Este glosario recopila los términos más comunes y técnicos que se emplean al trabajar con agentes de IA en entornos de desarrollo. Se basa en herramientas populares como OpenCode, GitHub Copilot en VS Code y Cursor. Incluye conceptos generales de agentes IA y términos específicos de estas herramientas.
Los términos están ordenados alfabéticamente. Cada entrada incluye definición, contexto de uso y ejemplo práctico.
- Agente de IA (AI Agent): Sistema autónomo basado en LLM que razona, planifica y ejecuta acciones usando herramientas externas. Diferencia clave: no solo responde, sino que modifica el entorno (archivos, git, terminal). En OpenCode se configuran como primary agents; en Cursor es el modo Composer.
- Agentes Primarios (Primary Agents): En OpenCode, agentes principales con los que el usuario interactúa directamente (Build para edición y ejecución completa; Plan para análisis sin cambios). Se alternan con Tab.
- AGENTS.md / SKILL.md / .cursorrules: Archivos de configuración persistente. AGENTS.md documenta estructura del proyecto; SKILL.md carga habilidades específicas; .cursorrules (Cursor) define reglas de estilo, convenciones y comportamiento del agente.
- Agentic Workflow / Flujo de Trabajo Agentico: Metodología moderna donde el programador define objetivos de alto nivel y el agente se encarga de la implementación iterativa (planificar → actuar → observar → corregir). Es la forma más eficiente de trabajar con agentes en 2026.
- Aider: Herramienta open-source de terminal (similar a OpenCode). Usa git nativamente, edita archivos y ejecuta comandos. Ideal para flujos “commit-after-change”.
- Cadena de razonamiento o Chain of Thought (CoT): El agente desglosa el problema paso a paso antes de actuar. Base de casi todos los agentes coding.
- Composer: Modo agentico principal de Cursor. Permite editar decenas de archivos a la vez, aplicar cambios en lote y realizar tareas completas (“refactoriza todo el módulo de pagos”).
- Completaciones Inline / Ghost Text: Sugerencias de código en tiempo real dentro del editor (Copilot clásico y Cursor). Se aceptan con Tab.
- Continue.dev: Extensión open-source para VS Code / JetBrains. Convierte cualquier IDE en agente completo con RAG, MCP y multi-agente. Muy usada en 2026 por su flexibilidad.
- Copilot Chat: Interfaz conversacional de GitHub Copilot. Soporta comandos como
/fix,/tests,/explain. - Copilot Workspace: Modo agentico avanzado de GitHub Copilot (2025-2026). Permite tareas de alto nivel en todo el repositorio (“implementa autenticación con OAuth2 + tests + documentación”).
- Cursor (IDE basado en VS Code con capacidades agenticas avanzadas, como Composer)
- Embeddings / Incrustaciones Vectoriales: Representaciones numéricas (vectores) de código o texto. Permiten búsquedas semánticas (“encuentra todo lo relacionado con autenticación”). Base del RAG.
- Few-Shot / Zero-Shot Prompting: Few-shot = incluir ejemplos en el prompt para guiar al agente. Zero-shot = sin ejemplos (más rápido pero menos preciso). Usado en prompts iniciales de OpenCode o Cursor.
- Function Calling / Tool Calling: Capacidad del LLM de llamar herramientas externas (bash, edit, git, lsp, etc.). Es el motor de todos los agentes.
- Grounding: Técnica para “anclar” las respuestas del agente en datos reales del proyecto (código, tests, docs) en lugar de inventar. Reduce alucinaciones drásticamente.
- Hallucination: Cuando el agente genera código falso, funciones inexistentes o información inventada. Se mitiga con RAG, grounding y Human-in-the-Loop.
- Human-in-the-Loop (HITL): Metodología clave donde el humano interviene para aprobar cambios críticos, corregir o guiar. En OpenCode se controla con permisos “ask”. Recomendado para proyectos en producción.
