Arneses de Lenguaje Natural para el Control de Agentes IA | Simplificación de la interacción agente-herramienta mediante interfaces semánticas | Nueva arquitectura de comunicación universal para sistemas de agentes autónomos

Abstract

PROBLEMA: Los agentes IA modernos a menudo requieren APIs rígidas y específicas, lo que limita su capacidad para adaptarse a nuevas herramientas o entornos de forma fluida. SOLUCIÓN: El paper introduce el concepto de 'Natural-Language Agent Harnesses', una capa intermedia que abstrae funcionalidades complejas en interfaces de lenguaje natural puro. METODOLOGÍA: Desarrollan un protocolo de comunicación donde el arnés traduce capacidades del sistema (archivos, red, APIs) en descripciones semánticas que un LLM puede invocar intuitivamente. RESULTADOS: Los experimentos demuestran que los agentes equipados con estos arneses pueden aprender a usar herramientas desconocidas hasta un 40% más rápido que utilizando documentación técnica tradicional o esquemas JSON. RELEVANCIA: Propone un nuevo paradigma de interoperabilidad donde el lenguaje humano es el bus de datos universal para la interacción agente-sistema.