Tutorial: construye tu primer agente de IA (2 rutas gratuitas)

Qué vas a construir

Construirás un agente de IA sencillo que pueda:

Recibir una tarea del usuario
Pensarla paso a paso
Producir una salida estructurada
(Opcional) mantener memoria simple

Construirás la misma idea de dos formas:

Sin código — Flowise + Ollama
Con código — Python + Ollama

Ambas rutas llevan a un primer agente funcional.

Comandos para copiar

Usa estos fragmentos directamente.

# Modelo Ollama
ollama run llama3.1

# Comprobar Node.js
node -v
npm -v

# Iniciar Flowise
npx flowise start

# Dependencias Python
pip install requests

PARTE A — Agente de IA sin código (Flowise + Ollama)

Ideal para principiantes, perfiles no técnicos y comprensión rápida.

PASO 1 — Instalar Ollama (modelo local)

Ve a https://ollama.com, instálalo y ejecuta:

ollama run llama3.1

PASO 2 — Instalar Node.js

Descarga e instala la versión LTS desde https://nodejs.org y verifica:

node -v
npm -v

PASO 3 — Instalar Flowise

npx flowise start

Abre: http://localhost:3000

PASO 4 — Crear tu primer flujo

En Flowise, crea un nuevo chat flow y añade:

Entrada de usuario
Plantilla de prompt
ChatOllama
Salida

PASO 5 — Nodo de modelo de chat

Usa:

URL base: http://localhost:11434
Modelo: llama3.1

PASO 6 — Plantilla de prompt

You are an AI Agent.
Break tasks into steps and respond clearly.

Task: {input}

PASO 7 — Conectar el sistema

User Input → Prompt Template → ChatOllama → Output

PASO 8 — Probar tu agente

Plan a simple website structure for a coffee shop

PASO 9 — Mejorar la estructura

You are an AI Agent.

Follow this structure:
1. Understand the task
2. Break it into steps
3. Provide a final structured answer

Task: {input}

PASO 10 — Añadir instrucción de razonamiento

Always think step-by-step before answering.

PASO 11 — Guardar el flujo

Guárdalo como My First AI Agent.

PASO 12 — Qué has construido

Has construido un pipeline de razonamiento controlado, no solo un chatbot.

PARTE B — Agente de IA con código (Python + Ollama)

Para desarrolladores que quieren entender los entresijos.

PASO 1 — Instalar Python

Instala desde https://python.org y verifica:

python --version

PASO 2 — Instalar Ollama

ollama run llama3.1

PASO 3 — Dependencia de Python

pip install requests

PASO 4 — Crear el archivo del proyecto

Crea agent.py.

PASO 5 — Conexión básica con la IA

import requests

MODEL = "llama3.1"
URL = "http://localhost:11434/api/generate"

def ask_ai(prompt):
    response = requests.post(
        URL,
        json={"model": MODEL, "prompt": prompt, "stream": False},
        timeout=60,
    )
    return response.json()["response"]

PASO 6 — Lógica del agente

def agent(task):
    prompt = f"""
You are an AI Agent.

Step 1: Understand the task
Step 2: Break it into steps
Step 3: Provide a structured solution

Task: {task}
"""
    return ask_ai(prompt)

PASO 7 — Ejecutar el agente

result = agent("Design a simple login system")
print(result)

PASO 8 — Memoria simple (opcional)

memory = []

def agent(task):
    context = "\n".join(memory[-5:])
    prompt = f"""
You are an AI Agent.

Memory:
{context}

Task: {task}
"""
    result = ask_ai(prompt)
    memory.append(task)
    memory.append(result)
    return result

PASO 9 — Probar varias llamadas

print(agent("Create a to-do app"))
print(agent("Now improve it"))

PASO 10 — ¿Qué cambió?

El agente mantiene contexto entre peticiones.

PASO 11 — Por qué esto es un agente

Recibe entrada, ejecuta lógica, mantiene memoria y devuelve salida estructurada.

PASO 12 — Idea final

Un agente de IA no es solo el modelo; es el sistema alrededor del modelo.

Resumen

Has construido:

Un agente sin código (Flowise + Ollama)
Un agente con código (Python + Ollama)

Misma idea:

IA ≠ modelo — IA = sistema (la orquestación, prompts, herramientas y memoria alrededor del modelo).

Tutorial — Construye tu primer agente de IA (2 rutas gratuitas)