Dentro del bucle de agentes de Codex: lecciones de Datadog y del lanzamiento de Sora para Android en 28 días

Codex entregó la aplicación de Android de Sora con cuatro ingenieros en 28 días. En Datadog, hoy más de mil ingenieros dependen de él para detectar defectos a nivel de sistema que los revisores humanos solían pasar por alto. Ambas historias provienen de la misma arquitectura: un bucle de control aparentemente simple, que envuelve un modelo de lenguaje, un conjunto de herramientas y un entorno de sandbox.

Si estás construyendo un asistente de programación con IA, una canalización de generación de medios, o cualquier agente que deba actuar sobre el mundo, el bucle de agentes de Codex es la referencia más limpia que puedes estudiar hoy. Este artículo recorre por completo cómo funciona, qué hacen realmente con él los equipos de producción, y cómo el mismo patrón de arquitectura se traslada a los agentes de generación de medios que puedes construir sobre hiapi.

Este artículo se basa en el artículo público de ingeniería de OpenAI «Desplegando el bucle de agentes de Codex» (enero de 2026), el caso de estudio de Datadog y la retrospectiva de la entrega de Sora para Android. Los precios de la plataforma Hiapi citados a continuación están vigentes a fecha de 2026-06.

Qué es exactamente el bucle de agentes

El bucle de agentes es el flujo de control que se sitúa entre tú, el modelo de lenguaje y las herramientas que el modelo tiene permitido invocar. Desde la perspectiva del usuario, un «turno» parece simplemente un mensaje de chat que entra y un mensaje de chat que sale. Pero por debajo, un solo turno puede contener múltiples idas y venidas entre el modelo y las herramientas externas.

La forma de un turno:

1. Preparar el prompt. El agente ensambla el prompt del sistema, las instrucciones a nivel de proyecto (en Codex, los archivos AGENTS.md), el historial de la conversación y el nuevo mensaje del usuario.
2. Razonar. El modelo devuelve un mensaje final del asistente, o una invocación de herramienta.
3. Si es una invocación de herramienta, el agente ejecuta esa invocación en el sandbox, captura el resultado, lo añade a la conversación y vuelve al paso 2.
4. Si es un mensaje final del asistente —algo como «He añadido el architecture.md que pediste»— el turno termina y el control vuelve al usuario.

La característica clave es que la «salida» no es solo el mensaje del asistente que ves en la terminal. La mayor parte de la salida real son los efectos secundarios de las invocaciones de herramientas: archivos escritos, pruebas ejecutadas, paquetes instalados. El mensaje del asistente es solo la señal de terminación.

Por eso el bucle de agentes no es solo «un chat con algunos pasos más». El chat tiene una sola ida y vuelta por turno. El bucle de agentes puede completar docenas de ciclos «razonar → herramienta → razonar» dentro de un solo turno, y el usuario solo verá el mensaje de cierre.

Tres características que aceleran el bucle

La implementación ingenua del bucle anterior funciona, pero tras unos pocos turnos se vuelve lenta y costosa. El diseño de Codex resuelve este problema con tres ideas que vale la pena adoptar.

1. Caché de prefijo sobre la Responses API. Cada vez que el agente conversa con el modelo, el prompt comienza con el mismo prefijo largo: primero el prompt del sistema, luego AGENTS.md, luego la conversación temprana. La primera solicitud calcula y almacena en caché el estado interno de clave-valor del modelo correspondiente a ese prefijo. Las solicitudes posteriores de la misma sesión omiten el recálculo de cualquier prefijo compartido.

Una consecuencia práctica: no edites AGENTS.md a mitad de la sesión. El prompt del sistema suele ser el bloque de caché individual más grande, y modificarlo invalida la caché del resto de la sesión. Los propios ingenieros de Codex lo señalan como la causa más común de ralentización «auto-infligida».

2. Los resultados de las invocaciones de herramientas se quedan dentro del bucle, no se apilan encima de él. Cada salida de herramienta se añade a la misma conversación. Esto suena obvio, pero significa que el modelo tiene memoria completa de cada comando que ejecutó, cada error que vio y cada archivo que inspeccionó —sin que tengas que hacer ningún resumen manual. El precio es que la ventana de contexto crece muy rápido; Codex lo gestiona mediante compresión automática cuando la conversación se vuelve demasiado larga.

3. La terminación se detecta por la forma de la salida del modelo, no contando turnos. El agente no tiene una red de seguridad de número máximo de iteraciones. Mientras el modelo siga emitiendo invocaciones de herramientas, seguirá en bucle; en cuanto el modelo emite un mensaje normal del asistente, se detiene de inmediato. Esta decisión se delega al modelo, lo que mantiene el código de orquestación conciso.

