> For the complete documentation index, see [llms.txt](https://docs.gaiodataos.com/llms.txt). Markdown versions of documentation pages are available by appending `.md` to page URLs; this page is available as [Markdown](https://docs.gaiodataos.com/gaio-dataos-spanish/herramientas/tareas/analisis/agente.md).
# Agente
El **Flow Agent** es un agente de IA diseñado para operar dentro de contextos de tareas y flujos de trabajo, en lugar de conversaciones directas con el usuario. En este escenario, el agente actúa como un Agente basado en tareas, ejecutado como parte de un flujo automatizado o analítico.
### Cómo acceder al Flow Agent
El Flow Agent se accede a través del panel **Tasks** en la barra lateral izquierda.
* Abre el menú de navegación izquierdo
* Ve a **Tasks**
* Selecciona una categoría de tarea (ej.: Analytics)
* Haz clic en el agente después de seleccionar una tabla o accede haciendo clic derecho sobre una tabla y buscando **Agent**
Un Flow Agent se utiliza cuando necesitas que la IA:
* Procese datos como parte de un flujo de trabajo
* Analice, clasifique o transforme entradas
* Opere sin interacción directa con el usuario final
* Produzca salidas estructuradas para pasos posteriores
A diferencia de los Chat Agents, los Flow Agents normalmente son:
* Activados por tareas
* Impulsados por prompts e inputs
* Integrados en pipelines
***
### Cómo configurar tu Flow Agent
La pestaña **General** mostrada en este panel utiliza el mismo modelo de configuración que un Chat Agent:
* Name
* Description
* Role
* Goal
* Backstory
* Tools
* RAG access
Dado que estos conceptos ya están cubiertos en la documentación del Chat Agent, no se redefinen aquí.
***
### Tools y RAG en Flow Agents
Los Flow Agents pueden acceder a:
* Tools (Discovery, Diagrams, HTTP Request, MCP, RAG)
* Bases de conocimiento (RAGs)
* Esquemas y diagramas
El control de acceso sigue las mismas reglas:
* Solo pueden utilizarse las herramientas explícitamente habilitadas
* Solo pueden consultarse los RAGs adjuntos
Esto garantiza una ejecución predecible y segura dentro de los flujos de trabajo.
***
### Diferencia clave respecto a los Chat Agents
| Aspecto | Chat Agent | Flow Agent |
| ----------- | -------------------- | --------------------------- |
| Interacción | Conversacional | Basado en tareas / pipeline |
| Disparador | Mensaje del usuario | Ejecución de tarea |
| Salida | Lenguaje natural | Estructurada u operativa |
| Uso | Orientado al usuario | Backend / Analítico |
#### Configuración del Prompt
La pestaña **Prompt** define cómo el Flow Agent recibe instrucciones y datos de entrada durante la ejecución de la tarea. Esta es el área principal donde especificas qué debe hacer el agente con los datos entrantes y cómo debe razonar sobre ellos.
En un Flow Agent, el prompt no está escrito para interacción directa con el usuario, sino para ejecución determinista dentro de un flujo de trabajo.
#### Propósito de la pestaña Prompt
Utiliza la pestaña Prompt para:
* Definir las instrucciones de ejecución del agente
* Describir la estructura de entrada esperada
* Controlar cómo se inyectan los datos en el prompt
* Garantizar un comportamiento consistente y repetible
#### Secciones de la pestaña Prompt
La pestaña Prompt está compuesta por cuatro elementos principales:
1. **System Prompt**\
Instrucciones globales opcionales aplicadas antes de cualquier ejecución.\
Actúa como contexto a nivel de sistema.\
Es opcional en la mayoría de los casos de uso de Flow Agent.
Casos típicos de uso:
* Forzar reglas estrictas de salida
* Aplicar restricciones de cumplimiento o formato
* Definir políticas globales de ejecución
2. **Loop Table**\
Define si el agente debe ejecutarse una sola vez o iterar sobre una tabla.
3. **Prompt (Instructions)**\
Este es el bloque principal de instrucciones del Flow Agent.\
Aquí describes:
* El rol del agente para esta tarea específica
* Qué debe analizar o transformar
* Cómo debe razonar sobre la entrada
***
### Configuración de la salida
La pestaña **Output** define cómo y dónde el Flow Agent almacena sus resultados de ejecución. Esta configuración convierte la respuesta del agente en un artefacto estructurado que puede ser consumido por tareas posteriores, análisis o capas de almacenamiento.
1. Propósito de la pestaña Output
1. Utiliza la pestaña Output para:
1. Persistir los resultados del agente en una tabla
2. Forzar un esquema de salida estricto
3. Permitir salidas deterministas y legibles por máquina
4. Integrar resultados de IA en pipelines y análisis
2. Destino de salida
1. **Save agent result at**\
Elige dónde se almacenará la salida del agente: en una tabla o en un parámetro.
2. **Table name**\
Define la tabla donde se escribirán los resultados.
3. Selecciona si la salida del agente se almacenará como texto o JSON.
4. **Insert mode: append records to table (optional)**\
Permite agregar registros a la tabla en lugar de sobrescribirlos.
3. Definir formato del esquema de salida
```json
{
"type": "object",
"properties": {
"name": { "type": "string" },
"email": { "type": "string" },
"score": { "type": "integer" },
"description": { "type": "string" },
"date": { "type": "string" },
"category_1": { "type": "string" },
"category_1_score": { "type": "number" }
}
}
```
Este esquema garantiza que:
* Cada salida siga la misma estructura
* Se respeten los tipos de datos
* Las respuestas de IA sean compatibles con análisis y almacenamiento
{% hint style="info" %}
Haz clic en **Generate** para crear automáticamente un esquema basado en el contexto.
{% endhint %}
### Cuándo usar un Flow Agent
Utiliza un Flow Agent cuando:
* La IA forma parte de un pipeline de datos o automatización
* Las salidas deben ser deterministas o estructuradas
* El agente alimenta tareas posteriores
* No se requiere una interfaz de chat directa
### Buenas prácticas para salidas de Flow Agent
* Define siempre un esquema de salida en flujos de producción
* Prefiere JSON para resultados complejos de IA
* Alinea los campos de salida con los consumidores posteriores
* Evita salidas de texto libre en pipelines automatizados
* Versiona los esquemas cuando realices cambios estructurales
---
# Agent Instructions
This documentation is published with GitBook. GitBook is the documentation platform designed so that both humans and AI agents can read, navigate, and reason over technical content effectively. Learn more at gitbook.com.
## Querying This Documentation
If you need additional information that is not directly available in this page, you can query the documentation dynamically by asking a question.
Perform an HTTP GET request on the current page URL with the `ask` query parameter, and the optional `goal` query parameter:
```
GET https://docs.gaiodataos.com/gaio-dataos-spanish/herramientas/tareas/analisis/agente.md?ask=&goal=
```
`ask` is the immediate question: it should be specific, self-contained, and written in natural language.
`goal` is optional and describes the broader end goal you are ultimately trying to accomplish on behalf of the user. GitBook uses it to tailor the answer towards what is most useful for that goal.
The response will contain a direct answer to the question and relevant excerpts and sources from the documentation.
Use this mechanism when the answer is not explicitly present in the current page, you need clarification or additional context, or you want to retrieve related documentation sections.