Modelo, agente y herramientas: los tres conceptos que cambian cómo usás IA

📺 Ver el video en Instagram

Mucha gente usa IA todos los días, pero no siempre entiende la diferencia entre un modelo, un agente y una herramienta. Y esa diferencia cambia completamente cómo la usás, en calidad, en costo y en lo que podés pedirle.

Concepto 1: el modelo es el cerebro

Un modelo es el componente que procesa lo que le pedís y genera una respuesta. GPT, Claude y Gemini son ejemplos de modelos. Son el núcleo de todo lo demás.

Pero no todos los modelos funcionan igual. Dentro de cada familia hay variantes pensadas para distintos casos de uso:

ChatGPT (OpenAI) GPT-4o, GPT-4.1-mini, o3-mini, o3-mini-high, GPT-5.5, GPT-5.4-mini.

Gemini (Google) Gemini 3 Pro, Gemini Flash, Gemini 2.5 Flash-Lite, Gemini Nano, Gemini 3 Pro Image.

Claude (Anthropic) Opus, Sonnet, Haiku.

La forma más práctica de pensarlos es en tres categorías según la tarea:

Elegir bien el modelo no es un detalle técnico menor: puede cambiar la calidad del resultado, el tiempo que tarda y el costo de la operación. Para una tarea simple, usar el modelo más potente es como prender un motor a reacción para ir a la vuelta de la esquina.

Concepto 2: el agente actúa, no solo responde

Un modelo responde. Un agente actúa.

La diferencia es concreta: mientras que un asistente como GitHub Copilot te sugiere código, agentes como Claude Code, Cursor, Windsurf o el CLI de Gemini van un paso más allá. Leen tus archivos, proponen cambios, ejecutan pasos y revisan errores por vos — solos, en secuencia, sin que tengas que guiarlos paso a paso.

Modelo:  le preguntás → te responde
Agente:  le dás un objetivo → ejecuta los pasos para lograrlo

El ejemplo más claro: en vez de pedirle "explicame este error", podés pedirle "encontrá el problema y proponé el fix". El agente va a leer el stack trace, navegar el código relevante, identificar la causa raíz y presentarte los cambios concretos.

Esa diferencia, entre responder y ejecutar, es lo que define qué podés delegarle y qué no.

Concepto 3: las herramientas son las manos del agente

Para que un agente pueda actuar, necesita herramientas: acceso al sistema de archivos, terminal, Git, tests, APIs externas o documentación del proyecto.

Sin herramientas → la IA responde
Con herramientas → la IA trabaja

Con las herramientas correctas, la IA deja de ser solo una conversación y empieza a operar dentro del flujo real de desarrollo. Puede ejecutar comandos, commitear cambios, correr tests y verificar resultados, todo dentro del mismo ciclo de trabajo que ya usás.

Por qué estos tres conceptos importan

Estos no son términos de manual. Son la base para entender todo lo que viene en la serie:

• Contexto: qué información le das al modelo para que entienda tu proyecto

• Skills: cómo enseñarle al agente a trabajar de tu forma

• AGENTS.md: instrucciones persistentes para definir el comportamiento del agente

• llms.txt: documentación legible por modelos para que entiendan tu codebase

• MCP: el protocolo que conecta agentes con herramientas externas

En los próximos videos vamos a ver cómo se configura todo esto y cómo se usa en proyectos reales.

Qué viene en la serie

Esta es la primera entrega de Devlights Tech Tips, una serie sobre IA aplicada al trabajo técnico. No teoría abstracta: herramientas reales, configuraciones reales, flujos que podés adoptar desde hoy.