---
schema_version: "1"
id: c7c8b97f9a99a07dd09fb193dafeff3bc662b1b7c8960c95462d5421b3231c4b
title: Arquitectura de la compañía de agentes con MuleSoft
collection: architect
version: next
locale: es-mx
portal_url: https://docs.salesforce.com/architect/next/es-mx/fundamentals/guides/mulesoft-architecting-agentic-enterprise.md
canonical_url: https://staging.architect.salesforce.com/docs/architect/es-mx/fundamentals/guide/mulesoft-architecting-agentic-enterprise.html
source_site: staging.architect.salesforce.com
content_type: documentation
content_hash: 1e464332f10e12c15381e147ac45061a3525b5cd4c6063aa8953fbade54572b6
products:
- Fundamentos
- Architect Site Content Repo
updated_at: 2025-10-01T00:00:00Z
---
## De integración componible a una compañía de agentes gobernada
La transición a Agentic Enterprise representa el cambio arquitectónico más significativo desde el amanecer de la nube. Promete niveles de productividad y automatización sin precedentes, pero también presenta retos profundos relacionados con la gobernanza, la seguridad y la complejidad operativa. El uso de un enfoque fragmentario (despliegue de agentes en silos sin una estrategia unificadora) es un camino directo hacia la deuda técnica y el caos organizativo.
La implementación de agentes sin un plano de gestión central crea un riesgo operativo significativo, incluyendo vulnerabilidades de seguridad procedentes del acceso directo al sistema, la falta de observabilidad en interacciones y acciones de agentes y altos costos debido a integraciones redundantes de punto a punto. Esta estrategia de implementación en silos da como resultado un entorno frágil difícil de gestionar a escala. Un modelo sostenible requiere una plataforma unificada para la integración y la gobernanza de agentes.
_MuleSoft_ proporciona una plataforma integral, unificada y abierta para guiar con confianza a las empresas en su trayectoria. Aprovecha el panorama de API existente de la compañía como la base para acciones de agentes y acelera la creación de nuevos activos listos para agentes a través de un ciclo de vida de desarrollo de confianza con tecnología de IA. A través de la compatibilidad de nivel de compañía para estándares abiertos como los protocolos Model Context Protocol (MCP) y Agent2Agent (A2A), hace que estos activos tengan capacidad de acción para comandos sencillos y colaboración compleja de múltiples agentes, independientemente de cómo evolucione el panorama de la IA. [_MuleSoft Agent Fabric_](https://docs.mulesoft.com/agent-fabric/) proporciona una solución para descubrir, orquestar, gobernar y observar todo el ecosistema de agentes. A través de este enfoque integrado, _MuleSoft Agent Fabric_ proporciona una base probada para ampliar una red de agentes IA de confianza, que transforma la promesa de la IA en resultados de negocio tangibles y automatizados y realiza todo el potencial de la empresa inteligente.
## **La base componible para la IA con capacidad de acción**
El enfoque de tres capas establecido de conectividad dirigida por API - API de sistema, proceso y experiencia - proporciona un potente marco de trabajo para estructurar la capacidad de acción de los agentes.
- Las **API del sistema** ofrecen una interfaz coherente, segura y abstracta con los sistemas de registro subyacentes. Desvinculan los agentes de la complejidad de los protocolos backend y los modelos de datos, lo que garantiza que todas las acciones de agentes se realicen en extremos gobernados y fiables.
- Las **API de procesos** encapsulan lógica de negocio compleja de múltiples pasos. Los agentes no necesitan comprender la compleja orquestación detrás de la creación de pedidos de ventas, la comprobación de inventario o el inicio de envíos. Pueden utilizar las API de procesos (por ejemplo, "Procesar pedido") sin tener que gestionar las complejidades subyacentes. Las API de procesos proporcionan un mecanismo seguro, transaccional y auditable para que los agentes ejecuten procesos de negocio, lo que reduce drásticamente el razonamiento de los agentes requerido y garantiza que las reglas de negocio se apliquen de forma coherente.
- Las **API de Experience** se diseñaron tradicionalmente para servir aplicaciones de interfaz de usuario específicas (por ejemplo, Aplicación de gestión de pedidos); sin embargo, también se pueden reutilizar como acciones enriquecidas en contexto para agentes. Esto proporciona a los agentes información esencial para realizar una tarea concreta sin requerir múltiples llamadas a sistemas descendentes.
## **1\. Creación generativa: Acelerar el desarrollo de activos** listos para agentes
Para satisfacer la creciente demanda de herramientas y funciones listas para agentes, las compañías deben acelerar el desarrollo de las API e integraciones que forman la base componible. _MuleSoft_ aborda este reto integrando la IA generativa directamente en el ciclo de vida del desarrollo, lo que crea un círculo virtuoso que utiliza la IA para crear los activos de alta calidad que otros agentes consumen.
