Gen AI Leader
Deep Dive
Un modelo de lenguaje por sí solo solo genera texto. Para que un agente pueda realmente hacer algo — consultar un sistema, ejecutar código, leer un archivo— necesita tooling: mecanismos concretos de interacción con el entorno externo. Este bloque cubre los tipos de tooling, el catálogo de servicios de Google Cloud disponibles como herramientas, y cuándo usar cada uno de los dos "Studios" de Google.
Contenido
Un agente combina un modelo con distintos tipos de herramientas para pasar de "responder una pregunta" a "completar una tarea" en el mundo real.
Extensions
Conectan el agente a una API externa de forma estandarizada, encapsulando cómo llamarla. Ejemplo: una extensión que conecta el agente con la API de un sistema de reservas de vuelos para consultar disponibilidad en tiempo real.
Functions
Mediante function calling, el modelo decide cuándo y con qué parámetros invocar una función definida por el desarrollador, pero es el propio sistema del desarrollador quien la ejecuta. Ejemplo: una función calcular_impuesto(monto, region) que el modelo invoca cuando detecta que la necesita.
Data stores
Dan al agente acceso a información propia mediante recuperación (típicamente RAG), en vez de depender solo del conocimiento con el que fue entrenado el modelo. Ejemplo: un data store con el manual de políticas de RRHH de la empresa, consultado por el agente al responder preguntas de empleados.
Plugins
Paquetes de funcionalidad reutilizable e instalable que amplían lo que el agente puede hacer sin reconstruir la integración desde cero. Ejemplo: un plugin que agrega capacidad de generar y enviar informes en PDF directamente desde la conversación con el agente.
Ojo con esto en el examen
La distinción más preguntada es extensions vs. functions: en una extension, el propio agente/plataforma ejecuta la llamada a la API externa; en function calling, el modelo solo genera la instrucción de qué función llamar y con qué argumentos — la ejecución real ocurre en el sistema del desarrollador, fuera del control directo del modelo.
Así se ve una llamada completa en acción: el ciclo de ida y vuelta que ocurre cada vez que el agente decide usar una función para resolver la pregunta de un usuario.
Google Cloud ofrece tanto infraestructura de cómputo general como APIs de IA preconstruidas y especializadas, que un agente puede usar como herramientas para interactuar con el entorno.
Cloud Storage
Almacena y recupera archivos (documentos, imágenes) que el agente lee o genera.
Cloud Functions
Ejecuta lógica personalizada ligera, invocada por el agente vía function calling.
Cloud Run
Ejecuta contenedores o servicios más complejos que el agente invoca como backend de una herramienta.
Speech-to-Text API
Convierte audio hablado en texto, para agentes que interactúan por voz.
Text-to-Speech API
Convierte texto en audio hablado, para respuestas por voz del agente.
Translation API
Traduce texto entre idiomas dentro del flujo del agente.
Document AI API
Extrae datos estructurados de documentos (facturas, contratos, formularios).
Cloud Vision API
Analiza imágenes: detección de objetos, OCR y etiquetado de contenido.
Cloud Video Intelligence API
Analiza contenido de video: detección de escenas, objetos y texto en video.
Natural Language API
Analiza texto para extraer entidades, sentimiento y sintaxis sin necesidad de un LLM completo.
La tabla siguiente incluye también los servicios sin icono dedicado (bases de datos, Agent Platform, Document Translation API, Google Cloud API Library) para tener el catálogo completo en un solo lugar.
| Servicio / API | Qué hace como herramienta de un agente |
|---|---|
| Cloud Storage | Almacena y recupera archivos (documentos, imágenes) que el agente lee o genera |
| Bases de datos (Cloud SQL, Firestore, BigQuery...) | Consultan y actualizan datos estructurados propios de la aplicación o negocio |
| Cloud Functions | Ejecuta lógica personalizada ligera y sin servidor, invocada por el agente vía function calling |
| Cloud Run | Ejecuta contenedores/servicios más complejos que el agente invoca como backend de una herramienta |
| Agent Platform | Orquesta el propio agente: modelos, data stores y herramientas en un mismo entorno de desarrollo |
| Speech-to-Text API | Convierte audio hablado en texto, para agentes que interactúan por voz |
| Text-to-Speech API | Convierte texto en audio hablado, para respuestas por voz del agente |
| Translation API | Traduce texto entre idiomas dentro del flujo del agente |
| Document Translation API | Traduce documentos completos preservando formato, no solo texto plano |
| Document AI API | Extrae datos estructurados de documentos (facturas, contratos, formularios) |
| Cloud Vision API | Analiza imágenes: detección de objetos, OCR, etiquetado de contenido |
| Cloud Video Intelligence API | Analiza contenido de video: detección de escenas, objetos y texto en video |
| Natural Language API | Analiza texto para extraer entidades, sentimiento y sintaxis sin necesidad de un LLM completo |
| Google Cloud API Library | Catálogo completo de APIs de Google Cloud disponibles para descubrir y habilitar como herramientas adicionales |
Cómo memorizar esta tabla para el examen
Agrupa mentalmente: cómputo/almacenamiento genérico (Cloud Storage, bases de datos, Cloud Functions, Cloud Run) vs. APIs de IA especializadas por modalidad (voz: Speech-to-Text/Text-to-Speech; texto: Translation, Natural Language; documentos: Document AI, Document Translation; visión: Cloud Vision, Video Intelligence).
Ambas herramientas permiten experimentar con IA generativa de Google, pero tienen propósitos y públicos distintos: Agent Studio está orientado a construir agentes, mientras que Google AI Studio / Vertex AI Studio está orientado a experimentar directamente con modelos y prompts.
Agent Studio
Entorno low-code/no-code para diseñar, configurar y desplegar agentes completos: definir instrucciones, conectar data stores, agregar herramientas (extensions, functions) y orquestar el comportamiento de varios pasos del agente.
Google AI Studio
Entorno de experimentación rápida con modelos Gemini directamente: probar prompts, ajustar parámetros de inferencia, comparar versiones de modelo y obtener código de ejemplo — sin necesariamente construir un agente completo.
Regla práctica para decidir
Si la pregunta es "¿este modelo hace lo que necesito con este prompt?" — usa Google AI Studio. Si la pregunta es "necesito ensamblar un sistema con herramientas, datos propios y lógica de varios pasos" — usa Agent Studio. AI Studio es el punto de partida para explorar el modelo; Agent Studio es donde se construye el agente final.
¿Entendiste este tema?
Pon a prueba lo que acabas de aprender
Un desarrollador de Google Cloud está construyendo un agente de soporte que necesita: (1) invocar una función interna para consultar el estado de un pedido, y (2) transcribir mensajes de voz de clientes antes de procesarlos. ¿Qué combinación de tooling y API corresponde a cada necesidad?
Pon a prueba lo que aprendiste con preguntas originales del examen Gen AI Leader.
Iniciar simulacro Gen AI LeaderSin límite de simulacros con plan Pro
Inicia sesión para llevar tu progreso.