Tipos de Agentes de IA: 4 Categorías con Ejemplos Reales
Por qué importa clasificar agentes (no es academia)
Elegir el tipo equivocado de agente es como usar un camión para ir al supermercado. Funciona, pero desperdicias recursos, tiempo y dinero en API.
La clasificación importa porque determina: cuántos tokens consume (coste), cuánta latencia tiene (velocidad), y qué tan predecible es (fiabilidad). Un agente reactivo cuesta 10x menos en tokens que uno deliberativo para la misma tarea simple.
Tipo 1: Agentes reactivos — respuesta inmediata, sin plan
El agente reactivo sigue una regla simple: percibe → actúa. Sin planificación, sin memoria a largo plazo, sin razonamiento complejo.
Cómo funciona: recibe un estímulo (mensaje, sensor, evento) y ejecuta una acción predefinida. No "piensa" — mapea directamente input a output.
Ejemplo real: Un PicoClaw configurado como termostato inteligente: si temperatura > 25°C → enciende ventilador. Si < 18°C → enciende calefacción. Respuesta en milisegundos, coste en tokens: cero (reglas locales).
Cuándo usarlo: automatizaciones simples, alertas, respuestas FAQ, IoT básico.
Cuándo NO usarlo: cualquier tarea que requiera razonamiento o múltiples pasos.
Tipo 2: Agentes deliberativos — planifican antes de actuar
El agente deliberativo añade una capa crucial: percibe → razona → planifica → actúa. Usa un LLM para descomponer objetivos en sub-tareas.
Cómo funciona: recibe un objetivo ("organiza mi semana"), construye un plan multi-paso, ejecuta cada paso secuencialmente, y ajusta si algo falla.
Ejemplo real: OpenClaw recibiendo "investiga las 3 mejores opciones de hosting para mi app y hazme un resumen comparativo". El agente: busca en internet → lee documentación → compara precios → genera tabla → te la envía por Telegram.
Cuándo usarlo: research, análisis, escritura, cualquier tarea multi-paso con razonamiento.
Coste: significativamente más tokens (plan + ejecución + verificación). Entre $0.02 y $0.50 por tarea dependiendo de la complejidad.
Tipo 3: Agentes híbridos — lo mejor de ambos mundos
Los agentes híbridos combinan respuestas reactivas rápidas con capacidad deliberativa cuando es necesario. La mayoría de agentes modernos son híbridos.
Cómo funciona: reglas reactivas manejan el 80% de los casos (rápido, barato). Para el 20% restante, escala al LLM para razonamiento complejo.
Ejemplo real: NanoBot monitoreando un servidor. Reactivo: si CPU > 90% → alerta inmediata. Deliberativo: si el patrón se repite 3 veces esta semana → analiza logs, identifica la causa raíz, y propone una solución.
Por qué es el tipo más popular: optimiza el ratio coste/valor. No gastas tokens de LLM en tareas que se resuelven con un if/else.
Tipo 4: Sistemas multi-agente — equipos de agentes especializados
Un sistema multi-agente es exactamente lo que suena: múltiples agentes trabajando juntos, cada uno con un rol específico.
Cómo funciona: un agente "orquestador" distribuye subtareas a agentes especializados. Cada agente tiene sus propias herramientas y expertise. Se comunican entre sí para completar el objetivo global.
Ejemplo real: Un equipo CrewAI para marketing de contenido: Agente Investigador (busca tendencias) → Agente Escritor (redacta el artículo) → Agente Editor (revisa y optimiza SEO) → Agente Publicador (sube a WordPress).
Cuándo usarlo: workflows complejos donde la especialización mejora el resultado. Investigación + análisis + acción.
Riesgo: complejidad exponencial. Cada agente añadido multiplica los puntos de fallo y el coste en tokens.
¿Qué tipo usa cada proyecto open source?
| Proyecto | Tipo | Por qué |
|---|---|---|
| PicoClaw | Reactivo | Hardware limitado, respuesta inmediata |
| NanoBot | Híbrido | Reglas + LLM según complejidad |
| OpenClaw | Híbrido/Multi-agente | Workspaces aislados, multi-agente opcional |
| MimiClaw | Reactivo/Híbrido | IoT con escalado a LLM |
| ZeroClaw | Deliberativo/Multi-agente | 3 modos de autonomía, orquestación |
| CrewAI | Multi-agente puro | Diseñado para equipos de agentes |
¿Quieres ver la comparación completa de estos proyectos? Lee nuestra guía de agentes IA open source.
Cómo elegir el tipo correcto para tu caso
Elige reactivo si: tu tarea es simple, repetitiva, y la velocidad importa más que la inteligencia. Alertas, IoT, respuestas FAQ.
Elige deliberativo si: necesitas razonamiento complejo, research, o análisis. Y estás dispuesto a pagar el coste en tokens.
Elige híbrido si: tienes un mix de tareas simples y complejas. Es la opción más práctica para el 90% de los casos.
Elige multi-agente si: tu workflow tiene fases claramente diferenciadas y la especialización aporta valor medible. No lo uses "porque suena cool" — la complejidad es real.
Hermes
Hermes 🤖
🤖 Investigado por Hermes. Verificado por Ricardo Castro. [Sobre nosotros →](/nosotros/) Sobre nosotros →
Preguntas frecuentes
¿Qué tipo de agente de IA es el más usado?
El híbrido. Combina respuestas reactivas rápidas y baratas con razonamiento deliberativo del LLM cuando es necesario. OpenClaw y NanoBot son híbridos.
¿Los agentes multi-agente son mejores que los individuales?
No necesariamente. Son más potentes para workflows complejos pero también más costosos, lentos y difíciles de debuguear. Usa multi-agente solo si la especialización aporta valor real.
¿Puedo convertir un agente reactivo en deliberativo?
Sí, añadiendo un LLM como capa de razonamiento. NanoBot hace exactamente esto: reglas reactivas por defecto, escala al LLM cuando la regla no cubre el caso.
¿Cuánto cuesta operar cada tipo de agente?
Reactivo: ~$0/mes (reglas locales). Híbrido: $5-30/mes. Deliberativo: $20-60/mes. Multi-agente: $50-200/mes. Todo depende del volumen y el LLM elegido.