Caso uno: Datadog usa el bucle para revisión de código a nivel de sistema

Lo más útil del caso de éxito de Datadog es que te dice en qué sobresale el bucle de agentes en producción, y en qué no.

El equipo de experiencia de desarrollo con IA de Datadog quería un agente de revisión de código capaz de detectar el tipo de defectos que los revisores humanos pasaban por alto —no lint, no estilo, sino regresiones entre servicios, acantilados de rendimiento y cambios que reproducirían fallos reales. Señalaron que la mayoría de las herramientas anteriores se comportaban como «linters avanzados». Solo marcaban patrones superficiales dentro de un único diff. No tenían modelo del sistema circundante.

Para validar el agente antes de generalizarlo, el equipo construyó un marco de pruebas de reproducción de fallos: reconstruyeron los pull request que habían causado fallos pasados, alimentaron cada uno a Codex como si llegara nuevo a revisión, y luego preguntaron a los ingenieros de guardia si el comentario de Codex habría cambiado el resultado.

El resultado publicado: Codex dio retroalimentación nueva y útil en aproximadamente el 22% de los fallos históricos —más que cualquier otra herramienta que el equipo hubiera evaluado. Dado que cada pull request ya había pasado la revisión humana en su momento, esta prueba mide esencialmente «lo que los revisores pasaron por alto entonces».

Hoy más de 1.000 ingenieros de Datadog lo usan en cada PR. Los ingenieros responden a los comentarios con 👍/👎 y o bien modifican el código, o bien omiten la sugerencia con una justificación. La elección de diseño interesante es que Datadog mide el impacto por canales laterales —ingenieros que publican en Slack mencionando hallazgos útiles— en lugar de con métricas formales dentro de la herramienta. El equipo trata al agente como un medio de mejora, no como un guardián; presenta señales, y el humano sigue tomando la decisión.

El patrón que se puede extraer: el bucle de agentes es mejor razonando a nivel de todo el sistema (dependencias, pruebas, servicios relacionados) y no solo sobre el diff inmediato. Esto exige darle las herramientas adecuadas y los permisos de lectura adecuados. El bucle de agentes es el chasis; la superficie de herramientas y el contexto del proyecto son lo que determina si puede presentar riesgos reales.

Caso dos: entregar Sora para Android en 28 días

La historia de Sora para Android es una prueba aún más radical. Entre el 8 de octubre y el 5 de noviembre de 2025, un equipo de cuatro ingenieros usó Codex para llevar Sora de «solo iOS» a un lanzamiento público en Android —un ciclo de 28 días, con una compilación interna para empleados en el día 18 y el lanzamiento público diez días después. La aplicación llegó a lo más alto de Google Play Store; los usuarios crearon más de un millón de videos en las primeras 24 horas. Tasa de ausencia de fallos en el lanzamiento: 99,9%.

El equipo fue franco sobre qué funcionó y —más útil aún— qué no.

Lo que no funcionó fue el prompt obvio: «Construye la aplicación de Android de Sora basándote en el código de iOS. Adelante.» Lo probaron y lo abortaron rápidamente. El producto era técnicamente funcional, pero la experiencia del producto era deficiente. En sus palabras, Codex «todavía no es bueno infiriendo lo que no se le dice» y le cuesta hacer «juicios arquitectónicos profundos» sin orientación.

Lo que funcionó fue tratar a Codex como un traductor semántico entre plataformas, y montar un andamiaje sólido a su alrededor:

• Primero establecieron los patrones arquitectónicos del proyecto —navegación, inyección de dependencias, red— y escribieron a mano unas pocas funcionalidades de ejemplo. Estas fijaron el estándar para el resto del código base.
• Usaron archivos AGENTS.md para codificar las convenciones del equipo y mantener consistente la salida de Codex.
• Con frecuencia pedían a Codex consultar el código Swift de iOS y el backend existente, pidiéndole generar Kotlin semánticamente equivalente. Su conclusión: «El futuro multiplataforma es Codex».
• Trataron a Codex como un «ingeniero senior recién incorporado»: el humano se encarga de la arquitectura, el diseño de sistemas y la experiencia de usuario; Codex asume el trabajo pesado dentro de límites claramente definidos.

Según los informes, el código generado por Codex representó cerca del 85%, y se consumieron aproximadamente 5.000 millones de tokens en cuatro semanas.

Hay dos lecciones que se suelen subestimar. Primera, la calidad del agente está limitada por lo bueno de tu andamiaje: ejemplos, AGENTS.md, alcance claro. Segunda, para proyectos nuevos, «un equipo pequeño más un agente capaz» supera a «ampliar el número de ingenieros» —la observación de Fred Brooks finalmente encontró un contraejemplo en las manos adecuadas.

