Le pregunté a mi agente cuánto costaba mi arquitectura...

Conecte mi agente a AWS. Le pedí que analizara cuánto me iba a costar la arquitectura que estaba diseñando. El agente respondió con números precisos, con detalles, con confianza total. Eran inventados. No tenía forma de acceder a los precios reales de AWS. No podía mirar mi cuenta. No podía hacer nada — solo hablar. Y a eso no se le llama agente.💡 Sin herramientas, tu agente es un chatbot caroHay una confusión que veo todo el tiempo: gente que construye “agentes” que son un prompt largo llamando a un modelo. Cuando les pedís que hagan algo concreto — consultar precios reales, validar datos contra una API, ejecutar una acción — se inventan la respuesta.Un agente sin herramientas es como un arquitecto sin obreros. Puede diseñar. Puede opinar. Puede explicar. Pero no puede hacer nada.Las herramientas son las manitos del agente. Sin ellas, solo genera texto.Los 3 tipos de herramientasUso Strands — el SDK open source de AWS — para construir mis agentes. Tiene tres formas de darle herramientas al agente:1. Built-in — vienen en el framework, listas para usar. Por ejemplo: current_time para que el modelo sepa en qué fecha vive (los modelos no saben la fecha por defecto) o calculator para que no haga matemáticas de memoria y se equivoque.2. Custom — funciones que vos creás con un decorador @tool. Una función normal de Python más un string en lenguaje natural que le explica al modelo cuándo y cómo usarla. Ese string es el contrato entre tu función y el agente. No es documentación técnica — es como le explicarías la herramienta a alguien no técnico: qué hace, cuándo usarla, qué argumentos necesita, qué retorna.3. MCP (Model Context Protocol) — herramientas que ya existen y podés conectar sin programarlas. Hay MCPs para AWS, GitHub, Notion, bases de datos, scraping. Conectás tu agente al servidor y listo.El error que destruye la eficienciaCrear herramientas atómicas. Una que busca el usuario, otra que manda el email. El agente tiene que coordinar dos llamadas cuando podría ser una.Mejor: una herramienta notificar_usuario que hace todo junto. Menos tokens, menos loops, menos costo, mejor performance.Anthropic publicó un análisis de miles de herramientas y llegó a la misma conclusión: las herramientas más efectivas consolidan workflows completos, no funciones individuales.El problema opuesto: demasiadas herramientasEsto también lo rompe. Cuando le das muchas herramientas al agente, se confunde — no sabe cuál elegir, empieza a usar las que no corresponden. Cada herramienta consume parte del contexto limitado del agente.Regla práctica: pocas herramientas, bien definidas, con descripciones claras. Si necesitás muchas herramientas, probablemente necesitás dividir en agentes más pequeños y especializados.Una regla que nunca fallaSi vos no entendés qué hace una herramienta leyendo su descripción y sus parámetros, el modelo tampoco va a entender. Las herramientas que funcionan para los humanos funcionan para los agentes.Volviendo al cuento del agente del principio…Lo que cambió en el agente con las herramientas correctasCon el MCP de pricing de AWS, mi agente ya no adivina. Lee la infraestructura como código, consulta los precios reales, mira el Cost Explorer de la cuenta, y me da un análisis real. Incluso me dice cómo optimizar la arquitectura para que salga más barata.🚀 ¿Querés construir agentes que hagan cosas de verdad?Tengo un mini-curso gratuito de Agentes IA donde vemos exactamente esto: cómo diseñar y conectar herramientas reales, cómo evitar los errores más comunes, y cómo desplegarlo en AWS.🎯 ACCEDER AL MINI-CURSO GRATUITO This is a public episode. If you would like to discuss this with other subscribers or get access to bonus episodes, visit desplegando.substack.com