¿Qué sustituyó al agente de datos encadenado de Vercel cuando el paso siguiente solo veía un resumen?

Un agente en cada escritorio, en una era de modelos más débiles

El relato de Andrew Qu sobre el agente de datos de Vercel sigue ese orden. La versión encadenada falló porque el agente siguiente solo veía un resumen y un fragmento breve, y no podía mirar atrás los pasos que habían llevado hasta ahí. Sustituyeron la cadena por un agente que conserva sus propios pasos, una sola llamada larga que podía reintentar después de un error. Los primeros usuarios igual llamaron pésima a esa herramienta. Las preguntas reales caían fuera de los escenarios que habían trazado, aunque quienes la construyeron creían que superaba alrededor del 30 por ciento de un conjunto de evaluación que él nunca define. El diseño que trata como el salto llegó después de ese fracaso: la capa semántica del almacén, en un sandbox que el agente podía explorar con herramientas de archivos y de shell. Eve es su propuesta para declarar ese patrón posterior de sistema de archivos y skills, de modo que quien construya después no vuelva a empezar desde un prompt en bruto. Las puntuaciones que él adjunta al salto siguen siendo suyas.

Se presenta como jefe de software en Vercel, con trabajo que cruza la ingeniería interna, los experimentos de fuera y las bibliotecas y los frameworks nuevos. Esa es su descripción del puesto. Enmarca la empresa del mismo modo: Vercel empezó dejando que la gente publicara sitios y aplicaciones web sin operar la infraestructura de debajo, incluida una frase sobre escalar hasta un millón y volver a cero, y dice que los clientes que antes querían páginas ahora quieren agentes. Las dos frases son posicionamiento, y al lado no hay un resultado medido de fiabilidad ni de escala.

El AI SDK es su ejemplo de esa facilidad. Dice que una interfaz de modelo compartida hace que cambiar de proveedor sea alrededor de una línea, frente a unas 300 a 400 líneas de código específico del proveedor. Ese recuento es su contraste, y al lado no hay una prueba de rendimiento del SDK. También dice que la plataforma añadió alternativas de modelo, ejecución segura de código, un precio mejor mientras una carga está inactiva y espera una respuesta, y durabilidad y reanudabilidad. Nombra la durabilidad y la reanudabilidad sin definirlas, y no da precios ni condiciones de facturación en reposo.

El experimento, dice, empezó alrededor de un año antes de la charla, en un periodo al que llama Sonnet 4, cuando considera que los modelos eran menos capaces que los disponibles mientras habla. Él y el director de tecnología de Vercel, a quien no nombra, tomaron una frase de 1980 que atribuye a Bill Gates: un ordenador en cada escritorio y en cada casa. Su versión era un agente en cada escritorio, más allá de programar, hacia el diseño, la gestión de producto y otro trabajo. La redacción de Gates y el año son su recuento. También dice que, en el momento de la apuesta, los agentes se usaban sobre todo para programar y para trabajo técnico, y la expansión acababa de empezar. “Hace alrededor de un año” queda relativo a la charla. La fecha de publicación de la grabación, el 14 de septiembre de 2026, es el día en que el vídeo se subió.

• How We Solved Agent Building — Andrew Qu, en AI Engineer

La pregunta que enterró a un equipo de datos reducido

Qu dice que preguntó a marketing, ventas, finanzas y legal qué era lo que más odiaban del trabajo. El caso que llama más convincente fue el equipo de datos: reducido, mientras los datos de clientes, analítica, métricas y ventas de Vercel crecían más deprisa que las personas que tenían que volverlos utilizables.

Describe la interrupción en términos operativos. Una pregunta de marketing o de ventas sobre un cliente o un producto hacía que ciencia de datos se detuviera, escribiera una consulta, la analizara y volviera con una recomendación. Dice que eso dañaba mucho la productividad, y que el equipo no quería que escribir consultas todo el día fuera el trabajo. Luego trabajó con el vicepresidente de datos de Vercel, también sin nombre, en otra forma de operar. Ese es el motivo de D0. No da recuentos de tickets, horas ni una auditoría de plantilla.

