Cuando el caos te lleva donde nadie esperaba

Hay ideas que no llegan en沙龙 de conferencias ni en tutoriales de YouTube. Llegan a las tres de la mañana, mientras construyes algo que probablemente nadie pidió.

Así que déjame contarte cómo terminé cuestionando los fundamentos del diseño de protocolos para agentes de IA... mientras hacía un juego que, honestamente, nadie debería tomar en serio.

El punto de partida: perderlo todo para ganarlo

Todo empezó con un recorte. Uno de esos que te sacuden sin aviso.

Básicamente: estaba en el limbo de las solicitudes de empleo, culpando al mercado, culpando a las empresas, culpando a cualquier cosa que no fuera yo. No era un momento brillante.

Hasta que un día dije: "Ya basta. Voy a construir algo".

No algo pequeño. Algo que me obligara a aprender cosas nuevas, a salir de mi zona de confort técnico. Quería un proyecto que me asustara un poco.

El resultado fue un MMO donde cada NPC está controlado por un LLM, tratado exactamente como un jugador. Lo llamé SAO: Slop Art Online. (Sí, es una referencia. No, no me arrepiento.)

La apuesta técnica

Decidí usar Rust, Bevy y SpacetimeDB. Herramientas increíbles, no me malinterpretes. Pero definitely no son lo primero que te recomiendan cuando quieres hacer un juego.

Eso fue intencional. Quería fricción. Quería entender qué diablos estaba pasando debajo del capó.

La idea central era simple pero ambiciosa: los NPCs y los jugadores serían indistinguibles a nivel arquitectónico. La única diferencia? Los NPCs reciben sus decisiones de modelos de lenguaje en lugar de cerebros humanos.

Mi primer acercamiento fue naive pero funcional: tomar un snapshot del mundo observable, empaquetarlo con las acciones disponibles, mandarlo al LLM, y esperar la respuesta. Funcionaba. Hasta que dejó de funcionar.

El problema del tiempo real

Aquí está el tema con los MMOs: no esperan. El combate ocurre en tiempo real. Los jugadores esperan que los NPCs reaccionen al instante, no después de una llamada de varios segundos al modelo.

Intenté optimizar todo lo que pude, pero esa latencia simplemente no desaparece.

Consideré hacer fine-tuning de un modelo más pequeño con datos de gameplay, pero sonaba caro y rígido. Además, las mecánicas del juego ni siquiera estaban finalizadas — entrenar un modelo sobre objetivos en movimiento parecía al revés.

Y entonces llegó el momento Eureka.

La arquitectura híbrida

En lugar de depender únicamente de LLMs para las decisiones, implementé behavior trees como base. Cada tipo de NPC obtiene un árbol por defecto basado en su rol. El LLM se convierte en un "regenerador" que actualiza estos árboles según lo que el NPC "experimenta".

Ejecución determinista e instantánea, combinada con adaptabilidad situacional.

[Estado SpacetimeDB] → [Dispatch de Behavior Tree] → [Ejecución de Acción]
                          ↑
                          | (decisiones raras)
                    [Puente LLM]

La magia sucede gracias a la arquitectura push-based de SpacetimeDB. El puente del LLM siempre recibe un estado fresco y contextualizado. No una lista plana de herramientas. No un prompt estático. Una proyección viva del mundo tal como existe ahora mismo, con acciones semanticamente conectadas a la situación actual.

La pregunta que lo cambió todo

Estando en esa encrucijada arquitectónica, surgió un pensamiento extraño:

¿Por qué no todos los protocolos de IA funcionan así?

¿Por qué exponemos listas planas de herramientas a los LLMs? ¿Por qué usamos interfaces diseñadas para ojos humanos? ¿Qué pasaría si diseñáramos sistemas específicamente para agentes de IA — máquinas que necesitan estado push-based, acciones contextualizadas y marcos de decisión estructurados?

El patrón de behavior tree no es solo para juegos. Es un modelo probado para toma de decisiones con IA. La idea de empujar estado relevante en lugar de dejar que los agentes hagan polling de información? Eso no es mejora incremental — es un cambio de paradigma.

Lo que realmente significa diseño "agent-first"

Aquí es donde las cosas se ponen interesantes para cualquiera que esté construyendo con IA. Todavía estamos en la era de adaptar interfaces humanas para máquinas. ¿Pero qué pasaría si lo invertimos?

Un protocolo agent-first podría verse así:

• Estado push-based: Los sistemas empujan contexto relevante a los agentes, no al revés
• Acciones contextualizadas: Herramientas que entienden su relevancia actual basada en el estado
• Espacios de decisión estructurados: Jerarquías claras para decisiones, no elección ilimitada
• Validación integrada: Reducers que aseguran consistencia del estado antes y después de las acciones

Piénsalo: ¿cuánto del desarrollo actual de IA involucra prompt engineering solo para hacer que los modelos entiendan qué acciones son posibles y cuándo? Ahora imagina un protocolo donde ese contexto es inherente, siempre fresco, siempre relevante.

El aprendizaje inesperado

Esto es lo que el vibe coding me enseñó: a veces las ideas más valiosas llegan de construir algo ambicioso con herramientas nuevas. Me propuse hacer un juego con NPCs de IA. Terminé cuestionando suposiciones fundamentales sobre cómo los agentes de IA deberían interactuar con los sistemas.

El protocolo que estoy bocetando no es solo teórico. Nace de restricciones reales, decisiones arquitectónicas reales, y lecciones reales aprendidas de empujar LLMs a dominios para los que no fueron diseñados.

Si estás haciendo vibe coding ahora mismo — ya sea un juego, una app, o un experimento loco — presta atención a los momentos donde piensas "esto no debería funcionar así". Esos puntos de fricción frecuentemente revelan más sobre el futuro de la IA que cualquier hoja de ruta.

Lo mejor? Nunca habría encontrado estas ideas jugando seguro. A veces necesitas construir tu propio Slop Art Online para descubrir qué viene después.

¿Tienes tu propia historia de vibe coding? A veces los proyectos más tontos llevan a los descubrimientos más interesantes. Cuéntame en los comentarios qué caminos inesperados has tomado.