Las traducciones son generadas a través de traducción automática. En caso de conflicto entre la traducción y la version original de inglés, prevalecerá la version en inglés.

# Agentes basados en herramientas para servidores
<a name="tool-based-agents-for-servers"></a>

Los agentes basados en herramientas para servidores mejoran las funciones de los agentes al delegar la ejecución de las herramientas a un servidor externo que cuenta con un entorno de ejecución dedicado a las herramientas, los scripts y los agentes compuestos. A diferencia de las llamadas a funciones en línea que el bucle de agentes selecciona e invoca, los agentes basados en servidor subcontratan la lógica y el proceso de ejecución a otros agentes o sistemas. Esto proporciona funciones avanzadas, como el encadenamiento de múltiples herramientas, la ejecución aislada y el razonamiento especializado. Los servidores de herramientas son ideales para acciones complejas, activas o que requieren muchos recursos, en las que las propias herramientas pueden implicar modelos de IA, reglas empresariales o entornos independientes.

## Arquitectura
<a name="architecture-servers"></a>

El siguiente es un patrón para los agentes basados en herramientas para servidores:

![\[Agentes basados en herramientas para servidores.\]](http://docs.aws.amazon.com/es_es/prescriptive-guidance/latest/agentic-ai-patterns/images/tool-based-agents-for-servers.png)


## Description (Descripción)
<a name="description-servers"></a>

1. Recibe una consulta
   + Un usuario o un sistema envía una solicitud al shell del agente.
   + El agente interpreta la consulta y se prepara para enviarla a un servidor de herramientas.

1. Ejecuta los procesos del servidor de herramientas
   + El agente envía la tarea, junto con los parámetros estructurados, a un servidor de herramientas.
   + El servidor de herramientas puede entonces:
     + Ejecute scripts o lógica en sistemas de cómputo dedicados (por ejemplo AWS Lambda, contenedores o Amazon SageMaker)
     + Utilice su propio subagente con el razonamiento LLM para seleccionar y ejecutar las herramientas
     + Gestione las dependencias, los reintentos o los flujos de ejecución en varios pasos
     + Envíe los resultados al agente principal cuando se complete la tarea

1. Utiliza el razonamiento LLM con el resultado de la herramienta
   + El agente invoca un LLM y pasa la consulta original y el resultado del servidor de herramientas como parte de la solicitud.
   + El LLM sintetiza una respuesta que incorpora la información recién adquirida.

1. Devuelve una respuesta
   + El agente devuelve una respuesta estructurada o en lenguaje natural al usuario o al sistema que realiza la llamada.
   + (Opcional) Los resultados se pueden almacenar en la memoria o en los registros de auditoría.

## Capacidades
<a name="capabilities-servers"></a>
+ Las herramientas se invocan fuera del ciclo de ejecución del agente principal
+ La ejecución de la herramienta puede implicar llamadas LLM, cadenas lógicas o subagentes
+ El agente actúa como controlador o despachador, no solo como un envoltorio de herramientas
+ Permite la componibilidad, la escalabilidad y el aislamiento de la lógica

## Casos de uso comunes
<a name="common-use-cases-servers"></a>
+ Organización de cadenas de modelos (por ejemplo, mediante la combinación de LLM, visión y código)
+ Procesos de automatización impulsados por la IA
+ DevOps agentes asistentes con ejecutores de guiones
+ Agentes complejos de computación, simulación u optimización financiera
+ Herramientas multimodales (por ejemplo, mediante la combinación de audio, documentación y acción)

## Guía para la implementación
<a name="implementation-guidance-servers"></a>

Puede crear este patrón utilizando lo siguiente: Servicios de AWS
+ Amazon Bedrock (inferencia de agente, anfitrión y LLM)
+ AWS Lambda, Amazon ECS o Amazon SageMaker Endpoints como entorno de ejecución del servidor de herramientas AWS Fargate
+ Amazon API Gateway o AWS App Runner para exponer el servidor de herramientas APIs
+ Amazon EventBridge para la mensajería desacoplada agent-to-tool
+ AWS Step Functions o AWS AppFabric para componer una lógica multiagente en el servidor de herramientas

## Resumen
<a name="summary-servers"></a>

Los agentes basados en herramientas que utilizan servidores son altamente modulares y escalables. Disocian la lógica de decisión de la ejecución, lo que permite que el agente principal sea ligero y, al mismo tiempo, delegue las acciones complejas o delicadas a otros sistemas. Esto es importante para la IA de los agentes de nivel empresarial, especialmente en entornos que requieren gobernabilidad, observabilidad, aislamiento, composición dinámica o cualquier combinación de ambos.