Studio: Primeros pasos - Configuraciones básicas – Blip | Blip Help

Introducción
Creación y configuración de agentes en Studio
2.1 Cómo crear un bloque de Agente
2.2 Cómo configurar el bloque de Agente
2.2.1 Cómo cambiar el nombre del Agente
2.2.2 Cómo configurar la pestaña Instrucciones
2.2.3 Cómo configurar la Base de conocimientos
2.2.4 Cómo configurar la pestaña Condiciones de salida
2.2.5 Cómo configurar la pestaña Herramientas
¿Cómo poner tu contacto inteligente en producción?
Ejemplo de Orquestador completo
Ejemplo de FAQ AI Agents

Introducción

Studio fue diseñado para permitir la creación y personalización de agentes de Inteligencia Artificial de forma visual e intuitiva. Con él, puedes personalizar el comportamiento de tu agente, definir su base de conocimientos, establecer condiciones de salida para el flujo e integrar herramientas externas.

Esta herramienta centraliza todos los recursos necesarios para que construyas y administres agentes inteligentes de forma intuitiva.

Creación y configuración de agentes en Studio

Nota: Al final de este artículo encontrarás los archivos JSON de la configuración. Puedes copiarlos e importarlos directamente en Studio para realizar los ajustes que desees.

Cómo crear un bloque de Agente

En la pantalla de Studio, haz clic en Agregar bloque y elige la opción Agente.

Se agregará un nuevo bloque de Agente a Studio.

Cómo configurar el bloque de Agente

Al hacer clic en el bloque de Agente creado, puedes configurarlo mediante el menú lateral.

Cómo cambiar el nombre del Agente

Primero, puedes cambiar el nombre del bloque para facilitar su identificación. En el siguiente ejemplo, el Contacto Inteligente será una FAQ sobre el Agente.

Cómo configurar la pestaña Instrucciones

En esta sección, puedes personalizar tu Agente para satisfacer tus necesidades. Elige el modelo de lenguaje (LLM), define la temperatura y la cantidad máxima de tokens, ingresa las instrucciones iniciales del agente, entre otras opciones.

Una configuración precisa es fundamental para optimizar el desempeño de tu agente.

Para configurar un modelo, haz clic en el botón Configurar agente, junto a la indicación del modelo en la pestaña de Instrucciones. Se mostrará la pantalla Configurar instrucciones.

En la pestaña Modelo, en el menú desplegable, puedes elegir la versión del modelo que se utilizará.

Ahora, Studio es compatible con múltiples modelos de lenguaje, lo que amplía la flexibilidad para crear agentes y automatizaciones más adecuadas para diferentes casos de uso.

Esta expansión te permite elegir exactamente el modelo que mejor se adapte a las necesidades de interpretación de archivos, rendimiento y profundidad de respuesta deseadas para cada flujo conversacional.

Consulta los modelos disponibles en nuestra Guía para elegir modelos de IA.

Para expandir el campo de Instrucciones (Prompt) de tu agente en Blip Studio, sigue los pasos a continuación:

1. Abre el panel del Agente: En el flujo, haz clic en el cuadro del Agente que deseas editar para abrir el panel lateral derecho de configuración.

2. Accede al modo de expansión: En la parte superior del campo de Instrucciones, coloca el cursor sobre el bloque de texto o haz clic en el ícono de Expandir (dos flechas diagonales o botón de maximizar), ubicado en la esquina superior derecha del cuadro de texto.

3. Edita el prompt en pantalla completa: El campo se abrirá en una ventana centralizada más grande (modal), lo que te permitirá visualizar y editar todo el texto del prompt fácilmente.

Verificación de los modelos de IA disponibles

Para verificar y comparar todos los modelos de Inteligencia Artificial (LLM) disponibles en Blip Studio, sigue estos pasos:

1. Abre la configuración del Agente: En el panel de tu flujo, haz clic en el agente deseado y después en el botón Configurar agente (o en el ícono de engrane).

2. Accede a la selección de modelos: En la pestaña Modelo, localiza el campo Seleccionar modelo, donde aparece el modelo actual.

3. Abre la pantalla de comparación: Haz clic en el botón Comparar modelos, ubicado justo debajo de los parámetros, en la parte inferior de la columna de configuración.

4. Explora las opciones disponibles: Se abrirá una ventana modal (Comparar y elegir modelo del LLM) que mostrará la lista completa de modelos organizados por categorías (OpenAI, Gemini, Open Source, Relación costo-beneficio, etc.).