- LSP (Language Server Protocol): Protocolo que da al agente inteligencia de código avanzada (ir a definición, refactor, hover). Integrado automáticamente en OpenCode y Continue.dev.
- MCP (Model Context Protocol): Protocolo de OpenCode y compatible con Continue.dev para conectar herramientas externas (bases de datos, APIs, web). Se configura en opencode.json.
- Multi-Agent / Sistema Multi-Agente: Varios agentes especializados colaboran (ej. agente “Plan” + agente “Build” + subagente “Test”). OpenCode y Continue.dev lo soportan nativamente.
- OpenCode: Aagente open-source de IA para terminal, escritorio e IDE, con soporte para más de 75 proveedores de modelos.
- Pair Programming con IA: Metodología de trabajo en tiempo real: humano + agente editando el mismo código (Copilot inline + Chat o Cursor). Equivalente al pair programming tradicional pero 10× más rápido.
- Permisos de Herramientas (Tool Permissions): En OpenCode y Continue: allow / ask / deny para cada herramienta. Ejemplo:
"git push": "ask". - Prompt / Prompt Engineering: Arte de escribir instrucciones claras, contextuales y estructuradas. Incluye Chain of Thought, ejemplos y restricciones.
- RAG (Retrieval-Augmented Generation): Técnica estrella de 2025-2026. El agente primero recupera información relevante del proyecto (usando embeddings y vector store) y luego genera la respuesta. Evita llenar la ventana de contexto con todo el código. Usado en Cursor, Continue.dev y OpenCode vía MCP o indexación automática.
- ReAct (Reason + Act): Framework fundamental: el agente alterna entre razonar y actuar (llamar herramientas). Base interna de OpenCode, Cursor y Aider.
- Reflexion / Auto-Reflexión: El agente revisa su propio output, detecta errores y se corrige automáticamente (extensión avanzada de ReAct).
- Scaffolding: Dar al agente una estructura inicial (plantillas, boilerplate) para que solo complete las partes específicas. Metodología muy efectiva para features nuevas.
- Subagentes: Agentes especializados invocados por el agente principal (ej. @explore, @test, @refactor en OpenCode). Permiten paralelismo y modularidad.
- Test-Driven Agent Development (TDAD): Metodología recomendada: el agente genera primero los tests (o se le piden), luego implementa código hasta que pasen. Reduce errores drásticamente.
- Tokens: Unidades de texto que procesa el LLM. Ventanas grandes (128k-1M) en modelos 2026, pero aún se optimizan con RAG y summarization.
- Tool Use / Herramientas del Agente: Conjunto de acciones disponibles (bash, edit, grep, lsp, git, websearch, apply_patch, etc.).
- Tree of Thoughts (ToT): Extensión de CoT. El agente explora varios caminos de razonamiento simultáneamente y elige el mejor. Usado en tareas complejas de arquitectura.
- TUI (Terminal User Interface): Interfaz dentro de la terminal (OpenCode y Aider). Incluye keybinds, sesiones y undo/redo.
- Vector Store / Base de Datos Vectorial: Almacén donde se guardan los embeddings del proyecto (Chroma, LanceDB, etc.). Es el “cerebro de memoria” del RAG en agentes.
- Ventana de Contexto (Context Window): Cantidad máxima de tokens que el modelo puede procesar. Los agentes modernos usan RAG + summarization para manejar proyectos enteros.
Metodologías de trabajo más recomendadas en 2026
- Agentic Workflow: Objetivo alto → agente planifica → ejecuta → humano revisa → iterar.
- Human-in-the-Loop (HITL): Nunca dejar al agente solo en cambios críticos.
- Pair Programming con IA: Edición en tiempo real + chat paralelo.
- Test-Driven Agent Development (TDAD): Tests primero, código después.
- Git Workflow Agentico: Cada cambio del agente → test → commit automático con mensaje generado por IA → PR draft.
- Prompt Chaining: Dividir tareas grandes en cadena de prompts/agentes.