Capa de configuración: el arnés de usuario
El arnés de usuario es la capa que permite personalizar el comportamiento del agente sin tocar el código interno de la herramienta: prompts de sistema, archivos de contexto y habilidades declarativas.
1. La capa de configuración
Esta capa permite a desarrolladores y usuarios "programar" las reglas de comportamiento, el contexto del proyecto y las habilidades específicas del agente sin modificar una sola línea del código interno de la herramienta. Es la frontera entre el arnés genérico y el uso concreto que se le quiere dar en un proyecto real.
Prompts de sistema (system prompts)
Son el fundamento del comportamiento del agente y llegan a definir hasta el 60% de la calidad base de sus respuestas. Establecen la personalidad, las directivas, los formatos de salida y las restricciones persistentes que el modelo debe respetar a lo largo de toda la conversación.
Como los LLM son funciones puras sin estado, el prompt de sistema se reenvía completo en cada turno. Para evitar que consuma demasiados tokens se diseña de forma concisa y se estructura con delimitadores o etiquetas XML que lo blindan contra ataques de inyección de prompts.
Actualmente, la mayoría de los agentes ofrecen, de una u otra manera, mecanismos para configurar o modificar el system prompt, las instrucciones de sistema o las reglas de comportamiento que guían al modelo de IA.
- OpenCode: Es el más explícito en la creación directa de prompts de sistema personalizados. Su comando
opencode agent createte guía interactivamente para generar un nuevo agente con un system prompt personalizado (custom system prompt) y configuraciones de permisos estructuradas en su cabecera. También analiza el proyecto para generar un archivoAGENTS.md. - Pi: Permite inyectar directivas de sistema y de proyecto cargando automáticamente archivos de contexto al iniciar la sesión. Puedes configurar estas reglas de forma global en
~/.pi/agent/AGENTS.mdo de manera específica en el directorio de trabajo mediante archivosAGENTS.mdoCLAUDE.md. - Claude Code: Utiliza un archivo especial en la raíz de tu proyecto llamado
CLAUDE.md. Al inicio de cada sesión, el arnés de Claude lee este archivo markdown para asimilar de forma persistente tus estándares de desarrollo, decisiones de arquitectura y listas de control. - Codex (OpenAI): Permite estructurar la personalidad y comportamiento del agente a través de la configuración de reglas (
Rules) y del archivoAGENTS.md. - Kilo Code: Admite la creación y el uso de
Custom Rules(reglas personalizadas) para adaptar el comportamiento de su asistente inteligente a los requisitos y preferencias de tu entorno. - Fx: Te permite definir el contexto operativo de tu área de trabajo por medio de su sección de
Project instructions(instrucciones de proyecto) en su archivo de configuración.
Archivos de contexto (AGENTS.md o CLAUDE.md)
Es un documento que se coloca en el directorio raíz del proyecto (aunque también pueden ser usados en sub-directorios) para definir las instrucciones de trabajo y directrices.
Al iniciar la sesión, el agente lo carga automáticamente en la ventana de contexto.
Su propósito principal es ayudar a las herramientas de programación (Codex, Claude, OpenCode, etc.) a comprender la estructura del proyecto y los patrones de código que se utilizan en él. Actúa como una capa de configuración persistente que evita tener que inyectar estas reglas manualmente en cada interacción.
Gracias a estos archivos el agente asimila de inmediato las reglas de arquitectura, las convenciones de estilo y las guías de desarrollo del proyecto, sin necesidad de recordárselas en cada prompt manual.
Habilidades (SKILLS o SKILL.md)
Son especificaciones formales sirven para empaquetar, documentar y enseñar comportamientos, reglas y capacidades específicas del proyecto, el negocio o el contexto al agente de IA (por ejemplo, comandos personalizados como /review-pr para revisar código o /deploy-staging para desplegar aplicaciones).
El arnés lee e inyecta dinámicamente en la memoria de trabajo del modelo las herramientas correspondientes; además, pueden ser cargadas a pedido explícito del usuario.
Mediante este sistema de habilidades (skills), los desarrolladores pueden extender de forma segura las capacidades del agente y compartir estas capacidades de forma consistente con todo el equipo.
🧪 Capas del agente: modelo → harness → arnés de usuario → extensiones
2. Otras formas de extensión en agentes modernos
Los agentes de última generación ya no dependen únicamente de prompts estáticos. Utilizan arquitecturas modulares que permiten ampliar lo que el "cerebro" puede tocar y hacer.
Model Context Protocol (MCP)
Es un estándar abierto basado en una arquitectura cliente-servidor. El cliente (el agente) puede conectarse dinámicamente a servidores de herramientas locales o remotos para acceder a recursos complejos del entorno —como bases de datos, APIs de negocio o controladores de red— de forma segura y estandarizada. Reduce enormemente la fricción de integración con sistemas externos.
Sistemas de extensiones y marketplaces
Algunos agentes implementan una arquitectura modular de extensiones similar a la de VS Code u Obsidian. Permiten instalar complementos para conectar herramientas o para integrar APIs remotas de proveedores externos.
Gestores de paquetes de contexto (ej. Lola)
Es una evolución de la ingeniería de contexto que trata a los prompts de sistema y a las herramientas personalizadas como paquetes con control de versiones. Esto facilita compartir, heredar y reutilizar configuraciones complejas de arneses entre múltiples proyectos de desarrollo de forma limpia y reproducible.
Resumen
- El arnés de usuario se construye sobre tres pilares: prompts de sistema, archivos de contexto y habilidades declarativas.
- Los prompts de sistema condicionan de forma persistente el comportamiento del agente y deben ser concisos y aislados con delimitadores.
- Los archivos como
AGENTS.mdoCLAUDE.mdcargan automáticamente las reglas del proyecto en cada sesión. - Las skills convierten conocimiento sobre el proyecto en herramientas inyectables en la memoria de trabajo del modelo.
- Mecanismos modernos como MCP, marketplaces de extensiones, gestores de paquetes de contexto y configuración en frontmatter amplían la capacidad del agente sin acoplarse a un proveedor concreto.