¿Viste el curso de agentes y no logras ejecutarlo? Con una sola Key pon en marcha los ejemplos

Hay una publicación en X que bromea: quienes pagaron 500 dólares por un curso de AI Agent ahora pueden verlo gratis. Publicación original: https://x.com/deanwperkins/status/2116911546282733623 (autor Dean W. Perkins, @deanwperkins). El consenso en los comentarios es que el curso en sí no es escaso; lo escaso es lograr ejecutar lo que hay en él.

Esta frase da en el clavo. Donde la mayoría se atasca no es en no entender el bucle del agente, sino en que no pueden dar el primer paso: no tienen la Key del modelo que usa el código de ejemplo, al cambiar de modelo el protocolo ya no coincide, y si no se ejecuta, no hay forma de verificarlo.

Este artículo trata sobre la configuración mínima ejecutable, no sobre teoría de agentes.

Un agente mínimo solo tiene tres cosas

Dejando de lado frameworks y abstracciones, un agente que hace trabajo real son tres componentes:

1. Un modelo capaz de invocar herramientas
2. Un conjunto de definiciones de herramientas (nombre, parámetros, descripción)
3. Un bucle: el modelo decide qué herramienta llamar, tú la ejecutas, devuelves el resultado al modelo, hasta que diga que terminó

Esos multiagentes, memoria y planificación de los cursos son cosas añadidas sobre estas tres. Primero haz que estas tres funcionen.

Paso uno: preparar la Key

La primera tarea de la mayoría de los cursos es «solicita la API Key de algún modelo». El índice de abandono en este paso no es bajo: registrarse, vincular tarjeta, esperar la revisión, y algunos incluso tienen que solicitar cuota.

Con un punto de acceso unificado te saltas este trámite. La Key de HiAPI usa una sola autenticación y cubre modelos de texto como Claude, GPT, Kimi, Grok, DeepSeek, etc., mediante el protocolo estándar Chat Completions.

Tras obtener la Key, primero confirma que funciona:

curl -s https://api.hiapi.ai/v1/chat/completions \
  -H "Authorization: Bearer YOUR_HIAPI_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "gpt-6.1-sol",
    "messages": [{"role": "user", "content": "Di un hola"}]
  }'

Si devuelve contenido, la Key está bien.

Paso dos: definir las herramientas

La definición de herramientas es el manual de instrucciones que ve el modelo. Necesita saber qué herramientas hay y qué parámetros requiere cada una.

tools = [{
    "type": "function",
    "function": {
        "name": "get_weather",
        "description": "Consulta el clima actual de una ciudad especificada",
        "parameters": {
            "type": "object",
            "properties": {
                "city": {"type": "string", "description": "Nombre de la ciudad, p. ej. Pekín"}
            },
            "required": ["city"]
        }
    }
}]

Solo hay que escribir una frase de explicación: el modelo se basa en description para decidir cuándo debe usar esta herramienta. Cuanto más clara sea, menor será la probabilidad de error en la llamada.

Paso tres: escribir el bucle

import json, requests

API = "https://api.hiapi.ai/v1/chat/completions"
KEY = "YOUR_HIAPI_API_KEY"
HEADERS = {"Authorization": f"Bearer {KEY}", "Content-Type": "application/json"}

def run_weather(city):
    return {"city": city, "temp": 18, "condition": "晴"}  # Implementación de ejemplo

messages = [{"role": "user", "content": "¿Cuántos grados hay hoy en Pekín?"}]

for _ in range(5):  # Evitar bucles infinitos
    resp = requests.post(API, headers=HEADERS, json={
        "model": "gpt-6.1-sol",
        "messages": messages,
        "tools": tools,
    }).json()

    msg = resp["choices"][0]["message"]
    messages.append(msg)

    if not msg.get("tool_calls"):
        print(msg["content"])
        break

    for call in msg["tool_calls"]:
        args = json.loads(call["function"]["arguments"])
        result = run_weather(args["city"])
        messages.append({
            "role": "tool",
            "tool_call_id": call["id"],
            "content": json.dumps(result, ensure_ascii=False),
        })

Al ejecutar esto verás que el modelo primero decide llamar a get_weather, y tras obtener el resultado lo organiza en una frase de respuesta. Este es el bucle completo del agente.