El patrón transferible

Despojando los detalles concretos de la revisión de código y la entrega de Android, quedan cuatro patrones que cualquier equipo que construye agentes debería copiar.

Establece los patrones antes de escalar. Ya sea el patrón de navegación (Sora) o qué cuenta como «cambio riesgoso» (Datadog), el trabajo humano ocurre al principio. Las funcionalidades de ejemplo y un AGENTS.md estable son tu forma de transmitir esos patrones a cada turno posterior —y son exactamente lo que la caché de prefijo recompensa.

Dale al agente la superficie de herramientas adecuada, no la más grande. Los revisores de Datadog necesitan lectura entre servicios. El traductor de Sora necesita leer el código fuente de iOS y el backend. Ambos equipos curaron cuidadosamente la superficie de lectura. Una lista de herramientas más grande no es mejor.

Deja que el humano sea responsable de la arquitectura y que el agente de la implementación. Ambos casos de estudio convergen en este reparto. El humano fija las decisiones estructurales; el agente rellena dentro de límites claramente definidos. Invertir este reparto es donde los equipos pierden tiempo.

Mide por resultados, no por métricas de la herramienta. Datadog observa deliberadamente las reacciones en Slack y los resultados de fallos, no la propia tasa de salida del agente. Esto mantiene honesto el objetivo de optimización. Una herramienta de revisión de código que hace muchos comentarios pero no cambia el comportamiento de los fallos no es una herramienta útil.

Aplicar el bucle a los agentes de generación de medios

La arquitectura del bucle de agentes no es exclusiva del código. Dondequiera que necesites que un modelo actúe, observe e itere, se aplica el mismo flujo de control.

La plataforma hiapi expone todos los modelos de generación de medios a través de un único endpoint asíncrono unificado —POST /v1/tasks crea una tarea de generación, GET /v1/tasks/:id recoge el resultado— de modo que el paso de «acción» del bucle es una función de dos llamadas que escribes una vez y reutilizas entre todos los modelos. En concreto, puedes construir un agente de producción de video cuyo bucle sea así:

1. El agente recibe un brief: «Crea un plano de producto de 6 segundos, con un reloj sobre mármol».
2. Ensambla el prompt y crea una tarea seedance-2-0 mediante POST /v1/tasks, luego consulta el ID de la tarea hasta que se complete (a fecha de 2026-06, en la plataforma hiapi 480P se factura a $0,15 por segundo de video, y 720P con un factor de 2,2x —el clip de 6 segundos anterior cuesta $0,90 en 480P).
3. Descarga el video generado, ejecuta un paso rápido de revisión —«¿Se ve realmente la esfera del reloj? ¿La iluminación coincide con el brief?»— y luego acepta la salida o modifica el prompt.
4. Si la revisión falla N veces consecutivas, el agente escala al usuario con el mejor resultado hasta el momento y una descripción del problema.

La misma forma se aplica a los agentes de generación de imágenes: brief → llamada de texto a imagen (por ejemplo, gpt-image-2 a $0,03 por imagen en 1K, o Nano-Banana-2 a $0,085 en 1K) → inspección visual → modificación → reintento. El patrón de Codex «prompt del sistema estable para la caché de prefijo, y salidas de invocaciones de herramientas acumulándose en la conversación» se aplica directamente: pon la definición de rol y las guías de marca en el prompt del sistema, y deja que el bucle acumule cada intento de generación y revisión como turnos en el mismo hilo.

Algunas conversiones prácticas para trasladar las lecciones de Codex a los agentes de medios:

• AGENTS.md se convierte en el archivo de guías de marca. Estable, cargado una sola vez, nunca editado a mitad de sesión. Esto es exactamente lo que la caché de prefijo recompensa.
• Las funcionalidades de ejemplo se convierten en salidas de referencia. Imágenes cuidadosamente curadas de «cómo se ve un buen resultado», para que el paso de revisión las compare.
• El sandbox se convierte en límites de tasa y de gasto. Un agente de medios que no aprende cuándo detenerse puede acumular una gran cantidad de generaciones. Establece un límite de gasto por turno, como Codex limita por defecto las escrituras en el sistema de archivos.
• La señal de terminación es exactamente la misma. El bucle termina cuando el paso de revisión devuelve «aceptar» en lugar de otra solicitud de generación.

Si quieres probar primero los modelos base detrás de este tipo de bucle sin escribir todavía la lógica de orquestación, la página de precios de hiapi lista los precios actuales por imagen y por segundo de video, y cada página de detalle de modelo tiene un Playground donde puedes ejecutar un prompt antes de decidir qué conectar al agente.

