Documentación: Nodo Agente (Agent)¶

Descripción General¶

El Nodo Agente (Agent) es un nodo de acción que ejecuta un agente de inteligencia artificial capaz de razonar, decidir y utilizar herramientas para cumplir una instrucción. A diferencia de los nodos de análisis directo, el Agente orquesta un modelo de lenguaje (LLM) junto con memoria y un conjunto de herramientas (tools) que se le conectan, permitiéndole realizar tareas de varios pasos de forma autónoma.

En entornos IoT y de seguridad, el Agente permite construir asistentes inteligentes que, por ejemplo, consultan eventos, analizan imágenes, buscan información y ejecutan acciones, combinando varias capacidades en una sola conversación o tarea.

¿Cuándo usar este nodo?¶

Utiliza este nodo cuando necesites:

Construir un asistente conversacional sobre los datos de la plataforma (eventos, objetos, cámaras).
Resolver tareas de varios pasos que requieran razonamiento y el uso de herramientas.
Combinar un modelo + memoria + herramientas en un único flujo inteligente.
Automatizar análisis que un solo nodo de IA no puede resolver por sí mismo.

Arquitectura: conectar Modelo, Memoria y Herramientas¶

El Agente no funciona solo: requiere que le conectes nodos auxiliares a través de sus conectores especializados en el lienzo:

Nodo Agente en el lienzo con sus conectores

Memory (Memoria): un nodo de memoria (por ejemplo, Agent Memory MongoDB) para que el agente recuerde el contexto de la conversación.
Models (Modelos): el modelo de lenguaje que razona (uno).
Tools (Herramientas): una o varias herramientas que el agente puede invocar (búsqueda de eventos, HTTP, confirmación humana, etc.).
Skills (Habilidades) y Output (Salida): capacidades adicionales y la salida del agente.

NOTA: Como indica el propio nodo: "Connect one memory, one model, and multiple tool nodes below to configure the agent behavior." (Conecta una memoria, un modelo y múltiples nodos de herramientas para configurar el comportamiento del agente.)

Configuración del Nodo¶

Configuración vacía del nodo Agente

Campos principales¶

1. Session ID (ID de Sesión)¶

Identificador de la sesión de conversación. Permite mantener el contexto entre mensajes (por ejemplo, {{trigger.session_id}}). Es clave cuando se usa memoria.

2. User Message (Mensaje del Usuario)¶

La instrucción o pregunta que recibe el agente (por ejemplo, "Analyze the latest plant alarm events and summarize whether there is any risk pattern.").

Opciones Avanzadas (Show Advanced Options)¶

Al activar la casilla Show Advanced Options se muestran:

System Message (Mensaje de Sistema): define el rol y comportamiento del agente.
Max Iterations (Máximo de Iteraciones): límite de pasos de razonamiento/uso de herramientas que el agente puede realizar.
Skip Chat Response (Omitir Respuesta de Chat): si se activa, el agente no emite una respuesta de chat (útil cuando solo interesa el efecto de las herramientas).

Formulario configurado del nodo Agente con opciones avanzadas

Estructura JSON (Parámetros de entrada)¶

{
  "session_id": "{{trigger.session_id}}",
  "user_message": "Analyze the latest plant alarm events and summarize whether there is any risk pattern.",
  "system_message": "",
  "max_iterations": 0,
  "skip_chat_response": false
}

Campos del JSON¶

Campo	Tipo	Descripción
`session_id`	string	Identificador de la sesión de conversación.
`user_message`	string	La instrucción/pregunta para el agente.
`system_message`	string	(Avanzado) Define el rol/comportamiento del agente.
`max_iterations`	number	(Avanzado) Máximo de pasos de razonamiento/uso de herramientas.
`skip_chat_response`	boolean	(Avanzado) Si es `true`, el agente no emite respuesta de chat.

Output: Dónde viene la data del nodo¶

La respuesta del agente (texto y/o resultados de las herramientas utilizadas) queda disponible en la salida del nodo y puede usarse en nodos posteriores con {{node_key}}.

Ejemplos de uso¶

Ejemplo 1: Asistente de análisis de eventos¶

Caso de uso: Un agente que, al recibir una pregunta, consulta los eventos de la planta (mediante una herramienta de búsqueda de eventos conectada) y resume patrones de riesgo.

Models: un modelo conectado (por ejemplo, GPT/Claude).
Memory: Agent Memory MongoDB para recordar la conversación.
Tools: herramienta de búsqueda de eventos.
User Message: Analyze the latest plant alarm events and summarize whether there is any risk pattern.

Ejemplo 2: Agente con confirmación humana¶

Caso de uso: Un agente que puede ejecutar acciones sensibles solo tras aprobación humana, conectando la herramienta Human Confirmation Tool.

Validación y errores¶

Condición	Causa / Solución habitual
El agente no responde	Verifica que tenga un modelo conectado en el conector Models.
No recuerda el contexto	Conecta un nodo de memoria y usa un `session_id` consistente.
El agente no usa herramientas	Conecta las herramientas necesarias en el conector Tools.
Se queda en bucle	Ajusta `max_iterations` para limitar los pasos del agente.

Buenas prácticas¶

Siempre conectar un modelo: El agente requiere al menos un modelo para razonar.
Usar memoria para conversaciones: Conecta una memoria y mantén un session_id estable para diálogos con contexto.
System Message claro: Define con precisión el rol y los límites del agente.
Limitar iteraciones: Define max_iterations para evitar costos o bucles indeseados.
Confirmación humana para acciones sensibles: Usa la herramienta Human Confirmation Tool cuando el agente pueda ejecutar acciones críticas.