¿Qué es Agent Builder y cómo crear agentes personalizados?

Agent Builder es el entorno visual de OpenAI que permite diseñar agentes de inteligencia artificial mediante nodos conectados. Cada nodo representa una etapa del proceso: recibir una solicitud, consultar archivos, razonar, tomar una decisión, solicitar aprobación humana o utilizar una herramienta externa.

Sin embargo, existe una advertencia importante antes de comenzar: OpenAI anunció el retiro de Agent Builder y programó su cierre para el 30 de noviembre de 2026. Los usuarios actuales pueden seguir utilizándolo durante el periodo de transición, pero para proyectos nuevos conviene evaluar el Agents SDK o los agentes de espacio de trabajo de ChatGPT. La documentación oficial detalla el calendario y las alternativas de migración.¿Qué es un agente de inteligencia artificial?

Un agente de inteligencia artificial es un sistema capaz de interpretar una solicitud, decidir qué pasos debe ejecutar, utilizar herramientas y entregar un resultado. A diferencia de un chatbot que solo genera respuestas, un agente puede completar procesos compuestos por varias acciones.

Por ejemplo, un agente comercial podría:

• Recibir los datos de una empresa interesada.
• Consultar información almacenada en archivos internos.
• Clasificar el tipo de solicitud.
• Preparar una respuesta personalizada.
• Solicitar la aprobación de un ejecutivo.
• Registrar o enviar la información mediante una herramienta conectada.

El modelo de IA aporta la capacidad de interpretar y razonar. El flujo de trabajo define qué puede hacer, en qué orden y bajo qué condiciones.

¿Qué es Agent Builder?

Agent Builder es un lienzo visual incluido en la plataforma de OpenAI para construir flujos de agentes de varios pasos. Permite comenzar desde una plantilla o desde un flujo vacío, arrastrar nodos, conectar sus entradas y salidas, probar la ejecución y exportar el resultado.

Según la documentación oficial de Agent Builder, un flujo combina tres componentes:

• Agentes que interpretan información y generan resultados.
• Herramientas que consultan archivos o servicios externos.
• Lógica de control que determina qué camino debe seguir cada solicitud.

Las conexiones entre los nodos utilizan entradas y salidas tipadas. Esto permite definir con mayor precisión qué datos entrega una etapa y qué formato espera la siguiente.

¿Para qué sirve Agent Builder?

Agent Builder ayuda a representar procesos que requieren más de una interacción con un modelo. Su interfaz visual facilita entender la secuencia, identificar decisiones y observar qué ocurre durante cada ejecución.

Entre sus casos de uso se encuentran:

• Asistentes que consultan documentación corporativa.
• Agentes de soporte que clasifican solicitudes.
• Flujos de investigación con fuentes internas y externas.
• Procesos que preparan correos antes de enviarlos.
• Agentes que derivan consultas a especialistas.
• Sistemas que requieren aprobación humana antes de ejecutar una acción.
• Experiencias conversacionales integradas en sitios o aplicaciones.

También puede servir como entorno de prototipado. Un equipo puede construir el flujo visualmente, probar su comportamiento y luego exportarlo como código para continuar su desarrollo con el Agents SDK.

¿Qué problema resuelve Agent Builder?

Construir un agente directamente con código obliga a resolver desde el principio la secuencia de pasos, las variables, las llamadas a herramientas, los errores y las condiciones de salida. Esto dificulta que perfiles de negocio, producto y operaciones participen en el diseño.

Agent Builder permite visualizar esas decisiones. Un equipo puede observar dónde se recibe la información, qué agente interviene, qué herramienta consulta y qué condiciones modifican la ruta.

Los problemas más frecuentes que busca resolver son:

• Procesos difíciles de representar en un único prompt.
• Agentes con demasiadas responsabilidades.
• Falta de claridad sobre el recorrido de los datos.
• Errores en las entradas y salidas entre diferentes etapas.
• Automatizaciones que ejecutan acciones sensibles sin supervisión.
• Dificultades para probar el comportamiento antes de integrarlo en una aplicación.

