Cómo los desarrolladores pueden crear sitios web.
Una guía técnica para desarrolladores que crean sitios web listos para agentes. Cubre datos estructurados, diseño de API, pruebas de espacio aislado.
Updated March 22, 2026
La mayoría de los sitios web están diseñados para humanos. Una persona lee un título, escanea un párrafo, hace clic en un botón, completa un formulario. Ese modelo funcionó durante dos décadas. No funciona para agentes de IA autónomos.
Un agente no escanea. Se extrae. No hace clic en los botones. Llama a puntos finales. No tolera la ambigüedad. Necesita insumos deterministas, resultados predecibles y restricciones explícitas. Si su sitio no puede proporcionar eso, el agente continúa.
Esta guía cubre el trabajo técnico necesario para que un sitio web sea operable en la capa de ejecución, la parte de Agent Engine Optimization que va más allá de la legibilidad del contenido.
Los datos estructurados son el mínimo, no el objetivo#
Cuando un humano ve “$50” en la página de un producto, el contexto llena el vacío. Un agente necesita etiquetas explícitas: el precio es 50, la moneda es USD, la disponibilidad es InStock, la oferta es válida hasta una fecha específica.
El marcado de Schema.org (JSON-LD) se encarga de lo básico. Producto, Oferta, Página de Preguntas Frecuentes, Servicio, Organización. Pero los datos estructurados por sí solos sólo sirven a la capa de lectura. Ayuda a los agentes a comprender lo que dice una página. No les ayuda a actuar.
La capa de ejecución requiere algo más: rutas de acción documentadas que una máquina puede seguir sin interpretar HTML.
Diseño de API para interacción con agentes#
El cambio técnico central es exponer las acciones como puntos finales documentados, no como flujos de interfaz de usuario dependientes del navegador.
Para cada acción de alto valor en su sitio (reserva, compra, cotización, verificación de disponibilidad), defina:
- la URL del punto final
- parámetros de entrada requeridos con tipos y restricciones
- parámetros opcionales
- formato de respuesta esperado
- códigos de error y su significado
- límites de tarifas
- requisitos de autenticación
Si su pago solo funciona a través de un formulario de varios pasos renderizado en JavaScript, un agente no puede usarlo. Si su precio requiere navegar por tres menús desplegables y un modal, un agente no puede extraerlo.
La guía de implementación AEO cubre el marco estratégico más amplio. Esta sección se centra en el lado de la ingeniería.
Especificaciones de OpenAPI y compatibilidad con MCP#
Documente sus API utilizando OpenAPI (anteriormente Swagger). Esto brinda a los agentes y sistemas de orquestación un contrato legible por máquina sobre cómo interactuar con sus servicios.
Para una integración más profunda con los sistemas de IA, considere construir un servidor MCP (Protocolo de contexto modelo). MCP permite a los agentes de IA descubrir y utilizar sus herramientas directamente. Un manifiesto de herramienta MCP describe lo que puede hacer su servicio, qué entradas necesita y qué devuelve. Este es el camino más directo hacia la interoperabilidad de agentes en la actualidad.La descripción general del protocolo compara MCP con UCP, A2A y ACP.
Entornos Sandbox para pruebas de agentes#
Los agentes cometerán errores durante el desarrollo. Enviarán solicitudes con formato incorrecto, desencadenarán casos extremos e intentarán acciones en secuencias inesperadas.
Cree un entorno sandbox que refleje su sistema de producción pero que funcione con datos de prueba. Este entorno debería:
- aceptar las mismas llamadas API que producción
- devolver datos realistas pero falsos
- registrar cada interacción para depurar
- simular condiciones de error bajo demanda
- nunca toque datos reales de clientes o sistemas de pago
Sin un sandbox, no se pueden probar los flujos de trabajo de los agentes de forma segura. Y sin realizar pruebas, no puede saber si su sitio realmente funciona en la capa de ejecución.
Autenticación y autorización para agentes#
Cuando un agente actúa en nombre de un usuario, su sistema debe verificar dos cosas: que el agente esté autorizado para actuar y que el usuario haya otorgado permiso para la acción específica.
OAuth 2.0 con tokens de acceso con alcance maneja esto bien. El agente recibe un token con permisos específicos (leer datos del producto, iniciar compra, verificar el estado del pedido) y presenta ese token con cada solicitud. Su sistema valida el token, verifica el alcance y ejecuta o rechaza la acción.
Nunca permita que los agentes operen con credenciales de usuario completas. Los tokens con alcance limitan el radio de explosión de errores o agentes comprometidos.
Rendimiento del servidor para flujos de trabajo de agentes#
Los agentes procesan más rápido que los humanos y tienen menos paciencia. Un humano podría esperar 3 segundos para que se cargue una página. Un agente que opera en un flujo de trabajo de varios pasos expirará o reducirá la confianza después de unos cientos de milisegundos de retraso.
Optimizar para:
- tiempo de respuesta del servidor inferior a 200 ms para operaciones de lectura
- latencia estable y predecible (los agentes penalizan la variación)
- respuestas de error legibles por máquina (JSON con códigos de error, no páginas de error HTML)
- puntos finales idempotentes siempre que sea posible (reintentar una solicitud no debería crear duplicados)
- degradación elegante con códigos de estado claros
Si su API devuelve una bonita página 404 con enlaces de navegación, un agente obtiene basura. Devuelve un objeto JSON con un código de error, un mensaje y los siguientes pasos sugeridos.
Manejo automatizado de errores#
Cada respuesta de error debe ser procesable por una máquina. Defina un esquema de error coherente en todos los puntos finales:
- Código de estado HTTP (400, 401, 403, 404, 422, 429, 500)
- código de error legible por máquina (por ejemplo, “INVENTARIO_NO DISPONIBLE”)
- mensaje legible por humanos (para registro y depuración)
- comportamiento de reintento sugerido (reintentar después de X segundos, no reintentar, probar con un punto final alternativo)Esto permite a los agentes recuperarse de fallas de forma autónoma en lugar de abandonar el flujo de trabajo.
Si desea una evaluación estructurada de la preparación del agente de su sitio, la Auditoría de preparación AEO evalúa tanto la capa de lectura como la capa de ejecución.
Preguntas frecuentes#
¿Qué es la capa de ejecución en AEO? La capa de ejecución es la parte de su infraestructura digital que permite a los agentes de IA realizar acciones, no solo leer contenido. Incluye API, puntos finales documentados, mecanismos de autenticación y manejo de errores legible por máquina.
¿Necesito crear una API específica para agentes de IA? No necesariamente una API separada. Pero sus API existentes deben estar documentadas, ser estables y accesibles sin necesidad de interacción con el navegador. Las especificaciones de OpenAPI y los manifiestos de la herramienta MCP hacen que las API existentes sean compatibles con los agentes.
¿Qué es MCP y por qué es importante para los desarrolladores? MCP (Model Context Protocol) es un estándar de Anthropic que permite a los agentes de IA descubrir y utilizar herramientas externas. La creación de un servidor MCP para su servicio hace que los agentes de IA puedan utilizarlo directamente sin un trabajo de integración personalizado.
¿Qué tan rápido debe responder mi servidor a los flujos de trabajo de los agentes? Menos de 200 ms para operaciones de lectura. Los agentes que operan en flujos de trabajo de varios pasos penalizan las respuestas lentas o impredecibles reduciendo la confianza o agotando el tiempo.
¿Qué autenticación debo utilizar para los agentes de IA? OAuth 2.0 con tokens de acceso con alcance. Nunca exponga las credenciales de usuario completas a los agentes. Tokens de alcance para las acciones específicas que el agente está autorizado a realizar.