Un agente ejecuta un modelo en bucle: razona sobre un objetivo, realiza una acción (por ejemplo, una llamada a una herramienta), observa el resultado y repite el proceso hasta completar la tarea. Yao et al. (2023) formalizaron la alternancia entre razonamiento y acción en el marco ReAct, y Schick et al. (2023) demostraron con Toolformer que los modelos pueden aprender a decidir cuándo y cómo llamar a herramientas externas.
La diferencia con un chatbot es la autonomía a lo largo de varios pasos, lo que hace que los agentes sean potentes, pero también plantea cuestiones de fiabilidad y seguridad.