Cómo configurar el modelo de IA y los parámetros de razonamiento

Para acceder a estas configuraciones, sigue los pasos a continuación:

Haz clic en el cuadro con el nombre del Agente.
Accede a la pestaña “Instrucciones”.
Haz clic en el botón "Configurar Agente".
Después, selecciona la pestaña "Modelo", donde encontrarás los parámetros de razonamiento.

1. Seleccionar el modelo de IA

El primer paso es elegir la tecnología que alimentará tu agente, que puede ser un modelo de OpenAI o de Google Gemini.

La interfaz de Studio se ajustará automáticamente para mostrar u ocultar parámetros específicos según las restricciones de la tecnología seleccionada.
A diferencia de los modelos de chat lineales tradicionales (como GPT-4.1), los modelos de razonamiento tienen una estructura interna de procesamiento previo que funciona como una cadena de pensamiento antes de entregar el resultado final.

2. Configurar los parámetros del modelo

Los parámetros te permiten ajustar cómo piensa el agente, el tamaño de la respuesta y el tono de voz.

Esfuerzo de razonamiento

Este parámetro controla la profundidad del razonamiento interno (la etapa oculta de "cadena de pensamiento") del modelo antes de generar la respuesta final.

Cuanto mayor sea el esfuerzo de razonamiento configurado, mayor será el consumo de tokens y el tiempo de respuesta.
Los niveles más altos producen una mayor calidad en la respuesta.
Atención: Las opciones disponibles en pantalla cambian dinámicamente según el modelo elegido. Algunos ejemplos incluyen:
- Ninguno: Desactiva el razonamiento previo para obtener una respuesta directa; está disponible para modelos como gpt-5.4, gpt-5.6-luna y la familia Gemini Flash. El modelo o4-mini, por ejemplo, no acepta esta opción porque siempre razona por diseño.
- Mínimo: Razonamiento mínimo, presente en modelos como gpt-5, gpt-5.1 y las familias de Gemini.
- Bajo, Medio y Alto: Niveles proporcionales a la complejidad, compatibles con todas las familias de modelos de razonamiento.
- Muy alto y Máximo: Niveles de esfuerzo adicional exclusivos para modelos avanzados específicos de OpenAI, como gpt-5.6-luna. Estas opciones no están disponibles para Gemini.

Estilo de respuesta

Este parámetro define si la respuesta del agente debe ser más concisa y directa o más elaborada.

No controla el pensamiento interno, sino la densidad y la integridad de la respuesta final entregada al usuario.
Puedes elegir opciones como una respuesta breve y directa (Precisa), un nivel intermedio (Balanceado) y una respuesta completa y detallada (Creativo).
Regla importante: La opción “Personalizado” aplica exclusivamente a los modelos de razonamiento de Google Gemini, al igual que la "Temperatura personalizada".
- La temperatura es un valor numérico que controla la aleatoriedad o creatividad de la IA:
  - Las temperaturas bajas generan respuestas predecibles, directas y basadas en hechos.
  - Las temperaturas altas permiten una mayor creatividad, variación de
    palabras y originalidad.

Límite de tokens

Define el número máximo aproximado de tokens que se pueden usar en la respuesta del agente. Si la respuesta requiere más tokens que el valor definido, se interrumpirá a la mitad.

Atención a los modelos de razonamiento: Estos modelos consumen más tokens de forma natural debido a su procesamiento interno previo. Si el límite configurado es demasiado bajo, la IA puede consumir gran parte de la cuota de tokens solo "razonando", lo que hará que la respuesta final salga truncada (incompleta) o incluso vacía. Por eso, considera siempre configurar límites de tokens más altos al utilizar modelos de razonamiento.

Dónde acceder:
Configurar Agente → Modelo → Modelos de LLM disponibles

En esta misma pestaña, también es posible:

Definir la temperatura del modelo;
Definir la cantidad máxima de tokens;
Activar/desactivar el historial de mensajes (memoria a corto plazo).

En la pestaña Respuesta es posible:

Definir si la respuesta del agente se enviará al usuario en el canal de atención o se almacenará en una variable. Al almacenarla en una variable, permite que otros agentes la utilicen.

Definir el formato de respuesta del agente. Puedes elegir varios formatos (incluido un formato personalizado).

En la pestaña Interpretación es posible:

Definir los tipos de archivos que el agente podrá interpretar, además de configurar el tratamiento en caso de que el agente reciba un tipo no compatible.

Después de definir las configuraciones del agente, solo tienes que hacer clic en Guardar. Si no realizaste ningún cambio, solo tienes que hacer clic en Cancelar.

