Clúster

Ingeniería de agentes

Agentes de código, MCP, contexto, evaluación y controles para automatización fiable.

Artículos del blog
55
Tema
IA y agentes

Empieza por el artículo fundamental

Lo último en esta colección

Grafo de compilador Rust que conecta identidades persistentes con parches semánticos verificados IA y agentes

Por qué las ediciones de agentes necesitan identidad semántica: SEMAPRAX en Rust

Un recorrido de ingeniería por IDs persistentes, HIR comprobado, grafos deterministas y parches reproducibles en el lenguaje experimental SEMAPRAX.

Kevin Riedl Kevin Riedl
Leer
LangChain Deep Agents conecta planificación, subagentes, archivos, aprobaciones, sandboxes y trazas de producción IA y agentes

LangChain Deep Agents: análisis del agent harness para producción

Análisis orientado a compra de arquitectura, cambios de v0.7, límites de seguridad, costes operativos y un piloto medible.

Kevin Riedl Kevin Riedl
Leer
OpenViking conecta memoria de agentes, recursos RAG y skills mediante rutas viking en un sistema de archivos IA y agentes

Análisis de OpenViking 2026: ¿Memoria de archivos lista para producción?

Review para compradores de OpenViking para memoria y RAG: arquitectura, riesgo AGPL, seguridad, coste operativo y piloto medible de dos semanas.

Kevin Riedl Kevin Riedl
Leer
Puntuaciones continuas del verificador ordenando varias trayectorias de agentes de IA IA y agentes

LLM-as-a-Verifier: arquitectura, costes y uso en producción

Guía técnica de compra sobre verificación fina de LLM: puntuación con logprobs, torneos pivot, evidencia y un piloto seguro.

Kevin Riedl Kevin Riedl
Leer
TrueForge conecta modelos, herramientas MCP, subagentes, aprobaciones, código en sandbox y trazas IA y agentes

TrueForge: análisis del agent harness open source para producción

Análisis orientado a compra de TrueForge: bucle, contexto, costes del benchmark, despliegue y brechas de producción empresarial.

Kevin Riedl Kevin Riedl
Leer
Una página servida como HTML, como espejo en Markdown y como entrada de llms.txt, con una puerta de build comprobando las tres IA y agentes

Webs legibles por agentes: llms.txt, espejos en Markdown y qué se rompe

Cuatro superficies deciden si un motor de respuestas con IA puede leerte, y cada fallo es invisible en un navegador. Esta es la lista que ha cazado nuestra propia puerta de build.

Kevin Riedl Kevin Riedl
Leer

Directorio completo de artículos

  1. Por qué las ediciones de agentes necesitan identidad semántica: SEMAPRAX en Rust
  2. LangChain Deep Agents: análisis del agent harness para producción
  3. Análisis de OpenViking 2026: ¿Memoria de archivos lista para producción?
  4. LLM-as-a-Verifier: arquitectura, costes y uso en producción
  5. TrueForge: análisis del agent harness open source para producción
  6. Webs legibles por agentes: llms.txt, espejos en Markdown y qué se rompe
  7. Las URLs traducidas rompen hreflang: usa un solo slug en inglés
  8. ¿Puede un agente de IA usar tu producto, o solo leer sobre él?
  9. Graft Review 2026: ¿el mapa del repo debe ir en Git?
  10. Cómo controlar los costes de agentes de código con compresión de salida
  11. Uso de tokens más inteligente con tu agente de programación IA
  12. DeepSeek Harness: análisis del stack de plugins para producción
  13. Review de OpenSandbox: ¿Compensa el self-hosting?
  14. Cloudflare Kitesurf: costes, límites y producción
  15. Análisis de GitHub Spec Kit: ¿merece el proceso?
  16. Marketplace interno de agentes de IA: guía empresarial 2026
  17. ¿Es Linux el mejor sistema operativo para agentes de IA? Guía 2026
  18. MCP Cloud vs Manufact Cloud: guía de hosting MCP
  19. Cómo hacer que la IA escriba como una persona con Agent Skills
  20. Análisis de NVIDIA NOOA: ¿están listos para producción sus agentes?
  21. Strix AI Pentesting: piloto de 30 días y guía de compra 2026
  22. Análisis de Hyperagent: agentes de IA sin servidor propio
  23. Hark Handoff: el agente que sí hace clic
  24. Precio de Meta Muse Code: ¿Contributor es seguro para código de clientes?
  25. Ocultar PII antes del prompt: una pipeline práctica
  26. Agent Reach: costes, seguridad y límites reales
  27. Cloudflare Wallets para agentes de IA: ¿qué está activo?
  28. Review de YC QM Agent: ¿está listo Quartermaster?
  29. jcode vs Claude Code: ¿Merece la pena cambiar al harness en Rust?
  30. Lightpanda para agentes de IA: guía de producción
  31. Ingeniería de grafos para agentes de IA: ¿Cuándo compensa un knowledge graph?
  32. Stack multimodelo de agentes de código: guía de compra para equipos
  33. ¿MCP ahora es stateless? Checklist para migrar tu servidor
  34. MCP no es un límite de seguridad: protege los datos
  35. ¿Pueden comunicarse dos agentes de IA? Guía de Band
  36. LeanCTX en una Agencia: Informe Técnico con Datos Reales
  37. Cómo usar GPT-5.6 Sol en Claude Code con CLIProxyAPI
  38. Arquitectura de autorización MCP para empresas
  39. Escape de la Sandbox de OpenAI: 12 Controles para Agentes de Ciberseguridad
  40. Análisis de Meterless 2026: ¿Está listo su context layer?
  41. Claude Code vs OpenCode: ¿Cuál cuesta menos a un equipo en 2026?
  42. Review de Graphify 2026: ¿Merece la pena un grafo de conocimiento del código?
  43. Scorecard para Cancelar o Escalar un Piloto de IA: 12 Métricas Tras 30 Días
  44. Review de T3MP3ST 2026: ¿Sustituye una prueba de penetración?
  45. Open Knowledge Format (OKF): guía para empresas
  46. AI Agent Cost per Action: Por Qué los Flujos Agentic Disparan la Factura de Tokens
  47. Cómo usar Claude Fable 5 en Claude Code
  48. Cuánto cuesta de verdad un asistente de IA interno en la región DACH (2026)
  49. El cuello de botella nunca fue la inteligencia. Fue el contexto.
  50. ChatGPT Enterprise vs. Copilot vs. RAG propio en DACH
  51. ¿MCP, RAG, Agent Skills o Custom GPTs?
  52. Piloto de agente de IA en 30/60/90 días: el plan
  53. RAG sobre SharePoint, Confluence y Drive: permissions-first
  54. Checklist de Production-Readiness de RAG para Empresas de la UE
  55. Por Qué el 40% de los Proyectos de Agentes IA Mueren