Cómo crear agentes de IA utilizando Mastra y TypeScript
Introducción: ¿Te gustaría buscar ofertas de trabajo tech de forma más inteligente usando lenguaje natural y herramientas automatizadas? En este artículo explico un proyecto práctico que usa Mastra y TypeScript para crear un agente que entiende peticiones como Encuéntrame 5 ofertas de Flutter y devuelve resultados relevantes desde feeds públicos. No es un tutorial paso a paso para construir agentes desde cero sino una guía sobre las decisiones clave, los retos que aparecieron y ejemplos reales que puedes adaptar.
Requisitos: Necesitarás Node.js 18 o superior, npm, una clave de OpenAI y conocimientos básicos de TypeScript. También conviene familiarizarse con librerías como Zod para validación, node-cron para programación y un parser de RSS.
Visión general: cómo encaja todo: El flujo es sencillo y práctico. El usuario escribe una consulta, el agente extrae palabras clave, llama a una herramienta que busca en feeds RSS cacheados, la herramienta devuelve trabajos ordenados y deduplicados, y el agente formatea la respuesta. Tres principios importantes: provisionar herramientas explícitas para el agente, dar instrucciones estrictas para evitar invenciones y validar datos en tiempo de ejecución con esquemas.
Estructura de carpetas típica: src/mastra/agents jobs-agent.ts para el agente, src/mastra/tools rss-tool.ts para la herramienta de búsqueda, src/mastra/workflows jobs-workflow.ts para componer pasos, src/mastra/utils para utilidades como keyword-extractor.ts y feed-cache.ts, y src/mastra/scorers para evaluar respuestas.
Paso 1 El agente y sus instrucciones: El agente se crea con un nombre, una descripción, un modelo ligero y un conjunto de herramientas accesibles. Lo importante es dar instrucciones muy claras para que el agente SIEMPRE use la herramienta de búsqueda y NUNCA invente ofertas. También puede usar una memoria ligera para mantener contexto entre interacciones.
Paso 2 Extracción de palabras clave: Antes de llamar a la herramienta hay que entender lo que el usuario pide. Por ejemplo Encuéntrame 5 ofertas recientes de Flutter se reduce a la palabra clave flutter y un límite de 5 resultados. La extracción elimina palabras vacías, normaliza con un stemmer y deduplica resultados para obtener términos significativos que guiarán la búsqueda.
Paso 3 La herramienta que hace el trabajo: La herramienta fetch-jobs define un esquema de entrada y salida, carga todos los trabajos cacheados desde feeds RSS, elimina duplicados, filtra por coincidencias entre título o descripción con las palabras clave y ordena por relevancia y fecha. Devuelve los N mejores resultados según el límite indicado. Es esencial usar un cache en lugar de llamar en tiempo real a cada feed.
Paso 4 Cache de feeds: Para evitar latencia y límites de tasa se guarda en disco un cache de trabajos durante varias horas. La primera petición a un feed lo descarga y lo guarda. Las siguientes peticiones dentro del TTL son instantáneas. En caso de fallos al consultar un feed la herramienta gestiona el error y sigue funcionando sin bloquear al usuario.
Paso 5 Programador de refresco: Un cron que corre cada 30 minutos actualiza los feeds en segundo plano para minimizar datos obsoletos. Si un feed falla simplemente se registra el error y continúa la actualización de los demás feeds.
Paso 6 Validación con Zod: Cada herramienta y flujo valida entrada y salida con esquemas Zod para evitar que tipos erróneos o datos corruptos provoquen fallos en tiempo de ejecución. Zod proporciona mensajes de error claros y evita errores que solo se detectarían en producción.
Cómo ejecutarlo localmente: Instala dependencias con npm install y arranca el modo desarrollo con npm run dev. Se crea un servidor local con un playground donde seleccionar el agente y probar consultas como Encuéntrame 5 ofertas de Flutter. Para producción se construye el paquete con npm run build y se utiliza el output empaquetado.
Extender el proyecto: Para añadir una nueva herramienta sigue el patrón createTool con esquemas de entrada y salida y una función execute que consulte APIs o bases de datos. Registra la herramienta en la configuración de Mastra y añádela a los agentes que la necesiten. Para crear nuevos agentes define instrucciones claras, autoriza solo las herramientas necesarias y añade memoria o evaluadores según convenga.
Buenas prácticas y aprendizajes: 1 La claridad de las instrucciones suele ser más valiosa que usar un modelo enorme. 2 Cachear datos externos mejora enormemente la experiencia de usuario. 3 Validar con Zod reduce errores de integración. 4 Refrescar periódicamente con cron es una solución simple y robusta para feeds RSS. 5 Probar agentes no es trivial con LLMs; complementa con evaluadores automáticos y pruebas manuales.
Acerca de Q2BSTUDIO: En Q2BSTUDIO somos una empresa de desarrollo de software especializada en aplicaciones a medida y software a medida, con experiencia en inteligencia artificial, ciberseguridad, servicios cloud aws y azure y soluciones de inteligencia de negocio. Diseñamos e implantamos agentes IA para empresas y ofrecemos consultoría para integrar modelos y workflows basados en Mastra. Si necesitas soluciones de inteligencia artificial para tu empresa visita nuestra página de Inteligencia artificial y conoce cómo podemos ayudarte a transformar procesos con IA. Si te interesan aplicaciones y software a medida consulta nuestro servicio de desarrollo de aplicaciones y software multiplataforma.
Palabras clave y posicionamiento: Este artículo integra conceptos relevantes para SEO como 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 para facilitar que empresas interesadas en automatización, analítica y seguridad nos encuentren.
Siguientes pasos recomendados: añade más feeds relevantes, mejora la extracción de entidades con embeddings o NER, enriquece cada oferta buscando metadatos de la empresa y añade pipelines de observabilidad y scoring para medir calidad de respuestas. Para proyectos corporativos contamos con experiencia en integración, despliegue y secure by design que pueden acelerar tu adopción de agentes IA.
Contacto y llamado a la acción: Si buscas desarrollar un agente IA a medida, integrar inteligencia de negocio con power bi o desplegar servicios cloud en AWS o Azure, ponte en contacto con Q2BSTUDIO para una consultoría inicial y un plan a medida que cubra seguridad, escalabilidad y ROI.
