Diseño del contexto para agentes
Qué información recibe el agente en cada momento, por qué más no siempre es mejor y cómo darle lo justo: lo esencial desde el principio y el resto cuando lo necesite.
Antes de empezar
- Diseñar tareas para un agenteTécnica
Cómo convertir una idea en un encargo que el agente pueda ejecutar y tú puedas revisar: objetivo, contexto, límites, resultado esperado y cómo saber que está terminado.
Publicado
La idea clave: el agente solo “sabe” lo que tiene delante en ese momento. Tu trabajo es que tenga lo necesario para la decisión actual, y nada más.
El problema
Un modelo no recuerda tu proyecto. En cada paso trabaja con lo que hay en su ventana de contexto: tus instrucciones, la conversación, los archivos que ha leído y los resultados de las herramientas que ha usado. Todo lo demás, para él, no existe.
Eso produce dos fallos opuestos:
- Falta contexto. El agente no ha leído el archivo donde está la convención importante, así que la ignora o se la inventa.
- Sobra contexto. Recibe carpetas generadas, registros antiguos y documentación repetida. La ventana se llena, lo importante queda enterrado y el agente puede apoyarse en datos obsoletos.
Más información no equivale a más comprensión. Anthropic resume el objetivo así: encontrar el conjunto más pequeño de información útil que haga más probable el resultado que buscas.
Cómo funciona
Piensa en el contexto en tres niveles:
| Nivel | Qué es | Ejemplo |
|---|---|---|
| Siempre presente | Lo que el agente necesita en casi toda tarea | Objetivo del proyecto, comandos, convenciones (AGENTS.md) |
| Bajo demanda | Lo que solo hace falta a veces | Un archivo concreto, la documentación de una librería |
| Fuera | Lo que nunca aporta a la decisión | node_modules/, dist/, logs antiguos |
La estrategia que mejor encaja con los agentes de código es el contexto justo a tiempo (just in time): en lugar de cargarlo todo al principio, el agente recibe un mapa —nombres de archivos, carpetas, un índice— y usa sus herramientas (buscar, listar, leer) para traer cada pieza cuando la necesita. Es lo que hace una persona nueva en un proyecto: no se lee todo el repositorio, mira la estructura y abre lo relevante.
Un ciclo práctico:
- Empieza con poco: la tarea y un mapa de dónde está cada cosa.
- Deja que el agente explore: que busque y lea archivos según los necesite.
- Retira el ruido: excluye carpetas generadas y resultados que ya no sirven.
- Aprende de los fallos: cuando el agente se equivoque, pregúntate si le faltó una pieza o le sobró ruido, y ajusta.
Ejemplo práctico
Para la tarea de añadir summarizeReading, un contexto inicial razonable sería:
Objetivo: implementar summarizeReading en src/reading.js.
Lee primero:
- README.md → comando de pruebas y límites del proyecto.
- src/reading.js → la API que debes conservar.
Consulta solo si hace falta:
- src/reading.test.js → estilo de las pruebas existentes.
Ignora:
- node_modules/, dist/ y los logs antiguos.
No es una regla universal, sino un mapa inicial. El agente puede explorar más, pero empieza por lo que importa.
Dónde poner cada cosa
Diseñar el contexto también es decidir dónde vive cada información. Esta tabla resume el resto de la ruta:
| Si la información es… | Va en… |
|---|---|
| Específica de esta tarea | El encargo |
| Estable y útil en casi todas las tareas | AGENTS.md |
| Un procedimiento para cierto tipo de tarea | Una Skill |
| Datos externos o acciones | Una herramienta o un servidor MCP |
| Progreso que debe sobrevivir entre sesiones | Estado y memoria |
Errores comunes
- Cargarlo todo “por si acaso”. Cuesta más, tarda más y puede empeorar las decisiones.
- Suponer que el agente conoce el proyecto. Si una convención no está escrita en ningún sitio que el agente lea, para él no existe.
- Dejar información obsoleta. Un resultado de hace veinte pasos o una versión antigua de un archivo puede contradecir el estado actual.
- Tratar todo el texto por igual. Una página web o la respuesta de una herramienta son datos que hay que comprobar, no instrucciones que obedecer. Lo verás en Ejecución segura.
Cuándo usarlo
En cualquier tarea, aunque sea pequeña: basta con pensar qué debe leer el agente primero y qué debe ignorar. No hace falta montar un buscador, un índice ni un sistema de memoria antes de haber visto un problema real.
Siguiente paso
El contexto tiene un límite: cuando la tarea es larga, la ventana se llena o la sesión termina y el agente lo olvida todo. Estado y memoria explica cómo conservar el progreso fuera del modelo.
Fuentes
Consultada el 2026-10-05.
- Effective context engineering for AI agents, Anthropic.
Contenido relacionado
- Estado y memoriaTécnica
Cómo hacer que una tarea larga sobreviva al final de una sesión: guardar el progreso fuera del modelo, en archivos y en Git, y distinguir el estado de la tarea de la memoria a largo plazo.
Publicado - AGENTS.md: instrucciones persistentes para un proyectoTécnica
Un archivo Markdown en la raíz del repositorio que explica al agente cómo funciona tu proyecto: comandos, convenciones y cómo comprobar los cambios. Es una guía, no un mecanismo de control.
Publicado