Cómo elegir el modelo

En el mismo bucle, basta cambiar el campo model para cambiar de modelo. La diferencia de coste es enorme:

Modelo	Entrada	Salida	Adecuado para
GPT-6 Luna	$0.025	$0.125	Llamadas de herramientas simples, clasificación, extracción
GPT-6.1 Terra	$0.25	$1.25	Agentes cotidianos, tareas de código
GPT-6.1 Sol	$0.50	$2.50	Tareas complejas de varios pasos
Claude Opus 5.5	$2.02	$10.08	Tareas largas, que requieren razonamiento profundo

Un bucle de una sola llamada de herramienta ronda unos miles de tokens; con el modelo más barato, Luna, una vez cuesta menos de una milésima de yuan. Para experimentar con el curso, el coste es despreciable.

Si el curso especifica un modelo, úsalo según el curso; si el curso no lo especifica o no puedes usarlo, usar un sustituto del mismo nivel no afecta al aprendizaje, porque la lógica del bucle es la misma.

Los tres puntos donde más se atasca uno en el curso

El formato de retorno de las llamadas a herramientas no es correcto. Distintos fabricantes de modelos organizan los campos de tool_calls de forma diferente. Con modelos que usan el protocolo compatible con Chat Completions el formato es uniforme, y al cambiar de modelo no hace falta modificar el código de análisis.

El contexto crece cada vez más. En cada ronda se arrastra todo el historial, y al llegar a la trigésima ronda se alcanza el límite. El curso explicará estrategias de recorte más adelante; por ahora basta con saber que existe este problema.

El modelo no llama a las herramientas y solo responde con texto. Suele ocurrir porque la descripción de la herramienta es demasiado vaga o porque el prompt no deja claro «tienes herramientas disponibles». Concreta la descripción o indícalo en el system prompt.

Qué hacer después de que funcione

No te apresures a usar frameworks.

Una vez que el bucle mínimo funcione, añade estas cosas en orden:

1. Añadir manejo de errores: cuando falle la ejecución de una herramienta, devuelve el mensaje de error al modelo para que reintente o cambie de ruta
2. Añadir estadísticas de uso: registra el número de tokens de cada llamada para saber dónde se gasta el coste
3. Añadir tiempos de espera y reintentos: las fluctuaciones de red son la norma
4. Considerar frameworks después: si la tarea es tan compleja que requiere multiagentes o máquinas de estado complejas, no es tarde para usar un framework

La arquitectura que enseñan los cursos suele estar orientada a producción, y montarla directamente tiende a atascarse en el primer paso. Primero haz funcionar los tres componentes y añade el resto según sea necesario.

Preguntas frecuentes

¿Es obligatorio usar un modelo específico?

No. Siempre que admita llamadas a herramientas (function calling), la lógica del bucle es universal. Cuando no puedas usar el modelo especificado por el curso, un sustituto de precio similar no afecta a la comprensión.

¿Cuál es la diferencia entre un curso gratis y uno de pago?

Según la discusión en X, la diferencia está más en la estructura y en las respuestas a dudas que en el conocimiento en sí. Lo de lograr ejecutar los ejemplos, ambos lados tienen que hacerlo por su cuenta.

¿Las herramientas pueden llamar a APIs reales?

Sí. Basta con reemplazar run_weather por una petición HTTP real. Ten cuidado de capturar todas las excepciones dentro de la función de herramienta; de lo contrario, un fallo cortará todo el bucle.

¿Cuánto cuesta una ejecución?

El ejemplo mínimo son unos miles de tokens; con el modelo más barato, una vez cuesta menos de una milésima de yuan, y con los caros, solo unos céntimos. No te preocupes por el coste al experimentar.

Conclusión clave

El obstáculo de los cursos de agentes nunca es la teoría, sino que el primer ejemplo no se ejecuta. Tres cosas bastan para hacer funcionar un bucle completo: una Key que funcione, una definición de herramienta y un bucle que devuelva los resultados. Añadir los detalles de ingeniería después de que funcione es diez veces más fácil que al revés.

Ver los modelos de texto disponibles y sus precios

---

Fuentes

• Origen del tema: Dean W. Perkins (@deanwperkins), https://x.com/deanwperkins/status/2116911546282733623
• La publicación no incluye enlaces a cursos concretos; este artículo no se dirige a ningún curso específico, solo explica la configuración genérica para ejecutar los ejemplos
• Los ejemplos de código y los datos de precios son recopilados por este sitio; los precios proceden del entorno de producción de HiAPI (2026-11-02)