Preguntas frecuentes

¿Qué es el bucle de agentes de Codex?

Es el flujo de control interno de Codex CLI, que orquesta la interacción de ida y vuelta entre tú, el modelo y las herramientas que el modelo tiene permitido invocar. Cada «turno» puede contener internamente múltiples ciclos de razonamiento del modelo → invocación de herramienta, y termina cuando el modelo emite un mensaje normal del asistente en lugar de otra invocación de herramienta.

¿Por qué la caché de prefijo es tan importante para los agentes?

Porque cada turno reenvía un prefijo largo —el prompt del sistema, las instrucciones del proyecto, el historial de la conversación. Sin caché, el modelo vuelve a codificar todo ese contenido en cada solicitud, lo que es lento y costoso. Con caché, el prefijo compartido se calcula una vez y se reutiliza en los turnos posteriores de la misma sesión. La implicación práctica es: no edites las instrucciones del proyecto (por ejemplo, AGENTS.md) a mitad de la sesión, porque eso invalida la caché del resto de la sesión.

¿Cuántos ingenieros se necesitan para entregar algo como Sora para Android?

La cifra publicada por OpenAI es de cuatro ingenieros y 28 días, y según los informes Codex generó cerca del 85% del código base, con el proyecto consumiendo aproximadamente 5.000 millones de tokens. El equipo eligió deliberadamente mantenerse pequeño —citando la ley de Brooks: «Añadir personas a un proyecto ya retrasado solo lo retrasa más»— y apoyarse en el agente para la implementación.

¿Qué detectó realmente Codex en la evaluación de Datadog?

En el método de «reproducción de fallos» del equipo, volvieron a ejecutar a través de Codex los PR que históricamente causaron fallos, y preguntaron a los ingenieros de guardia si la retroalimentación habría cambiado el resultado. Codex proporcionó retroalimentación accionable en aproximadamente el 22% de los fallos —por ejemplo, problemas como regresiones entre servicios y cambios de rendimiento, que los revisores humanos pasaron por alto cuando el PR se integró originalmente.

¿Puedo usar el mismo patrón de bucle de agentes para la generación de imágenes o video?

Sí. El patrón arquitectónico —preparar el prompt, invocar el modelo, ejecutar herramientas, añadir resultados, repetir hasta la terminación— es independiente del modelo. Puedes conectarlo a los endpoints de generación de medios de hiapi (modelos de imagen como gpt-image-2 o nano-banana-2, modelos de video como seedance-2-0), y seguir las mismas lecciones: prompt del sistema estable para la caché de prefijo, ejemplos para garantizar la calidad, límites de gasto del sandbox para la seguridad, y un paso de revisión que determine la terminación.

¿Qué debería poner en AGENTS.md?

Específicamente para Codex: convenciones del proyecto, comandos de compilación/prueba/lint, reglas de estilo de código y cualquier límite de «no tocar». Tanto el equipo de Sora como el de Datadog publicaron que lo tratan como el documento de incorporación del agente —las cosas que le dirías a un ingeniero senior en su primer día. Mantenlo estable durante la sesión para que permanezca en la caché de prefijo.

Conclusiones clave

• El bucle de agentes de Codex es un flujo de control simple: preparar el prompt → razonamiento del modelo → invocación de herramienta opcional → añadir el resultado → repetir, hasta que el modelo emite un mensaje normal del asistente.
• Tres detalles de implementación lo llevan a nivel de producción: caché de prefijo, resultados de invocaciones de herramientas que se quedan dentro de la conversación, y detección de terminación basada en la forma de la salida del modelo.
• Datadog usa este bucle para revisión de código a nivel de sistema con más de 1.000 ingenieros; su marco de pruebas de reproducción de fallos muestra que Codex detecta cerca del 22% de los problemas relacionados con fallos históricos que los revisores humanos pasaron por alto.
• OpenAI entregó la aplicación Sora para Android con cuatro ingenieros en 28 días, con cerca del 85% del código generado por Codex y una tasa de ausencia de fallos del 99,9% en el lanzamiento —apoyándose en un amplio andamiaje de ejemplos y AGENTS.md, en lugar de pedir «construye esto».
• La misma arquitectura de bucle de agentes se traslada limpiamente a las canalizaciones de generación de medios que puedes construir en hiapi: cada modelo de texto a imagen y de texto a video usa la misma forma asíncrona /v1/tasks, y los movimientos de Codex en caché de prefijo, sandbox y ejemplos se corresponden uno a uno con los agentes de imagen y video.