¿Cómo funciona Agent Builder?

El flujo comienza con una entrada y avanza por los nodos conectados. Cada nodo recibe información, realiza una tarea y produce una salida que puede utilizar el siguiente componente.

La referencia de nodos de OpenAI los organiza en cuatro grupos principales.

Nodo Start

Define las entradas del flujo. En una experiencia de chat, incorpora la solicitud del usuario al historial de conversación y expone su contenido mediante la variable input_as_text.

También permite agregar variables de estado cuando el flujo necesita conservar datos adicionales.

Nodo Agent

Contiene las instrucciones, el modelo, las herramientas y la configuración del agente. Aquí se define qué debe hacer, qué información puede utilizar y qué formato debe entregar.

OpenAI recomienda mantener cada agente acotado a una responsabilidad. Un flujo puede utilizar un agente para clasificar la solicitud, otro para buscar información y un tercero para redactar la respuesta.

File search

Consulta información almacenada en vector stores de OpenAI. Puede utilizarse para responder con base en manuales, políticas, catálogos, procedimientos u otros documentos internos.

MCP

MCP, sigla de Model Context Protocol, permite conectar el flujo con servicios y herramientas externas. El agente puede consultar otras aplicaciones o ejecutar acciones según las capacidades y permisos de la conexión.

Guardrails

Los guardrails revisan entradas o salidas para detectar información personal, intentos de manipulación, contenido no permitido u otros riesgos. Su resultado puede dirigir el flujo hacia una respuesta segura o detenerlo.

If/else y While

El nodo If/else dirige la solicitud hacia diferentes rutas según una condición. El nodo While repite una etapa mientras se mantenga una condición determinada.

Human approval

Detiene el flujo para solicitar confirmación antes de una acción. Es especialmente útil cuando el agente puede enviar mensajes, modificar registros, compartir información o ejecutar operaciones difíciles de revertir.

Transform y Set state

Transform modifica la estructura de los datos para que coincida con el formato esperado por otro nodo. Set state crea variables que pueden reutilizarse en distintas partes del flujo.

¿Cómo crear un agente personalizado con Agent Builder?

Los siguientes pasos aplican mientras Agent Builder permanezca disponible para la cuenta. Debido a su retiro anunciado, cualquier implementación debe incluir un plan de exportación o migración.

1. Define una tarea concreta

Antes de abrir la herramienta, describe qué resultado debe producir el agente. Una definición útil incluye:

• Usuario al que ayudará.
• Información que recibirá.
• Fuentes que podrá consultar.
• Acciones que tendrá permitido ejecutar.
• Situaciones que requerirán aprobación.
• Formato esperado de la respuesta.
• Criterios para considerar correcta la ejecución.

Una tarea acotada es más fácil de probar que un asistente con responsabilidades generales.

2. Ingresa a Agent Builder

Accede a Agent Builder en la plataforma de OpenAI. La disponibilidad puede depender de la cuenta, el proyecto y el periodo de transición definido por OpenAI.

Selecciona una plantilla compatible con tu caso o comienza con un flujo vacío.

3. Configura el nodo Start

Define qué datos recibirá el flujo. Para una experiencia conversacional, utiliza la entrada del usuario y agrega variables solamente cuando sean necesarias.

También conviene establecer desde este punto qué campos serán obligatorios. Por ejemplo, un agente que prepara respuestas comerciales podría necesitar nombre, empresa, país y descripción de la consulta.

4. Agrega y configura el nodo Agent

Incorpora un nodo Agent y completa sus instrucciones. La configuración debería indicar:

• El objetivo específico del agente.
• La información que puede utilizar.
• Las acciones que no debe realizar.
• El estilo y formato de la respuesta.
• Qué debe hacer cuando falten datos.
• Cuándo debe solicitar intervención humana.

Un ejemplo de instrucción sería:

Analiza la solicitud recibida y clasifícala como consulta comercial, soporte o solicitud administrativa. Devuelve solamente la categoría, un resumen breve y el nivel de urgencia. Si la información es insuficiente, indica que se requiere aclaración.

