Pedirle a un agente una respuesta en una conversación es sencillo. Lograr que ejecute la misma tarea de forma consistente, todas las semanas y dentro de los sistemas de la empresa, es otro problema.
La diferencia no está en el modelo, sino en el entorno que lo rodea.
Make identifica cuatro síntomas habituales cuando ese entorno falta:
Todos estos problemas tienen una causa común: no existe una capa que traduzca las decisiones del agente en acciones confiables y controladas. Esa es la pieza que Make propone construir. Aquí no vamos a ver qué es un agente ni en qué áreas conviene usarlo, sino qué necesita para pasar de decidir a ejecutar.
<<<¿Agents o escenarios con IA?: Criterios para automatizar con make>>>
La capa de ejecución es la parte de la arquitectura donde las decisiones de un agente se convierten en acciones sobre los sistemas del negocio, y donde esas acciones se mantienen predecibles y bajo control.
Dicho de forma simple, un agente necesita cuatro cosas para trabajar dentro de una empresa:
Make organiza esas cuatro necesidades en cuatro piezas: Functions, Endpoints, Knowledge y MCP toolboxes.
<<<Make Waves ‘26: novedades sobre IA empresarial, gobernanza y seguridad>>>
Las Functions son fragmentos de código guardados que cumplen una sola tarea. El agente decide cuándo usarlas, pero la tarea se realiza siempre de la misma forma. Make ejecuta ese código con las conexiones existentes, lo muestra en el canvas para que el equipo pueda revisarlo y protege las claves de acceso.
Estado: coming soon.
Los Endpoints definen a qué sistemas puede llegar un agente: CRM, mensajería, registros o tickets. Sin ellos, un agente puede hablar sobre el trabajo, pero no hacerlo.
Lo importante es cómo se otorga ese acceso. En lugar de credenciales que se comparten caso por caso, los Endpoints usan las mismas conexiones que el equipo ya administra en Make para sus automatizaciones. Además, permiten habilitar acciones puntuales de una API en vez de la aplicación completa; por ejemplo, que un agente solo pueda leer correos, pero no enviarlos.
Estado: coming soon.
Knowledge (Agentic Knowledge) es un espacio compartido, organizado en carpetas y documentos, donde la empresa guarda políticas, detalles de productos y guías. Los agentes lo consultan y las personas editan el mismo material. Un cambio hecho una vez se aplica a todos los agentes que lo usan.
Estado: disponible.
Las MCP toolboxes definen exactamente qué puede usar cada agente: conexiones, escenarios, funciones y conocimiento, y nada fuera de eso. MCP (Model Context Protocol) es el estándar con el que los agentes se conectan a herramientas, por lo que las toolboxes funcionan con Claude, ChatGPT y cualquier agente compatible. Además, cada llamada queda registrada a nombre de la persona que la realizó.
Estado: Make ya ofrece MCP toolboxes para publicar escenarios como herramientas. La versión ampliada, que suma conexiones, funciones y conocimiento, figura como próxima en el anuncio.
Imagina una empresa de software B2B. Un cliente actual escribe para sumar 15 licencias a mitad de su contrato anual. Veamos qué necesitaría un agente para gestionarlo.
El contrato vive en el CRM; la política y el procedimiento, en Knowledge. Si finanzas cambia la regla de prorrateo, la actualiza una sola vez y todos los agentes que la consultan trabajan con la versión nueva.
Una MCP toolbox reúne solo esas herramientas. Lo que no está en ella, el agente no lo puede usar:
El resultado es un agente que ejecuta el trabajo de punta a punta sin tener la llave de todo: lee, calcula, documenta y entrega, mientras la emisión de la factura sigue en manos de una persona.
<<<Librería de agents de Make: la forma más rápida de implementarlos>>>
Cuando cada agente usa sus propias credenciales, el acceso se vuelve difícil de auditar y de revocar. Al trabajar sobre las conexiones que el equipo ya administra, el acceso es amplio donde ayuda y responsable donde importa. Si alguien deja la empresa o cambia un permiso, el ajuste se hace en un solo lugar.
Make complementa esto con funciones de gobierno: los roles personalizados y los espacios privados ya están disponibles, y los agentes heredan los permisos de su responsable. Las conexiones bloqueadas y las políticas de organización, que definirán qué aplicaciones, endpoints y modelos de IA se permiten, figuran como próximas.
Un agente es tan confiable como la información que consulta. Con una sola fuente de conocimiento, todos los agentes responden con la misma versión de la verdad, y el equipo puede revisar en qué se apoya cada uno.
Cuando un agente actúa, alguien debe poder responder qué hizo, cuándo y en nombre de quién. Make ya ofrece registros de auditoría para agentes y MCP: un historial inmutable de los cambios realizados por personas, agentes o clientes MCP. Sumado al registro de cada llamada en las toolboxes, permite reconstruir cualquier acción y asignar responsabilidades.
Antes de habilitar un agente con acceso a sistemas reales, conviene dejar por escrito estas definiciones. Cada una se traduce en una decisión de configuración dentro de la capa de ejecución:
Empezar con un perímetro acotado y ampliarlo con evidencia es más seguro que recortar permisos después de un error.
La capa de ejecución cambia la pregunta central sobre los agentes de IA en Make: ya no es cuán inteligente es el modelo, sino qué recursos tiene disponibles y bajo qué reglas los usa. Functions aporta consistencia, Endpoints da acceso controlado a los sistemas, Knowledge garantiza un contexto común y las MCP toolboxes fijan el perímetro.
Hoy, Knowledge, los registros de auditoría y los controles de roles y espacios privados ya pueden usarse. Functions, Endpoints y la versión ampliada de las MCP toolboxes siguen anunciados como próximos. Ordenar hoy el conocimiento y los permisos acelera la adopción cuando lleguen.