La primera versión fue un volcado del esquema y un pegado a mano

La primera prueba fue un megaprompt. Qu pidió un volcado del esquema de Snowflake, la descripción que el almacén hace de tablas y columnas, pegó ese volcado y una pregunta en el prompt del sistema y, cuando el modelo devolvía SQL, copiaba la consulta y la ejecutaba él mismo. SQL es el lenguaje que ejecuta el almacén.

Mantiene el resultado en un tono modesto, y toda afirmación posterior de éxito se apoya en este comienzo. Dice que los modelos no eran tan buenos. La prueba solo dio una confianza leve de que un mejor contexto alrededor y unas salvaguardas pudieran volverlos utilizables. No da el tamaño del almacén, no cuenta quién podía consultar y no describe un control de seguridad alrededor de aquella prueba de pegado.

D0 encadenó el ciclo del analista y luego perdió el rastro

Qu traza después lo que hace una persona de ese equipo con una pregunta. La recibe, explora la capa semántica y los patrones de unión, ejecuta el SQL y lo intenta de nuevo si la consulta falla o cuesta demasiado. Una capa semántica, en el sentido en que él la usa, es el conjunto de descripciones de entidades y de relaciones que un analista consulta antes de elegir tablas. Cuando una consulta funciona, visualizan, escriben y revisan, a veces como una retro.

Él y el vicepresidente de datos partieron ese ciclo en agentes encadenados, cada uno con un prompt estrecho y herramientas estrechas. Presenta el agente de datos como D0 en esta segunda versión y dice que conservará el nombre. Su secuencia va de una pregunta a un agente de consultas, un agente de planificación y un agente de ejecución, y luego al SQL y al informe. Esos nombres se solapan mientras habla: también describe que el lado de planificación pasa una respuesta al “agente de planificación”, y después a un agente de SQL y al informe.

El ejemplo concreto de herramienta es el agente de planificación. Podía leer YAML de entidades, un archivo estructurado que describe una entidad, y buscar esquemas, y dice que usaba solo esas capacidades hasta tener una respuesta que entregar.

Trata la ganancia como cualitativa. El ciclo podía ir de la pregunta a la respuesta sin que alguien volviera a pegar el SQL. No declara una tasa de acierto. El muro, en su relato, era el traspaso. El agente siguiente recibía solo un resumen y un fragmento breve, así que no podía mirar atrás cómo había llegado. Concluyeron que un solo agente debía sostener el contexto completo, gestionar su propia memoria y reflexionar sobre los pasos que llevaban al punto actual. Esa conclusión sale de usar D0.

Una llamada larga podía reintentar, y los primeros usuarios igual la detestaron

El diseño siguiente fue una sola llamada al modelo que alternaba entre planificar, construir, ejecutar e informar, y gestionaba ese estado por sí misma. Él ilustra la llamada con un máximo de unos 100 pasos. El 100 es su imagen de esa llamada. No lo enuncia como un límite de Eve ni de un modelo con nombre.

Lo que destaca es la recuperación. Después de un error de ejecución o de una unión mala, el mismo agente podía explorar o leer de nuevo y averiguar qué había hecho mal. Solo se lo enseñaron a unas pocas personas de confianza. Llama poderosa a la herramienta y dice que la mantuvieron lejos de las personas indebidas y fuera de las cargas críticas. No define la regla de acceso ni esas cargas.

La puntuación interna y la reacción van juntas. Quienes lo construyeron creían que el agente superaba alrededor del 30 por ciento de sus evaluaciones, las preguntas de prueba que habían escrito. Los primeros usuarios dijeron que era pésimo. Las preguntas reales caían fuera de los escenarios trazados, y trazar más a mano parecía imposible de escalar. La cifra del 30 por ciento no tiene un conjunto de evaluación definido. Es la impresión que tenían entonces, al lado de esa reacción.

El salto que él nombra es un sistema de archivos en un sandbox

Qu dice que la llegada de Opus 4.5 con Claude Code respondió a la mayoría de sus preguntas mucho mejor que el agente hecho a mano. Llama a esa pareja básicamente AGI en comparación con lo que tenían antes. La frase es su hipérbole. No nombra una puntuación de evaluación compartida para el cara a cara.

