fase y saltar directamente al trabajo interesante: figuring out what your agent should do, not how it should stream responses.

Eso es un intercambio que vale la pena hacer.

¿Listo para construir? Echa un vistazo al proyecto zot y explora cómo puedes composed sus componentes en algo que se ajuste a tu visión. La fontanería está resuelta—ahora ve y hazlo interesante.