En la Parte 1 mostré cómo montar un flujo de IA agencia donde varios nodos agentes y herramientas se conectan usando LangGraph; ahora que la canalización está lista y los prompts están definidos, toca verla en funcionamiento y compartir lo aprendido en este segundo capítulo.
Para exhibir resultados que combinan texto e imágenes creé una interfaz gráfica sencilla y elegante con Streamlit, una herramienta ideal para desarrolladores backend que no se sienten cómodos con frontend; Streamlit facilita la presentación de aplicaciones de datos en Python y en este caso permitió mostrar entradas de configuración, indicadores de depuración y el resultado final sin complicaciones.
La UI incluye un panel de configuración con switches para activar debug y logging, controles para el número de reintentos y el timeout en llamadas al LLM remoto como Azure OpenAI, además de una opción para habilitar la generación de imágenes mediante llamadas a DALL-E 3. El selector de estilo de editor determina qué archivo de prompt se carga para la edición final, ofreciendo variantes como General, Emocional y Hilariante, que transforman el borrador con niveles distintos de intervención editorial.
Como funcionalidad útil incluí un botón Mostrar diagrama de flujo que genera la vista del grafo usando la representación Mermaid discutida en el artículo anterior, lo que ayuda a verificar visualmente la configuración y las condiciones entre nodos antes de ejecutar el pipeline.
En un ejemplo práctico pedí escribir un artículo sobre fotografía callejera con un objetivo fijo 35mm. Con el estilo General la edición fue ligera y el resultado conservó la estructura original del borrador; en los logs detecté llamadas a herramientas externas, incluida la búsqueda web Tavily, y la invocación del generador de imágenes que devolvió URLs, lo que confirma que la orquestación entre investigación, redacción y edición funciona correctamente.
El agente de investigación produjo un resumen con enlaces de fuentes y hallazgos relevantes sobre el uso del 35mm en fotografía callejera, el agente escritor generó un borrador aceptable y el agente editor lo pulió según el perfil de edición seleccionado. Con la opción General las imágenes generadas respondieron a prompts directos y descriptivos, pero resultaron visualmente estándar porque ese estilo pide ilustraciones profesionales digitales con paleta equilibrada y composición clara.
Cambiando al estilo Emocional el texto final tomó una voz narrativa y empática, convirtiendo hechos técnicos en una historia cercana y evocadora, mientras que el estilo Hilariante aportó un tono más ligero y cómico. Estas variaciones muestran cómo los agentes IA permiten adaptar un mismo contenido base a audiencias distintas y cómo los prompts maceran la personalidad del editor.
Durante la prueba identifiqué puntos de mejora: en mi diseño actual el agente editor recibe instrucciones mezcladas para edición de documento y generación de imágenes, y a veces no incrusta correctamente las URLs devueltas pese a que los logs confirman su creación. Separar la responsabilidad de formateo del documento y la generación de imágenes hace el proceso más robusto y predecible. Además es recomendable enriquecer los prompts de imagen con más contexto del artículo final, especialmente cuando el estilo transforma el texto en una narración emocional que necesita imágenes coherentes con la historia.
Tras tres días de pruebas este pequeño proyecto fue una excelente oportunidad de aprendizaje y revela el potencial de combinar agentes IA, herramientas externas y orquestación para automatizar tareas de producción de contenido. En Q2BSTUDIO trabajamos con esa misma filosofía, desarrollando soluciones a medida que integran inteligencia artificial y automatización para empresas; si buscas transformar ideas en aplicaciones productivas podemos ayudar en el desarrollo de aplicaciones a medida y software a medida adaptado a tus procesos, apoyando desde el diseño del flujo de datos hasta la puesta en producción.
Si tu objetivo es incorporar capacidades de IA en tu organización, nuestras soluciones de ia para empresas y agentes IA permiten prototipar y escalar editores automáticos, motores de búsqueda semántica o pipelines de generación multimedia; conoce más sobre nuestras propuestas de inteligencia artificial visitando soluciones de inteligencia artificial y descubre cómo desarrollamos aplicaciones robustas y multiplataforma en desarrollo de aplicaciones a medida.
Además de IA, en Q2BSTUDIO ofrecemos servicios integrales que incluyen ciberseguridad, pentesting, servicios cloud a medida en AWS y Azure, y servicios de inteligencia de negocio con Power BI para convertir datos en decisiones; estas capacidades combinadas permiten entregar productos finales seguros, escalables y alineados con objetivos de negocio.
En cuanto a mejoras futuras de la aplicación, planeo automatizar la sugerencia de temas mediante un agente que busque tendencias y proponga ideas de publicación, refinar la segmentación de prompts por contexto narrativo y separar formalmente las tareas de edición y generación de activos visuales. Si quieres explorar cómo agentes IA, automatización de procesos y soluciones cloud pueden acelerar tu estrategia digital, en Q2BSTUDIO diseñamos proyectos personalizados que integran buenas prácticas de seguridad y análisis de negocio.
En resumen, el experimento confirma que una arquitectura basada en agentes y herramientas orquestadas con LangGraph y una interfaz como Streamlit es viable para producir contenido multimodal. Con ajustes en la separación de responsabilidades de los agentes y prompts más contextuales se logra mayor coherencia entre texto e imagen. Si te interesa llevar esta idea al siguiente nivel te invitamos a conversar y evaluar un proyecto a medida que combine inteligencia artificial, automatización y servicios cloud para tu empresa.