Google DeepMind está redefiniendo el panorama del desarrollo con inteligencia artificial, buscando ser el pilar fundamental en la creación de soluciones avanzadas. Ivan Leo, del equipo de experiencia de desarrolladores en Google DeepMind, ha desvelado dos nuevas primitivas: la API de Interacciones y los Agentes Gestionados. Estas innovaciones condensan meses de trabajo de infraestructura en simples llamadas a la API, marcando un antes y un después en la eficiencia del desarrollo.

La gestión de estado se mueve al servidor

La esencia de esta transformación radica en el traslado de la gestión de estado desde el cliente hacia el servidor. Los estados gestionados en el servidor y los IDs de interacción reemplazan prácticas manuales que resultaban frágiles, como la alimentación de 'firmas de pensamiento' a los modelos. Un simple error, como un espacio en blanco mal colocado, podía destruir el contexto y degradar significativamente el rendimiento del modelo. La nueva arquitectura de datos por pasos sustituye la compleja matriz de salidas anidadas, facilitando la combinación de audio, imagen y llamadas a herramientas en una única solicitud.

Leo enfatiza que la API de Interacciones no es solo una capa de conveniencia, sino un requisito de corrección para la nueva generación de modelos de Google. Anteriormente, los desarrolladores perdían el contexto completo debido a errores mínimos, lo que impactaba directamente en la inteligencia del modelo. Ahora, al pasar un ID de interacción, todo el contexto se preserva, eliminando la necesidad de gestionar manualmente las firmas de pensamiento y evitando la pérdida de caché. Esto permite flujos de trabajo complejos, como la creación de variaciones de imágenes y la generación de video a partir de una sola foto, todo dentro del mismo contexto.

El Agente Gestionado Antigravedad: un entorno de desarrollo persistente y seguro

La segunda gran novedad es el Agente Gestionado Antigravedad, que encapsula el entorno de codificación de Google en un sandbox remoto y persistente. Esto significa que los desarrolladores ya no necesitan configurar entornos ni provisionar infraestructura. Una sola llamada inicia un entorno capaz de analizar repositorios masivos, consumiendo hasta 2 millones de tokens, y devuelve un ID de entorno para su reutilización.

«Si no nos devuelves esas firmas de pensamiento, verás una disminución en el rendimiento.»

La seguridad es un pilar fundamental en esta propuesta. Un proxy intermedio inyecta las credenciales en las llamadas salientes, asegurando que el modelo nunca acceda directamente a los tokens de la API, incluso en escenarios de inyección de prompts. La tarificación se basa únicamente en el uso del modelo, no en el almacenamiento del sandbox, lo que reduce las barreras para ejecutar hasta 1.000 agentes con nombre. Leo describe este cambio como una respuesta evolutiva: modelos como Opus y Fable ahora interactúan directamente con herramientas de bash, eliminando la necesidad de andamiajes complejos.

La interacción como nueva unidad de trabajo

Leo explica la evolución de la interacción con los modelos de lenguaje: desde un simple mensaje y respuesta, pasando por la llamada a funciones que producían JSON predecible, hasta los modelos actuales que razonan por períodos extendidos, utilizan múltiples herramientas y reflexionan sobre los resultados. Define un agente como un modelo de lenguaje ejecutándose en un bucle, destacando que los modelos más recientes acceden directamente a herramientas de bash en lugar de herramientas especializadas. La API de Interacciones es la respuesta de Google a esta evolución, permitiendo que el contexto se mantenga a lo largo de múltiples llamadas y modelos.

El modelo de datos por pasos: el fin de los objetos anidados

Otro avance significativo es el nuevo modelo de datos por pasos, que reemplaza las matrices de salida profundamente anidadas. Cada salida se demarca con un tipo fuerte, facilitando la identificación de audio, imágenes o cualquier otro tipo de contenido generado. Esta estructura está diseñada para un mundo de llamadas asíncronas a herramientas y modelos colaborando, superando la limitación de un único mensaje y respuesta. Esto permite a los modelos razonar autónomamente sobre la información necesaria y generar respuestas en una sola llamada a la API, integrando herramientas como la búsqueda en Google y la recuperación de contexto de URL.

Los agentes gestionados manejan tareas complejas

Leo desmiente la idea de que los Agentes Gestionados son solo para tareas simples. Describe una ejecución en la que el modelo consumió más de 2 millones de tokens para analizar un repositorio de un hackathon, demostrando la capacidad del sistema para manejar análisis de código complejos y generar informes sin intervención humana. La persistencia se logra a través del ID de entorno, que permite que los paquetes instalados y los archivos creados permanezcan disponibles en múltiples interacciones. Esto, combinado con el ID de interacción, crea un ecosistema robusto para el desarrollo de IA.