Una salida estructurada facilita que los siguientes nodos trabajen con valores predecibles.

5. Incorpora fuentes de conocimiento

Si el agente debe responder con información corporativa, agrega File search y selecciona el vector store correspondiente.

Incluye únicamente documentos vigentes y define qué debe hacer el agente cuando no encuentre una respuesta. Es preferible informar que falta información antes que completar el vacío con una suposición.

6. Conecta herramientas externas cuando sea necesario

Agrega un nodo MCP si el agente necesita acceder a servicios externos. Revisa cuidadosamente:

• ¿Qué información recibirá la herramienta?
• ¿Qué operaciones puede ejecutar?
• ¿Qué credenciales o permisos utiliza?
• ¿Qué datos devuelve al flujo?
• ¿Qué acciones necesitan confirmación?

Otorga el nivel mínimo de acceso necesario para completar la tarea.

7. Añade condiciones y aprobaciones

Utiliza If/else para dirigir cada tipo de solicitud hacia el agente adecuado. Agrega Human approval antes de cualquier acción sensible.

Por ejemplo, un agente puede redactar un correo automáticamente, pero el envío debería quedar sujeto a la aprobación de una persona.

8. Conecta los nodos y revisa los tipos de datos

Une cada nodo siguiendo el recorrido esperado. Revisa que las salidas coincidan con las entradas del siguiente paso.

Si un agente devuelve un objeto y la etapa siguiente espera una lista, utiliza Transform. Si un dato debe conservarse durante toda la ejecución, utiliza Set state.

9. Prueba el flujo en Preview

La función Preview permite ejecutar el agente con datos de prueba, adjuntar archivos y observar el comportamiento de cada nodo.

Prueba solicitudes normales, ambiguas y potencialmente riesgosas. Algunos ejemplos son:

• Una consulta con toda la información necesaria.
• Una solicitud que no corresponde al alcance del agente.
• Una entrada con datos personales.
• Una instrucción que intenta modificar las reglas del sistema.
• Una acción que debe requerir aprobación.
• Una consulta para la que los documentos no contienen respuesta.

10. Evalúa el comportamiento

Agent Builder permite seleccionar trazas y ejecutar graders para revisar el desempeño del flujo. Evalúa aspectos como exactitud, cumplimiento de instrucciones, uso correcto de herramientas y calidad del resultado.

Una prueba aislada no demuestra que el agente esté listo. Utiliza un conjunto representativo de casos y repítelo después de cada cambio importante.

11. Publica una versión

Cuando el flujo alcance el comportamiento esperado, selecciona la opción de publicación. Agent Builder crea una versión principal que funciona como una instantánea del flujo.

Las versiones permiten conservar una implementación estable mientras se prueban modificaciones posteriores.

12. Despliega o exporta el agente

Desde la opción Code, puedes elegir entre dos rutas:

• Integrar el flujo en una aplicación con ChatKit y su identificador de workflow.
• Exportar el código para continuar con el Agents SDK en Python o TypeScript.

Debido al cierre programado de Agent Builder, la exportación con el Agents SDK ofrece una ruta más sostenible para una aplicación propia.

Caso de uso: agente para clasificar y responder consultas comerciales

Una empresa recibe consultas desde un formulario web. Algunas corresponden a oportunidades comerciales, otras a soporte y otras a solicitudes administrativas.

El flujo podría construirse así:

1. Start recibe el mensaje y los datos de contacto.
2. Guardrails revisa la presencia de información sensible o instrucciones maliciosas.
3. Un Agent clasifica la consulta y devuelve una categoría estructurada.
4. If/else dirige el mensaje hacia el agente especializado.
5. File search consulta documentación interna cuando necesita información de productos o servicios.
6. Otro Agent redacta una respuesta.
7. Human approval solicita la revisión de un ejecutivo.
8. MCP ejecuta el envío o registra el resultado en el sistema autorizado.

