Ingeniería de IA
Agent Lightning 1.0: entrenar un agente con sus herramientas
Agent Lightning conecta el entrenamiento con las herramientas que usa el agente. La clave está en enseñarle con tareas y resultados que puedas comprobar.
El agente aprende con las herramientas que usará
Un agente puede resolver bien una prueba y atascarse al trabajar con tus herramientas. Agent Lightning 1.0 intenta acercar esos entornos: el modelo aprende dentro del software que gestiona sus pasos, sus consultas y su contexto.
Microsoft Research explicó la arquitectura el 7 de octubre de 2026. La apertura de la versión y el informe técnico son de agosto; el artículo reciente desarrolla el enfoque. El entrenamiento por refuerzo ajusta el modelo a partir de intentos y de una señal sobre el resultado.
El modelo es solo una parte del agente
El harness es el programa que organiza herramientas, mensajes y contexto. Dos agentes con el mismo modelo pueden comportarse de forma distinta si ese programa cambia. Agent Lightning lo mantiene dentro del entrenamiento para evitar reconstruir una versión simplificada que después no se parezca a la real.
Puedes reproducir ese funcionamiento con tareas públicas y servicios de prueba. No hace falta dar al entrenamiento acceso a usuarios o datos de producción.
Una tarea puede incluir muchas llamadas
Agent Lightning separa la pasarela del modelo, el controlador que lanza agentes y el entrenador basado en verl. La pasarela relaciona cada llamada con el intento completo, llamado rollout. El controlador puede usar procesos locales o Jobs de Kubernetes.
Esa relación importa cuando el agente resume el contexto o delega trabajo. Varias llamadas pertenecen a una misma tarea y no deberían contarse como si fueran tareas independientes.
Corregir el CSV sin cambiar las reglas del examen
Imagina un lector de CSV que falla con campos entrecomillados o separadores de punto y coma. En una copia de prueba, el agente podría leer el código, corregirlo y ejecutar comprobaciones.
Cada intento empezaría desde la misma versión. Las pruebas externas comprobarían el archivo problemático y otros casos reservados. Si el agente pudiera cambiarlas para aceptar una salida incorrecta, subiría la puntuación sin arreglar el lector. Este es un ejemplo propuesto de entrenamiento.
La recompensa puede enseñar un atajo
El ejemplo oficial de programación utiliza tareas SWE-smith y entornos aislados. Incluye controles para impedir que el agente recupere soluciones de referencia o altere sus pruebas, y recomienda limitar la salida de red.
La recompensa debe reconocer el resultado que buscas. Si premia un atajo, el entrenamiento puede reforzarlo. Conserva las versiones del modelo, el entorno y el evaluador para poder explicar qué cambió.
Cuándo merece la pena dar este paso
El código tiene licencia MIT, pero entrenar sigue necesitando tareas repetibles, datos, infraestructura y una evaluación. Si todavía cambias las herramientas y el criterio de éxito cada día, estabilizar esas piezas puede aportar más que ajustar los pesos.
Agent Lightning resulta interesante cuando ya puedes repetir un fallo y medir una corrección. Esa preparación también sirve si finalmente decides mejorar las instrucciones o las herramientas.