### **1.1 MuleSoft Vibes**
Para desarrolladores, [MuleSoft Vibes](https://www.mulesoft.com/platform/api/anypoint-code-builder/announcing-mulesoft-vibes) actúa como un socio inteligente automatizando los aspectos más repetitivos del desarrollo de integración y proporcionando una interfaz unificada y agente para todo el ciclo de vida del desarrollo de software. A través de MuleSoft Vibes en [Anypoint Code Builder](https://docs.mulesoft.com/anypoint-code-builder/), los desarrolladores interactúan con funciones generativas con tecnología de las [confianzas _Einstein AI Pipelines_](https://blogs.mulesoft.com/automation/how-mulesoft-turns-generative-output-into-value/), lo que hace que el proceso de desarrollo asistido por IA sea fluido y eficiente. Esta canalización, el _Servicio de ejecución_ de gráficos de conferencias (IGES), es un proceso de múltiples etapas que se utiliza para alcanzar resultados de alta calidad. Consta de fundamentación, validación, corrección de errores y evaluación rigurosa.
- La función [**Flujos generativos**](https://blogs.mulesoft.com/dev-guides/einstein-for-acb/) en _MuleSoft Vibes_ está construida sobre el marco de trabajo de _IA Agentforce_. Transforma la lógica de negocio del lenguaje natural (Solicitudes de usuario) en aplicaciones Mule funcionales. _IGES Pipeline_ consta de los siguientes pasos:
- **Resumen del historial de pláticas:** El LLM analiza la solicitud actual y los mensajes anteriores del usuario para crear una solicitud resumida que captura la intención del usuario y el historial de pláticas. Esta solicitud consolidada mejora la precisión de los pasos de generación y recuperación de datos posteriores.
- **Recuperación semántica de flujos desde una base de datos de vectores:** El sistema toma la solicitud resumida del paso anterior y realiza una búsqueda semántica en una base de datos vectorial que contiene más de 200 conectores, más de 7.000 operaciones de conector y más de 7.000 miniprogramas de código de muestra. Recupera los conectores, las operaciones y los ejemplos de código más relevantes para fundamentar el proceso de generación utilizando datos precisos y garantiza que los resultados están alineados con el ecosistema de conectores extenso de MuleSoft. Puesto que MuleSoft es el estándar de la industria para conectores y operaciones, esta fundamentación proporciona al modelo contexto enriquecido y precisión de dominio de la que carecen los LLM genéricos.
- **Aumento:** El contenido recuperado y los mensajes de historial de pláticas se combinan a continuación con la solicitud resumida. Esta solicitud aumentada guía el LLM para reducir las alucinaciones. También incluye instrucciones para evitar la generación de contenido tóxico.
- **Generación de flujos:** Este paso aprovecha el modelo _Einstein AI LLM_ para generar código XML sin procesar basado en el contexto y los ejemplos proporcionados. Este es el paso principal de las oportunidades en curso de generación.
- **Posprocesamiento y validación:** El postprocesador y el validador comprueban el código para garantizar la sintaxis correcta y el uso de operaciones de conector válidas mientras que una comprobación de toxicidad separada marca contenido dañino.
- **Corrección de errores de múltiples pasos:** Si todas las generaciones iniciales no son válidas, el mecanismo de corrección de errores automatizado analiza los mensajes de error para detectar patrones. A continuación, vuelve a enviar la solicitud al LLM junto con mensajes de error enriquecidos y metadatos correctivos.
- **Configurar generación de archivos:** Este paso extrae metadatos de conector relevantes, aumenta la solicitud y la envía al LLM para generar configuraciones de conector precisas. Por último, todos los espacios de nombres POM y XML se generan de forma determinista utilizando la versión más reciente de cada dependencia, lo que elimina alucinaciones y garantiza la coherencia.
- [**Generación de transformación**](https://blogs.mulesoft.com/dev-guides/dataweave-generative-transformation/)**:** DataWeave La transformación de datos es a menudo la parte que más tiempo consume del desarrollo de la integración. _MuleSoft Vibes_ aborda este proceso utilizando el enfoque de múltiples pasos que es similar a la generación _XML de Mule Flow_.
- **Razonamiento de intención:** El LLM analiza muestras de datos de entrada y salida de usuarios para inferir y articular lógica de transformación de alto nivel en lenguaje natural. Este paso separa el objetivo del usuario de los valores de datos literales que se proporcionaron en la solicitud.
- **Recuperación semántica de DataWeave:** Para encontrar la documentación de función DataWeave más relevante semánticamente y ejemplos de transformación completos, el sistema utiliza la solicitud generada desde el paso anterior como una consulta a la base de datos de vectores. Esto fundamenta el proceso de generación en información verificada de alta calidad.
