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:
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.
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:
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.
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:
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.
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:
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.
| Tipo de nodo | Función | Ejemplos |
|---|---|---|
| Nodos principales | Inician el flujo y configuran el comportamiento del agente. | Start, Agent y Note. |
| Nodos de herramientas | Permiten consultar información o conectarse con servicios. | File search, Guardrails y MCP. |
| Nodos de lógica | Controlan decisiones, ciclos y autorizaciones. | If/else, While y Human approval. |
| Nodos de datos | Transforman información o almacenan variables. | Transform y Set state. |
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.
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.
Consulta información almacenada en vector stores de OpenAI. Puede utilizarse para responder con base en manuales, políticas, catálogos, procedimientos u otros documentos internos.
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.
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.
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.
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 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.
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.
Antes de abrir la herramienta, describe qué resultado debe producir el agente. Una definición útil incluye:
Una tarea acotada es más fácil de probar que un asistente con responsabilidades generales.
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.
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.
Incorpora un nodo Agent y completa sus instrucciones. La configuración debería indicar:
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.
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.
Agrega un nodo MCP si el agente necesita acceder a servicios externos. Revisa cuidadosamente:
Otorga el nivel mínimo de acceso necesario para completar la tarea.
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.
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.
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:
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.
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.
Desde la opción Code, puedes elegir entre dos rutas:
Debido al cierre programado de Agent Builder, la exportación con el Agents SDK ofrece una ruta más sostenible para una aplicación propia.
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:
Este diseño separa clasificación, búsqueda y redacción. También evita que el mismo agente interprete una solicitud y ejecute inmediatamente una acción externa sin supervisión.
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:
Los guardrails reducen el riesgo, pero no garantizan que el agente actúe correctamente en todos los casos.
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:
| Alternativa | Recomendada para | Consideración principal |
| Agents SDK | Aplicaciones propias y equipos que trabajan con código. | Permite controlar ejecución, herramientas, autenticación y despliegue. |
| Agentes de espacio de trabajo de ChatGPT | Procesos internos creados con lenguaje natural y compartidos con equipos. | Requiere un espacio Business, Enterprise o Edu compatible y permisos para crear agentes. |
| ChatKit | Interfaces de conversación integradas en aplicaciones. | Permanece disponible, aunque el flujo debe ejecutarse mediante una arquitectura compatible. |
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.
Para exportar un flujo existente:
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.
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.