Cambio en la arquitectura de backend: de API fijas a sistemas de agentes de IA
Aprenda cómo cambia el diseño de backend cuando los agentes de IA reemplazan las rutas API fijas, con ejemplos de código reales, casos de uso y consideraciones prácticas a tener en cuenta.
Durante mucho tiempo, la ingeniería de backend ha seguido un patrón sencillo: se configuran las rutas, el cliente las accede y el servidor envía una respuesta.
POST /create-order
GET /user/123
Es ordenado, fácil de comprender y se escala bien en producción.
Pero aquí está el problema:
Todo camino posible a través de la aplicación debe planificarse con antelación.
Cada vez que un usuario intenta algo fuera de ese mapa, la solución siempre es la misma: escribir más código, añadir más rutas y acumular más condiciones.
Ahora imagine un tipo diferente de solicitud. Un usuario simplemente escribe:
“Encuentra el vuelo más barato para mañana y cómpralo.”
No existe un único punto de acceso que haga esa tarea. Aquí es donde el modelo tradicional comienza a fallar.
Cómo construimos backends hoy en día (APIs)
Considere un escenario concreto.
Flujo de comercio electrónico (basado en API)
// Step 1: Get product
GET /products/:id
// Step 2: Add to cart
POST /cart// Step 3: Create order
POST /order// Step 4: Payment
POST /payment
Cada uno de estos pasos es:
- fijo de antemano
- controlado explícitamente
- incorporado directamente en el flujo
Incluso la lógica detrás de estas rutas suele tener este aspecto:
if (user.isLoggedIn) {
createOrder()
} else {
throw new Error("Unauthorized")
}
Este enfoque funciona bien, pero implica una suposición inherente: hay que conocer de antemano cada ruta que un usuario podría seguir a través del sistema.
Desarrollando la misma funcionalidad con un agente
En lugar de detallar cada paso, se describe el resultado deseado.
"Ordene el iPhone más barato por debajo de ₹70,000"
Con este cambio, el backend adquiere una forma diferente.
Paso 1: Definir herramientas (sus APIs)
const tools = [
{
name: "search_products",
description: "Search products by name and filters",
},
{
name: "create_order",
description: "Create order for a product",
},
{
name: "make_payment",
description: "Process payment",
}
]
Observe detenidamente qué ha cambiado.
Las mismas API subyacentes siguen estando allí; simplemente se exponen como herramientas llamables.
Paso 2: Deja que el agente decida
Utilizando una configuración como Ollama junto con Gemma 4:
const userGoal = "Buy the cheapest iPhone under 70000"
const response = await agent.run({
goal: userGoal,
tools
})
En el fondo, el agente resuelve el problema por sí mismo:
- Llama a
search_products - Filtra por precio
- Elege la mejor opción
- Llama a
create_order - Dispara
make_payment
No existe una secuencia fija escrita a mano.
La diferencia clave, expresada de forma sencilla
Aquí está la distinción resumida:
APIs:
Tú escribes:
Step 1 → Step 2 → Step 3
Agentes:
Tú escribes:
Goal → System figures out steps
Esa es la esencia del cambio.
Dónde realmente da resultados
Echemos un vistazo a escenarios prácticos en lugar de abstracciones.
1. Automatización del soporte al cliente
En lugar de puntos finales separados como:
/get-order/cancel-order/refund
se permite que el sistema maneje una sola solicitud como:
User: "My order is late, cancel it and refund"
Luego, el agente:
- verifica el estado del pedido
- lo cancela
- activa el reembolso
2. Herramientas de desarrollo internas
Por ejemplo:
"Verificar por qué aumentó la latencia de la API en la última hora"
El agente es capaz de:
- consultar registros
- verificar métricas
- sugerir el problema probable
3. Plataforma de búsqueda de personas desaparecidas
Este caso merece ser destacado.
Un usuario sube una foto y pregunta:
">Descubrir si esta persona está reportada como desaparecida"
El flujo del agente sería:
- llamar a un servicio de coincidencia de imágenes
- revisar una base de datos
- devolver cualquier coincidencia encontrada
Ninguno de estos procesos requiere una secuencia API rígida y predefinida.
Así es la arquitectura
A nivel general, es sencillo:
User → Agent → Tools → Your Existing Backend
Tus APIs existentes no desaparecen; simplemente las envuelves para que un agente pueda llamarlas según sea necesario.
Ejemplo de implementación (estilo Node.js)
app.post("/tools/create_order", async (req, res) => {
const { productId } = req.body
const order = await createOrder(productId)
res.json(order)
})
El agente simplemente invoca este endpoint como una de sus herramientas disponibles.
Los verdaderos desafíos que enfrentarás
Este enfoque no está exento de dificultades.
1. El depuración se vuelve más complicada
Con las APIs tradicionales, depuras tu propio código.
Con los agentes, a menudo debes averiguar por qué el modelo eligió una acción específica.
2. El comportamiento no siempre es consistente
La misma entrada puede generar un resultado diferente cada vez.
3. Los gastos pueden aumentar rápidamente
Un agente podría realizar 5 llamadas a API más 10 pasos de razonamiento para lograr algo que una sola solicitud habría resuelto.
4. La seguridad requiere más atención
Es necesario tener un control estricto sobre las herramientas a las que puede acceder el agente y los datos a los que está expuesto.
Qué significa esto para usted como desarrollador de backend
No complique las cosas más de lo necesario.
Siga creando APIs
Ellos siguen siendo la base sobre la cual se sustenta todo lo demás.
Diseñe sus APIs como herramientas llamables
Piense en términos de una definición de herramienta:
{
"name": "get_user_orders",
"description": "Fetch all orders for a user"
}
Cree un pequeño proyecto de agente
Elija algo manejable, como un asistente de pedidos, un analizador de registros o un chatbot interno. Herramientas como Ollama o Gemma 4 son un punto de partida razonable.
Cambie su forma de pensar hacia los objetivos, no hacia flujos fijos
Este cambio mental es más importante que cualquier elección específica de herramientas.
Pensamiento final
Las APIs le dan estructura a los sistemas backend. Los agentes les brindan flexibilidad. El futuro no es APIs contra agentes, sino APIs más agentes. Si ya sabe cómo crear APIs sólidas, ya está a mitad de camino. Comience a preguntarse: ¿y si su backend pudiera determinar los pasos por sí mismo?
Lecturas relacionadas
- Comprendiendo los agentes de IA: objetivos, herramientas, memoria y el bucle del agente — Un análisis adecuado para principiantes sobre cómo difieren los agentes de IA de los chatbots, que abarca componentes clave, el bucle de decisión, niveles de autonomía y casos de uso en el mundo real.