- **Aumento:** Las funciones y los ejemplos recuperados se combinan con la solicitud de usuario original para crear un conjunto de instrucciones conscientes del contexto para la llamada LLM posterior, que influye en el comportamiento del LLM para reducir las alucinaciones.
- **Generación de DataWeave:** Este paso aprovecha el modelo LLM para generar una secuencia de comandos de transformación de DataWeave y una explicación adjunta que se basa en el contexto y los ejemplos proporcionados. Este es el paso principal de las oportunidades en curso de generación.
- **Posprocesamiento y validación** La secuencia de comandos generada se evalúa con dos mediciones específicas: validez y corrección. La secuencia de comandos debe compilarse sin errores de sintaxis (validez) y producir el resultado esperado cuando se ejecuta utilizando la entrada de muestra (corrección).
- **Corrección de errores de múltiples pasos:** Si la validación inicial falla, este complemento identifica las categorías de error y corrige los problemas en la secuencia de comandos generada. Este ajuste ayuda a mejorar el índice de éxito general y la precisión del sistema.
- **Posprocesamiento y validación** finales La secuencia de comandos corregida desde el módulo de corrección de errores se somete a un proceso de revalidación para garantizar que es sintácticamente válida y funcionalmente correcta. Esta puerta de calidad final garantiza que el resultado sea preciso y fiable antes de enviarlo de vuelta al usuario.
- [**Especificación de API**](https://docs.mulesoft.com/anypoint-code-builder/api-ai-create-spec) **y [Generación de documentación](https://docs.mulesoft.com/exchange/generating-documentation-with-ai):** Los desarrolladores pueden generar especificaciones de _OpenAPI (OAS)_ o _RAML_ completamente validadas describiendo la API deseada en lenguaje natural. _MuleSoft Vibes_ ingresa la solicitud (que incluye detalles sobre recursos, métodos, esquemas de seguridad y parámetros) y produce una definición de API válida y sintácticamente correcta. Tras la generación, puede crear documentación para la API en _Anypoint Exchange_, que cubre todo desde la autenticación hasta los detalles de extremos y la gestión de errores, liberando a los desarrolladores de este tipo de tareas tediosas.
- **Generación de MUnit asistida por IA:** La garantía de calidad es primordial para activos consumidos por agentes autónomos. _MuleSoft Vibes_ ayuda a generar casos de prueba MUnit directamente desde el Código de flujo de Mule. Esto ayuda a simular dependencias externas y afirmaciones, e identificar brechas de prueba comunes, lo que reduce drásticamente el esfuerzo manual requerido para alcanzar una alta cobertura de prueba y garantizar la fiabilidad de la lógica de integración.
### **1.2 MuleSoft a su manera**
Los desarrolladores prosperan en sus entornos preferidos. Es por eso que _MuleSoft_ se reúne con desarrolladores donde están, lo que les permite crear integraciones en su IDE de IA de su elección. [Servidor de protocolo de contexto de modelo (MCP)](https://www.npmjs.com/package/@mulesoft/mcp-server) de MuleSoft expone funciones de desarrollo, implementación y gestión como herramientas de MCP que cualquier IDE nativo de IA basado en VS Code (por ejemplo, Cursor, Windsurf o Trace) puede consumir para interactuar con la _Plataforma Anypoint_ utilizando lenguaje natural.
Al empaquetar su función de IDE principal en una [extensión VS Code estándar](https://marketplace.visualstudio.com/items?itemName=salesforce.mule-dx-extension-pack), _MuleSoft_ desvincula sus herramientas de un shell de IDE con marca, lo que permite que las herramientas de desarrollo tengan en cuenta el IDE. En vez de competir con la rápida evolución de los IDE, esta opción de arquitectura permite a las herramientas de desarrollo de MuleSoft permanecer compatibles y accesibles en el creciente ecosistema de IDE modernos con tecnología de IA.
## **2\. Activar capacidad de acción: Transformar las API en herramientas para agentes**
En una compañía agente, tener una base sólida de API componibles es necesario, pero insuficiente. El siguiente paso crítico es garantizar que estos activos son detectables, comprensibles e invocables por agentes de IA. Esto requiere una "capa con capacidad de acción" que esté construida sobre estándares abiertos diseñados específicamente para la comunicación de agentes. _MuleSoft_ proporciona herramientas de nivel de compañía para los dos protocolos emergentes dominantes:
- **MCP** para interacciones de agente a sistema
- **A2A** para interacciones de agente a agente
### **2.1 Protocolo de contexto de modelo (MCP)**
_MCP_ ha surgido rápidamente como el estándar de la industria para la comunicación de agente a herramienta, que es análogo a lo que se convirtió _REST_ para servicios web. _MCP_ permite a los agentes de IA descubrir dinámicamente las funciones de un sistema, comprender sus entradas y salidas e invocarlo para realizar una acción, todo ello sin requerir lógica preprogramada o codificada.
