Cuando preguntas a ChatGPT u otros modelos de IA algo como Cuales son las ultimas noticias, a menudo responden con datos desactualizados.
La razon es sencilla: la mayoria de modelos de lenguaje se entrenan con informacion historica y no tienen acceso en tiempo real a internet.
Para resolverlo combinaremos agentes de LangChain con herramientas de busqueda.
En este tutorial vas a crear un agente conversacional con busqueda capaz de: usar un LLM para razonar, obtener datos de la web en tiempo real mediante DuckDuckGo y recordar el contexto de la conversacion.
Piensalo como tu asistente de IA personal con acceso a la web en vivo.
Por que usar un agente de busqueda
- Noticias y tendencias al dia: que esta pasando hoy en investigacion de IA
- Actualizaciones de mercados y acciones: precio actual de Tesla o de criptomonedas
- Asistente de investigacion: localiza articulos recientes sobre politicas de cambio climatico
- Productividad: un chatbot que trae respuestas frescas en lugar de depender solo de los datos de entrenamiento
En resumen, este enfoque une el conocimiento estatico de la IA con el internet dinamico.
Requisitos previos
- Python 3.9 o superior
- Clave de API de OpenRouter con opciones gratuitas o de pago
- Dependencias a instalar
pip install langchain langchain-openai langchain-community duckduckgo-search
Paso 1 Importar librerias
Necesitaras el envoltorio de LLM de LangChain, la herramienta de busqueda y utilidades de agentes: ChatOpenAI, DuckDuckGoSearchRun, Tool, ConversationBufferMemory, AgentType e initialize_agent.
Paso 2 Inicializar el LLM con OpenRouter
Usa el modelo deepseek/deepseek-chat-v3-0324:free servido por OpenRouter. Puedes cambiarlo por gpt-4, gpt-3.5-turbo u otros modelos soportados. Parametros comunes: model deepseek/deepseek-chat-v3-0324:free, base_url https://openrouter.ai/api/v1, api_key desde la variable de entorno OPENROUTER_API_KEY.
Por que OpenRouter
- Soporta multiples modelos como DeepSeek, Mistral y GPT
- Evitas el bloqueo de proveedor
- Algunos modelos son gratuitos
Paso 3 Anadir la herramienta de busqueda
Para resultados en vivo usa DuckDuckGoSearchRun. Ventajas: ligero, centrado en la privacidad, eficaz en consultas factuales rapidas y no requiere clave de API.
Paso 4 Anadir memoria de conversacion
Sin memoria el agente olvida los mensajes anteriores. Emplea ConversationBufferMemory con una clave de memoria como chat_history para mantener el contexto entre turnos.
Paso 5 Inicializar el agente
Combina LLM, herramienta de busqueda y memoria con initialize_agent. Tipo de agente recomendado: CONVERSATIONAL_REACT_DESCRIPTION. Activa verbose en True y handle_parsing_errors en True para facilitar la observacion y la tolerancia a errores.
Paso 6 Ejecutar el agente
Lanza el metodo run con tu pregunta y muestra la respuesta. Ejemplo de prueba sugerido: Give me the latest news o Give me some latest news about AI.
Ejemplo de ejecucion
El agente analizara tu consulta, decidira cuando usar la herramienta de busqueda, recuperara resultados actuales y sintetizara una respuesta citando el contexto acumulado de la conversacion.
Con apenas unas 40 lineas de logica tienes la base para un asistente de investigacion, un bot de noticias o una utilidad de productividad con datos en tiempo real.
Sobre Q2BSTUDIO
En Q2BSTUDIO somos una empresa de desarrollo de software y aplicaciones a medida, especialistas en inteligencia artificial, ciberseguridad y mucho mas. Acompañamos a organizaciones en la creacion de soluciones con agentes IA y en la adopcion de ia para empresas, integrando desde el backend hasta la capa analitica. Si buscas potenciar tu estrategia de inteligencia artificial y automatizar procesos clave, descubre nuestros servicios de inteligencia artificial enfocados en resultados.
Ademas, nuestro equipo diseña e implementa software a medida alineado con tus procesos, conectando servicios cloud aws y azure, servicios inteligencia de negocio y cuadros de mando en Power BI para acelerar decisiones. Si necesitas evolucionar tus plataformas o crear productos escalables, consulta nuestras soluciones de aplicaciones a medida con arquitecturas modernas y seguras.
Consejos finales
- Añade validaciones y manejo de errores para entradas ambiguas
- Implementa caché de resultados de busqueda para reducir latencia
- Registra trazas de decisiones del agente para auditoria
- Considera ampliarlo con multiples herramientas como scraping controlado, retrieval con embeddings o conectores a APIs privadas
Palabras clave para ayudarte a avanzar: aplicaciones a medida, software a medida, inteligencia artificial, ciberseguridad, servicios cloud aws y azure, servicios inteligencia de negocio, ia para empresas, agentes IA y power bi.
Feliz desarrollo