Agentes IA — Ejemplos y recetas

Recetas listas para armar. Cada una indica qué nodos poner, cómo conectarlos y los campos clave. Para el detalle de cada campo, mirá la referencia de nodos.

---

1. Agente básico (solo cerebro)

Un asistente que responde preguntas, sin herramientas ni conocimiento externo. El “hola mundo” de los agentes.

Nodos: Start → AI Agent → End, con un Cerebro (LLM) conectado al puerto brain.

1. AI Agent — system_prompt: “Sos un asistente de soporte de Floogos. Respondé breve y en español.” input: dejalo vacío para usar lo que llega del flujo.

2. Cerebro (LLM) — provider: openai, model: gpt-4o, credentials_id: tu credencial OpenAI. Conectá su salida al puerto brain.

Resultado: el agente responde en data.response. Es la base sobre la que se agregan las demás capacidades.

---

2. Agente con una herramienta (generar imágenes)

El agente puede generar una imagen cuando el usuario lo pide, usando el nodo openaiImages como tool.

Nodos: el básico + un Herramienta (tool) conectado al puerto tools.

1. Herramienta (tool) — configurá:

   • tool_name: generar_imagen
   • tool_description: “Genera una imagen a partir de una descripción en texto. Úsala cuando el usuario pida crear, dibujar o ilustrar algo.”
   • tool_kind: node
   • node_type: openaiImages
   • tool_schema:

     {
       "type": "object",
       "properties": {
         "prompt": { "type": "string", "description": "Descripción de la imagen a generar" }
       },
       "required": ["prompt"]
     }

2. Conectá su salida al puerto tools del agente.

Qué pasa: si el usuario escribe “dibujame un gato astronauta”, el LLM decide llamar a generar_imagen con { prompt: "gato astronauta" }, el agente ejecuta openaiImages y le devuelve el resultado al LLM para que responda.

Consejo

El mismo patrón sirve para cualquier nodo: http (llamar una API), finnegansGet (leer un ERP), googleSheets (leer/escribir una planilla), etc. Cambiás node_type y el tool_schema.

---

3. Agente con RAG (responder sobre tus documentos)

Un asistente que responde basándose en tu documentación. Son dos workflows: uno que indexa (una vez, o cuando cambian los docs) y otro con el agente que responde.

3a. Workflow de ingesta (indexar)

Nodos: Start → (nodo que trae el texto, ej. lee un archivo o una tabla) → RAG (indexar) → End.

1. RAG (indexar) — namespace: manual-producto, provider: openai, model: text-embedding-3-small, credentials_id: tu credencial, chunk_size: 1000, overlap: 150.

2. La entrada (data.text o data.documents[]) es el contenido a indexar. Ejecutá el workflow una vez.

3b. Workflow del agente (recuperar)

Nodos: el agente básico + un RAG (recuperar) conectado al puerto rag.

1. RAG (recuperar) — namespace: manual-producto (el mismo de la ingesta), top_k: 4, provider: openai, model: text-embedding-3-small (el mismo modelo), credentials_id: tu credencial. Conectá su salida al puerto rag.

2. AI Agent — system_prompt: “Respondé usando solo el contexto recuperado. Si no está, decilo.”

Qué pasa: ante cada pregunta, el agente recupera los 4 fragmentos más parecidos del namespace y los inyecta en el prompt antes de responder. Así contesta con tu contenido y no inventa.

Precaución

namespace y model de embeddings deben ser idénticos en la ingesta y en la recuperación. Es el error de RAG más frecuente.

---

4. Agente con skills (acotar comportamiento)

Un agente de atención que tiene una skill de facturación que solo se activa cuando el pedido lo amerita, y que habilita una tool específica.

Nodos: el básico + una Herramienta (tool) (emitir_factura) + una Skill conectada al puerto skills.

1. Herramienta (tool) emitir_factura — apuntala a tu nodo/worklow de facturación. Conectala al puerto tools.

2. Skill — configurá:

   • skill_name: facturacion
   • description: “Emisión de facturas y comprobantes, consultas de IVA y datos fiscales.”
   • keywords: factura, comprobante, iva, fiscal
   • prompt_fragment: “Cuando emitas una factura, confirmá primero los datos fiscales del cliente.”
   • enables_tools: emitir_factura
   • Conectala al puerto skills.

Qué pasa:

• Si el usuario pregunta algo general, la skill no se activa y la tool emitir_factura no se le ofrece al LLM (queda gated).
• Si el usuario menciona “factura” o “IVA”, la skill se activa: inyecta su instrucción y habilita emitir_factura.

Nota

Este gating mantiene el prompt liviano y evita que el LLM use herramientas fuera de contexto. Una tool referenciada por una skill solo aparece cuando su skill se activa; las tools sin skill están siempre disponibles.

---

5. Agente con LLM local (Ollama / vLLM)

Un agente que corre contra un modelo local, sin mandar datos a un proveedor externo — ideal para on-premise.

1. Creá una credencial de tipo local con la base URL de tu servidor (ej. http://localhost:11434/v1 para Ollama).

2. Cerebro (LLM) — provider: local, model: el que tengas cargado (ej. llama3.1), credentials_id: la credencial local. Conectá al puerto brain.

Qué pasa: el agente habla con tu servidor local usando la API compatible con OpenAI. El resto (tools, RAG, skills) funciona igual.

Consejo

Para RAG con embeddings locales, en los nodos RAG elegí provider: local y el modelo de embeddings que sirva tu Ollama/vLLM.

---

Próximo paso

¿Algo no responde como esperás? Mirá problemas frecuentes y soluciones.