Este diseño separa clasificación, búsqueda y redacción. También evita que el mismo agente interprete una solicitud y ejecute inmediatamente una acción externa sin supervisión.

Riesgos al crear agentes personalizados

Los agentes pueden procesar datos privados y utilizar herramientas con acceso a sistemas reales. Dos de los riesgos destacados por OpenAI son la inyección de prompts y la filtración de información.

Una inyección de prompt ocurre cuando un contenido no confiable intenta alterar las instrucciones del agente. La filtración puede producirse cuando el sistema comparte con una herramienta más información de la necesaria.

La guía de seguridad para agentes de OpenAI recomienda combinar varias medidas:

• No incorporar entradas no confiables directamente en mensajes de desarrollador.
• Utilizar salidas estructuradas entre nodos.
• Definir políticas y ejemplos claros en las instrucciones.
• Mantener activas las aprobaciones para herramientas.
• Aplicar guardrails a las entradas.
• Limitar los permisos de cada conexión.
• Ejecutar evaluaciones y revisar las trazas.
• Mantener supervisión humana en acciones sensibles.

Los guardrails reducen el riesgo, pero no garantizan que el agente actúe correctamente en todos los casos.

¿Conviene crear un proyecto nuevo con Agent Builder?

Para aprender la estructura de un flujo o exportar una implementación existente, Agent Builder todavía puede resultar útil durante su periodo de transición.

Para un producto nuevo que deba mantenerse después del 30 de noviembre de 2026, conviene comenzar con una de las alternativas recomendadas por OpenAI:

La guía oficial de migración advierte que exportar un flujo no garantiza que todos sus comportamientos se transfieran sin cambios. Es necesario revisar herramientas, permisos, autenticación, condiciones y resultados.

¿Cómo migrar un flujo creado con Agent Builder?

Para exportar un flujo existente:

1. Abre el workflow en Agent Builder.
2. Selecciona Code en la navegación superior.
3. Elige Agents SDK.
4. Selecciona TypeScript o Python.
5. Copia la exportación completa.
6. Integra el código en la aplicación.
7. Configura herramientas, autenticación y permisos.
8. Prueba el comportamiento con los mismos casos utilizados en Agent Builder.
9. Corrige manualmente cualquier diferencia.
10. Despliega solamente después de validar el resultado.

La segunda alternativa es utilizar la exportación como referencia para crear un agente de espacio de trabajo en ChatGPT. Esta opción está orientada a organizaciones con ChatGPT Business, Enterprise o Edu que tengan acceso y permisos para crear agentes.

Recomendaciones para implementar agentes confiables

• Comienza con una tarea acotada y medible.
• Asigna una responsabilidad concreta a cada agente.
• Utiliza esquemas estructurados para transferir datos.
• Concede a las herramientas el mínimo acceso necesario.
• Solicita aprobación antes de enviar, modificar o eliminar información.
• Prueba situaciones normales, ambiguas y adversas.
• Registra las decisiones y acciones importantes.
• Evalúa el agente con casos representativos del negocio.
• Mantén una alternativa manual para procesos críticos.
• Documenta desde el comienzo la ruta de migración fuera de Agent Builder.

Conclusión

Agent Builder hizo más accesible el diseño de agentes al convertir instrucciones, herramientas y decisiones en un flujo visual. Su aporte principal fue permitir que equipos técnicos y de negocio pudieran observar y probar cada etapa antes del despliegue.

Su retiro anunciado cambia la decisión tecnológica. Los equipos que ya tienen flujos pueden utilizar el periodo de transición para documentarlos, exportarlos y validar su funcionamiento con el Agents SDK o con agentes de espacio de trabajo. Para proyectos nuevos, resulta más prudente elegir desde el inicio una arquitectura con continuidad después de noviembre de 2026.

Si tu empresa necesita identificar un caso de uso, diseñar sus permisos o integrar agentes con procesos comerciales y de atención, en Ciclo de Vida LATAM podemos ayudarte a convertir la idea en un flujo controlado, medible y alineado con la operación.