La apertura que dibuja es un sistema de archivos y un conjunto pequeño de herramientas: listar archivo, leer archivo y bash, el comando de shell que ejecuta programas en ese entorno, más unas pocas herramientas extra para el agente de datos. Dice que son herramientas que los agentes ya están entrenados para usar bien, y que al modelo se lo dejó explorar en lugar de entregarle un menú prescriptivo. No describe la lista de herramientas de Claude Code ni su entrenamiento.

Reconstruyeron D0, el mismo agente de datos, en un sandbox, un entorno aislado, cargaron en él toda la capa semántica y dieron al agente bash, lectura y escritura, más unas pocas herramientas específicas de Vercel. Llama al paso de un agente, a un estilo de Claude Code SDK y luego a un agente de sistema de archivos el salto más grande. También dice “fine-tuned or purpose-built.”. Eso se lee como un agente formado para su caso. No cuenta que entrenaran un modelo a medida.

En ese diseño, dice que la puntuación de evaluación se duplicó aproximadamente. La línea de base, las tareas y el par de antes y después no están especificados, así que “se duplicó” es su resumen de una puntuación interna cuyo contenido nunca enumera. La implementación, tal como la describe, es un ayudante de herramienta bash en npm unido a un sandbox, con archivos que el agente puede leer, escribir y ejecutar. No da un nombre de paquete lo bastante preciso para identificarlo. Después de ese resultado escribió una entrada de blog que, según dice, seguía en línea, y dice que la semana en que circuló supuso alrededor del 70 por ciento del tráfico de vercel.com. La cuota es suya, para una semana que no fecha, y no da ni el título de la entrada ni su dirección.

Las consultas repetidas se volvieron una carpeta de skills

Un despliegue interno más amplio, en su relato, atrajo miles de consultas al día entre métricas de clientes, métricas de ventas, descargas de npm, búsqueda de productos y facturación. Miles al día es su afirmación de volumen. Muchas de esas preguntas compartían una forma: agregación, búsqueda o facturación.

Un trabajo recurrente toma las consultas recientes y las destila en skills. Una skill, en el sentido en que él usa la palabra, es contexto guardado para un tipo de pregunta que el agente ya ha recorrido. Dice que tienen alrededor de 100, desde agregaciones hasta búsquedas de datos sobre personas concretas. Su razón es que, si no, una ejecución nueva empieza solo con la capa semántica y el prompt del sistema, mientras que una skill lleva trabajo ya hecho. Es un argumento de diseño. No informa de un ahorro de tokens ni de latencia, y no describe el algoritmo del trabajo, quién revisa una skill ni quién puede usarla.

Señala una carpeta de skills como el añadido práctico y dice que Vercel construyó una herramienta a la que llama Skillsh, la forma más popular, en sus palabras, de encontrar skills de agentes y ejecutarlas uno mismo. La frase sobre la popularidad es suya. Da Skillsh como nombre, sin dirección de directorio y sin pasos de instalación.

Eve es la capa de convenciones desde la que él quiere que empiecen quienes construyen

Los compañeros seguían haciendo fork de D0 y redescubriendo cada mejora. Qu pregunta por qué quien construye de nuevo debería volver a empezar desde un prompt en bruto o desde los primeros principios. Ese es el motivo de un framework.

La analogía es Next.js, que según él construyó Vercel. En su explicación, los archivos en las convenciones adecuadas colocan páginas, funciones serverless y caché sin que nadie cablee la infraestructura a mano: las páginas a una CDN, las funciones en su sitio, la caché en el medio. Quiere que los agentes se declaren del mismo modo. Es su relato de por qué ayudan las convenciones, y no es una especificación actual de la arquitectura de Next.js.

La versión de agente que propone son tres carpetas: skills, tools y channels. Los canales, en este planteamiento, son los lugares donde la gente ya habla con el agente. El framework debe convertir esa declaración en un agente. Dice que Eve, al que llama el Next.js de los agentes, se publicó alrededor de dos semanas antes de la charla, también en un evento de Londres. Desde una plantilla de muestra, dice, se añade conocimiento propio, herramientas y canales conocidos. Las dos semanas y el evento de Londres son relativos a la charla.

