Gemini Autonomous Software Engineer Agent

Problema

Un modelo de lenguaje por sí solo no puede depurar un proyecto real: necesita leer archivos, ejecutar código, observar el resultado y volver a intentarlo. El objetivo fue construir la capa de orquestación de un agente de programación que pudiera resolver tareas como «arregla el bug de la calculadora: 3 + 7 * 2 no debería ser 20» con intervención humana mínima.

Arquitectura y stack

• Modelo: Google Gemini 2.0 Flash a través del Google GenAI SDK.
• Bucle agéntico: Observe → Analyze → Select Tool → Execute → Evaluate, repetido hasta completar la tarea.
• Herramientas expuestas vía function calling: navegación de directorios, lectura de archivos, escritura de cambios puntuales y ejecución de scripts Python.
• Contexto: historial de conversación y salidas de herramientas durante la sesión para razonar en varios pasos.
• Entorno: Python 3.11+ y uv como gestor de paquetes.

Decisiones técnicas

• Sandbox por diseño. Todas las operaciones de archivos quedan restringidas a un directorio de trabajo designado, lo que reduce el riesgo de cambios no deseados fuera del proyecto objetivo.
• Validación por ejecución. El agente ejecuta los scripts tras cada cambio y usa esa salida como señal para el siguiente paso, en lugar de confiar solo en el razonamiento del modelo.
• Herramientas explícitas. Cada capacidad es una función declarada, lo que hace el comportamiento del agente auditable y fácil de extender.

Impacto

Implementación práctica de los patrones que hoy sostienen a los agentes de programación: razonamiento iterativo, selección de herramientas y gestión de contexto, con límites operativos claros. Sirve como base para experimentar con flujos autónomos de forma segura.