En la pestaña de Instrucciones, también puedes configurar instrucciones para el Agente. Para cada instrucción puedes seleccionar su nivel: Sistema, Usuario, Agente, Historial. Revisemos cada uno:

Nivel de sistema

El nivel de sistema define el comportamiento general, la personalidad y las restricciones del agente de IA. Es la instrucción más fundamental, ya que establece el contexto y las reglas sobre cómo debe responder el modelo, independientemente de la entrada específica del usuario.

Ejemplo de uso: "Eres un especialista en programación Python. Responde de forma clara y objetiva, proporcionando ejemplos de código siempre que sea posible."

Nivel de usuario

El nivel de usuario representa la entrada o consulta directa del usuario final. Contiene la pregunta o instrucción específica que el usuario desea que la IA resuelva en una interacción determinada.

Ejemplo de uso: "¿Cuál es la capital de Francia?"

Nivel de agente

El nivel de agente representa las respuestas generadas por el propio agente de IA. En una conversación de varios turnos, los mensajes anteriores de la IA pueden incluirse como contexto para las interacciones siguientes, manteniendo la coherencia del diálogo.

Ejemplo de uso: "La capital de Francia es París."

Nivel de historial

El nivel de historial permite utilizar historiales de mensajes de otros agentes. De esta forma, puedes integrar su contexto al agente actual.

Ejemplo de uso:

En la práctica:

Agrega una instrucción

Selecciona el nivel de instrucción:

Ingresa la instrucción:

En la instrucción de Historial, verás el ícono Administrar historial. Permite configurar cómo se debe insertar el historial de mensajes de otros agentes. Puedes configurar la cantidad de mensajes y su orden.

En las instrucciones de Sistema y Agente, verás un ícono de escudo. Ofrece sugerencias de instrucciones de guardrail que puedes agregar a tu agente. Solo tienes que copiarlas e insertarlas en la instrucción.

Para el ejemplo, crearemos una nueva instrucción de sistema y agregaremos un guardrail para la base de conocimientos.

En cada instrucción puedes realizar acciones para eliminarla y duplicarla mediante los botones:

Puedes mover la instrucción haciendo clic y arrastrándola desde el botón lateral (seis puntos) que aparece al pasar el cursor sobre él. Así, puedes organizar el orden de las instrucciones, lo cual es fundamental para el comportamiento del agente.

Si la opción de historial de contexto está activada en la configuración del modelo, también aparecerá en la pantalla de instrucciones y podrás ordenarla junto con las demás.

Cómo configurar la Base de conocimientos

Ahora pasemos a la pestaña de Herramientas. Esto es lo que veremos la primera vez que la abramos:

Para que el agente acceda a la información, necesita catálogos. Estos catálogos centralizan el conocimiento a partir de archivos y URL, organizando todo sobre un mismo tema. Para obtener más información sobre los catálogos, consulta el tutorial sobre Base de conocimientos.

Como tu agente acaba de crearse, todavía no tiene ningún catálogo vinculado. Para agregar uno, solo tienes que hacer clic en el botón "Herramientas" "+ Agregar herramientas" + “Base de conocimientos”

Al hacer clic en Base de conocimientos, se abrirá la ventana Agregar catálogos. Para crear un catálogo nuevo, haz clic en "Crear catálogo". Se te redirigirá a la pantalla de administración de la Base de conocimientos, donde podrás crear o eliminar catálogos.

Siguiendo nuestro ejemplo de FAQ sobre AI Agents, crearemos un catálogo usando un archivo XLSX con preguntas y respuestas, y una URL, que contiene información sobre los tipos de archivos aceptados en la base de conocimientos de un AI Agent.

Después de crearlo, el catálogo aparecerá en la pantalla Agregar catálogos de Studio y estará disponible para vincularlo a tu agente. Para obtener más información sobre la creación de catálogos, consulta el tutorial de Base de conocimientos.

Para vincular un catálogo al agente, selecciona la casilla correspondiente. Después de seleccionarlo, el catálogo estará disponible para consulta.

Además, puedes administrar tus archivos y URL en la base de conocimientos. Solo tienes que seleccionar los elementos deseados (como archivos XLSX o enlaces) para definir qué información debe utilizar el agente.

Cómo ejecutar el Contacto Inteligente

Ahora es un buen momento para probar el Contacto Inteligente (CI) con el Agente. Para hacerlo, conecta el bloque Inicio al bloque Faq AI Agent y publica el flujo del CI. En el chat de prueba del flujo podrás interactuar con el agente.