Su imagen de un agente es un runtime más canales. Los adaptadores de código abierto que nombra son Postgres, la responses API de OpenAI, Docker y otros conectores. Esos son los enchufes que enumera. En Vercel asigna la durabilidad a Workflows, la ejecución segura a Sandbox y los tokens de conexión de vida corta a Connect, que según dice acababa de publicarse. Llama a esos tokens tokens ODC y no desarrolla la sigla. El lanzamiento de Connect y ese comportamiento de los tokens siguen siendo su relato.

• Un runtime que necesita durabilidad, un entorno aislado, llamadas al modelo y conexiones
• Adaptadores de código abierto que él nombra: Postgres, la responses API de OpenAI, Docker y otros conectores
• En Vercel, según su correspondencia: Workflows para la durabilidad, Sandbox para la ejecución segura y Connect para tokens de conexión ODC de vida corta

La reescritura en Eve y la historia de Aura sin una puntuación

Reescribieron D0 en Eve mientras construían Eve. El nombre sigue siendo D0. Dice que el código anterior, que el público no vio, era enrevesado. Ya ha dicho que el agente de datos en funcionamiento lleva alrededor de 100 skills destiladas. El árbol de archivos de Eve que muestra para la reescritura son instrucciones del sistema, un par de skills y un par de herramientas, que según él son fáciles de componer y de cambiar. No explica cómo se relaciona ese par de skills con las alrededor de 100 skills del agente en funcionamiento.

Unos pocos clientes en beta tenían Eve antes de la publicación pública que él fecha en torno a dos semanas antes, en Londres. No da un recuento de clientes. El socio Aura, del que dice que trabaja de cerca con Vercel, reconstruyó un agente pequeño, parecido a Claude, que visita sitios, instala servicios e intenta usarlos. Dice que la versión en Eve necesitaba menos pasos y producía mejor éxito y mejores conclusiones que Claude Code tal cual. No hay un recuento de pasos, ni una definición de la tarea, ni una prueba independiente. Es una anécdota de un socio, y no dice qué instala el agente.

Desplegar Eve en Vercel, dice, muestra ejecuciones del agente, llamadas a herramientas, pasos, coste estimado y posibles optimizaciones. Esa lista es la vista de despliegue que describe. Qu nombra eve.dev y dice que se puede clonar una plantilla, desplegar o autoalojar, y no describe una licencia ni qué incluye el autoalojamiento.

• eve.dev, la dirección que Qu da para una plantilla, un despliegue o el autoalojamiento

Lo que, según él, todavía tiene que ser propio de cada empresa

Antes de apoyarse en su propio agente de datos, dice que probaron agentes verticales de Snowflake de startups bien financiadas, productos pensados para apuntar un agente al almacén de Snowflake de una empresa. No nombra ninguno y no informa de puntuaciones. Su conclusión es que la parte útil era conocimiento específico de Vercel: qué consultar y cómo se enlazan los clientes y las propiedades de una empresa web. Un agente ya hecho, en ese relato, es un punto de partida. El conocimiento de la empresa es la parte que, según él, todavía hay que escribir.

Afirma que hay alrededor de 20 agentes de Vercel con lo que llama un product-market fit decente, su etiqueta para agentes que han encontrado un uso real dentro de la empresa, no una métrica definida. Los ejemplos que da son retros y alcance de marketing, un primer marcado de cambios en un contrato cuando legal ve una negociación nueva, y el agente de datos.

La afirmación de productividad sigue siendo cualitativa. Dice que los agentes ahorran mucho tiempo, y que el equipo de datos ahora dedica el tiempo al rendimiento de Snowflake, a las fuentes que faltan y a los huecos, en lugar de escribir consultas todo el día. No da horas ahorradas, ni una caída del volumen de consultas, ni cifras de rendimiento del almacén.

Cierra con una opinión. Las empresas de cualquier tamaño, dice, pueden automatizar el trabajo en el que la gente no quiere pasar el día. Recursos humanos, finanzas y ventas pueden automatizarse en alguna medida, y Eve es hoy la mejor forma de construir esos agentes. Es una llamada a la acción desde el escenario. No muestra esas funciones ya automatizadas, ni a Eve medida frente a alternativas.