Radar de desarrollo agéntico

Documentar stack, comandos y convenciones en un archivo que el agente lee siempre reduce errores repetidos y hace el trabajo reproducible entre personas. Barato y con retorno inmediato.

Escribir primero una especificación breve (objetivo, criterios de aceptación, límites) y pedir al agente que planifique antes de codificar. Mejora la calidad en tareas grandes; en cambios chicos puede ser burocracia.

Casos de prueba automáticos que miden si un agente o prompt sigue haciendo lo correcto tras cambiar modelo, herramientas o instrucciones. Imprescindible en producción; todavía cuesta mantenerlos.

Saltarse todas las confirmaciones en tu máquina o con credenciales reales expone a borrados, filtraciones e inyección de prompts. Si necesitas autonomía, usa contenedores, worktrees o entornos aislados.

SDK (TypeScript y Python) con el mismo bucle de agente, herramientas y permisos que Claude Code. Buen punto de partida para agentes propios con acceso a archivos y comandos.

Modela agentes como grafos de estado con persistencia y pasos con intervención humana. Útil cuando el flujo debe ser explícito y auditable; agrega complejidad si el caso es simple.

Framework liviano con handoffs entre agentes, guardrails y trazas. Interesante para orquestaciones multiagente; falta experiencia de la comunidad en producción.

Herramientas como Claude Code, Codex CLI o Gemini CLI que leen el repo, ejecutan comandos y proponen cambios. Ya son parte del flujo diario de muchos miembros; combínalas con revisión humana y CI.

Protocolo abierto para conectar agentes con herramientas y datos. Amplio soporte en clientes y servidores; revisa permisos y origen de cada servidor antes de instalarlo.

Protocolo para que agentes de distintos proveedores se descubran y deleguen tareas entre sí. Promete interoperabilidad; el ecosistema y los casos reales aún son escasos.

Una sola API para varios proveedores y modelos, con control de costos, fallback y registro. Facilita comparar modelos; suma una dependencia y un intermediario para tus datos.

Correr modelos de pesos abiertos en tu equipo o servidor da privacidad y costo fijo. Sirven para tareas acotadas; en tareas agénticas largas todavía rinden menos que los modelos de frontera.