Cómo configurar la pestaña Condiciones de salida

Para configurar la pestaña Condiciones de salida, crearemos un nuevo flujo. La idea es construir un Contacto Inteligente de Blip con tres agentes:

Agente de Planes: Especializado en los planes que ofrece Blip.
Agente de Productos: Especializado en los productos disponibles.
Agente Orquestador: Responsable de entender la intención del usuario y dirigirlo al agente especialista correcto.

En este escenario, también agregaremos bloques determinísticos para mostrar que es posible combinarlos con los bloques de AI Agents.

Para comenzar, agregaremos los bloques determinísticos que darán la bienvenida y recopilarán el nombre del usuario. Para ello, vamos a copiar bloques listos de la Biblioteca de bloques y adaptarlos a nuestro ejemplo.

El flujo inicial quedó así:

Ahora puedes crear el agente orquestador y definir sus instrucciones.

En este ejemplo, tendrá tres instrucciones de sistema:

La primera define su función como orquestador.
La segunda le indica que llame al usuario por su nombre, usando una variable para personalizar la interacción.
La tercera es un guardrail para garantizar que el orquestador no envíe mensajes innecesarios al usuario.

Las bases de conocimientos para los agentes especialistas serán las URL de productos y de planes de Blip.

Las instrucciones para cada agente serán las siguientes:

Definición de función: Describe el área de especialización del agente.
Guardrails de competencia: Evita que el agente mencione a competidores o servicios similares.
Guardrails de tono de voz: Garantiza que las respuestas estén en español y mantengan un tono amigable.
Guardrails de Grounding: Garantiza que toda la información proporcionada se base exclusivamente en la base de conocimientos.
Nombre del usuario: Garantiza que el agente llame al usuario por su nombre.

Ahora solo tienes que crear los agentes y configurarlos con estas instrucciones y la base de conocimientos, como vimos en los pasos anteriores.

Agente especialista en planes de Blip:

Agente especialista en productos de Blip:

Ahora puedes configurar las condiciones de salida. Estas indican al agente cuál será el siguiente bloque al que se dirigirá el usuario, garantizando la continuidad correcta del flujo.

Comenzaremos por el Orquestador. En la pestaña Condiciones de salida, haz clic en el botón + Agregar direccionamiento.

En Definiciones, ingresa el nombre, la descripción y el bloque de destino, y guarda la instrucción. Crea una condición de salida para cada agente especialista.

También puedes definir una condición de salida para casos de excepción.

Ahora, para cada agente especialista, crearemos una condición de salida para regresar al agente orquestador. De esta forma, el usuario podrá regresar y cambiar de contexto.

Y así quedó el flujo:

¡Ahora solo tienes que probarlo!

Cómo configurar la pestaña Herramientas

La pestaña Herramientas te permite configurar las instrucciones para que el agente interactúe con recursos externos. Para ver un ejemplo práctico, regresemos al agente Orquestador.

Al hacer clic en Agregar herramienta, se mostrará una lista de opciones. Para cada una, además de definir un nombre, es necesario proporcionar una descripción —que orientará al agente sobre cuándo activar la acción— y configurar los datos específicos para su ejecución.

Usaremos como ejemplo la herramienta Definir contacto, que sirve para almacenar los datos del usuario. Como ya capturamos el nombre, lo aprovecharemos para completar los datos de contacto. Para hacerlo, solo tienes que cambiar el nombre, ingresar la descripción y asignar la variable {{nome}} al campo correspondiente.

Puedes agregar condiciones para que se cree el contacto. Por ejemplo, puedes incluir una validación para el nombre del usuario.

Para probar el funcionamiento, ajustaremos la instrucción que usamos para pasar el nombre del usuario. En lugar de usar la variable {{nome}}, cambiaremos la instrucción para obtener el nombre directamente de {{contact.name}} y validar que el agente aún pueda llamar al usuario por su nombre:

¿Cómo poner tu contacto inteligente en producción?

Para poner en producción (publicar) el flujo de tu contacto inteligente en Blip Studio, solo tienes que hacer clic en el botón azul "Publicar flujo", ubicado en la esquina superior derecha de la pantalla.

Paso a paso para publicar:

Haz clic en el botón "Publicar flujo", ubicado en la esquina superior derecha.
Si el sistema muestra una pantalla de confirmación de cambios o avisos, lee los detalles y confirma la acción.
La interfaz mostrará que la publicación se completó correctamente.

Cómo verificar que todo salió bien:

Después de publicar, realiza una prueba enviando un mensaje al canal conectado (por ejemplo, el WhatsApp de pruebas o el canal activo de tu bot) y verifica que la respuesta siga la estructura del nuevo flujo publicado.

Ejemplo de Orquestador completo

Descarga el ejemplo aquí.

Ejemplo de FAQ AI Agents