La mayoría de los equipos comienzan a construir agentes de inteligencia artificial envolviendo el modelo en un endpoint HTTP, una arquitectura que funciona como demo pero se rompe en producción. Los agentes son procesos de larga duración, con estado y no deterministas: invocan herramientas, esperan respuestas de APIs externas, se ramifican en subtareas, agotan cuotas y pueden fallar a mitad de una secuencia de varios pasos. Acoplarlos a una única petición HTTP liga la fiabilidad de la aplicación al tiempo de ejecución de un bucle no determinista.
Para superar ese cuello de botella, los equipos adoptan tres patrones centrales. El primero desacopla la ejecución del agente de la petición web: la API encola el trabajo en una cola durable y devuelve de inmediato un identificador de ejecución, mientras un proceso trabajador independiente la procesa. La cola actúa como un búfer persistente entre quien crea el trabajo y quien lo ejecuta, lo que permite escalar trabajadores, absorber picos y reintentar fallos.
El segundo patrón aborda la durabilidad de la ejecución. Las colas suelen ofrecer entrega al menos una vez, de modo que un mismo paso puede ejecutarse más de una vez. Cada llamada a una herramienta con efectos secundarios debe diseñarse como idempotente: comprobar si ya existe un registro completado antes de invocar la herramienta, escribir un estado "en curso", ejecutar la acción y marcarla como completada. Además, cuando una ejecución se interrumpe tras varios pasos con efectos ya consumados (cobros, envíos, aprovisionamientos), no basta con reiniciar desde el principio: se necesita un patrón saga o lógica de compensación que deshaga o mitigue los pasos previos.
El tercer patrón introduce motores de flujo de trabajo o grafos de tareas, que modelan la ejecución como un grafo dirigido de pasos con estados explícitos, reintentos, puntos de control, aprobaciones humanas y condiciones de terminación. Esta capa permite pausar, reanudar, depurar y auditar la ejecución completa, algo esencial cuando los agentes ejecutan decenas de pasos heterogéneos. Adoptar estos patrones convierte los prototipos frágiles en sistemas escalables, resilientes y observables.