El [Conector MCP MuleSoft](https://docs.mulesoft.com/mcp-connector/latest/) permite que cualquier API implementada como una aplicación Mule se publique como un servidor MCP. Puesto que _MuleSoft_ proporciona cientos de conectores preintegrados a prácticamente todos los sistemas de negocio principales (por ejemplo, SaaS, heredados y bases de datos), esto transforma instantáneamente las API y aplicaciones de una organización en un conjunto de herramientas listas para agentes. Una API diseñada para comprobar el inventario en SAP, un flujo que procesa un nuevo prospecto en Salesforce o una aplicación personalizada conectada a través de _MuleSoft_ pueden ponerse a disposición de los agentes de IA como herramientas atómicas gobernadas utilizando el _Conector MCP_.
### **2.2 Protocolo de agente a agente (A2A)**
Aunque el _MCP_ destaca en interacciones jerárquicas de herramienta de invocación de agentes, los procesos de negocio complejos a menudo requieren colaboración entre múltiples agentes especializados. El protocolo de _agente a agente (A2A)_ es el estándar abierto emergente diseñado para facilitar la comunicación de punto a punto que permite flujos de trabajo sofisticados de múltiples agentes.
La compatibilidad de MuleSoft con A2A permite a las compañías diseñar y crear sistemas avanzados con el mismo nivel de gobernanza y fiabilidad que esperan para sus API. El [Conector A2A MuleSoft](https://docs.mulesoft.com/a2a-connector/latest/) permite a los desarrolladores exponer fácilmente cualquier agente como un servidor A2A, o invocar cualquier agente compatible con A2A desde una aplicación Mule. Por ejemplo, un proceso de solicitud de hipoteca puede orquestarse entre un "Agente de comprobación de crédito", un "Agente de firma de documentos" y un "Agente de cumplimiento normativo", con cada agente descubriendo e invocando las funciones de los demás (según sea necesario) para hacer avanzar la solicitud.
Al proporcionar herramientas sólidas de nivel de compañía para MCP y A2A, MuleSoft admite la creación de un ecosistema flexible que consta de interacciones directas de agente a sistema (a través de herramientas de MCP) e interacciones de agente a agente (A2A). Independientemente de cómo evolucione el panorama de la IA, este enfoque posiciona _MuleSoft_ como la base subyacente que conecta todas las formas de comunicación de agentes.
## **3\. Tela de agente de MuleSoft: El sistema nervioso central de la compañía** de agentes
A medida que las empresas adoptan la IA de agentes, inevitablemente se enfrentan al reto de la expansión de los agentes. Para evitar que esto se convierta en caos, se requiere una capa de orquestación dedicada. [MuleSoft Agent Fabric](https://docs.mulesoft.com/agent-fabric/) ([demostración](https://www.youtube.com/watch?v=GAqwPie16ic)) es una solución arquitectónica integral diseñada para abordar este reto de frente. Proporciona un plano de gestión central para descubrir, gobernar, orquestar y observar toda la red de agentes de IA, independientemente de dónde se construyen o cómo operan. Funcionando como el "controlador de tráfico aéreo" para la plantilla digital de la compañía, _MuleSoft Agent Fabric_ transforma una colección de agentes fragmentados en una red de inteligencia cohesionada, segura y de alto desempeño.
_MuleSoft Agent Fabric_ se basa en cuatro pilares integrados que cubren la gestión del ciclo de vida completo para agentes como activos de compañía de primera clase.
### **3.1 Registro de agentes (Descubrir)**
La base de cualquier ecosistema gestionado es la capacidad de descubrimiento. El _Registro de agentes_ sirve como el catálogo universal y centralizado para cada activo de agente en la compañía. Esto incluye agentes creados a medida, agentes incrustados en aplicaciones SaaS, servidores MCP que exponen sistemas heredados y extremos A2A para la colaboración entre agentes. Al proporcionar una única fuente de verdad, el _Registro de agentes_ resuelve el problema de descubrimiento crítico evitando que los equipos creen funciones redundantes y permitiendo a los desarrolladores humanos y otros agentes de IA encontrar y reutilizar dinámicamente activos existentes a escala.
El _Registro de agentes_ está construido sobre _Anypoint Exchange_ y agrega tres nuevos tipos de activos: Agentes, servidores MCP y LLM. Captura información acerca de estos activos, incluyendo herramientas de MCP, protocolos de transporte y tarjetas de agentes, así como las dependencias entre agentes y los servidores de MCP y las herramientas que consumen. Los desarrolladores pueden crear y gestionar activos directamente en el registro. También pueden descubrir y reutilizar programáticamente activos existentes en MuleSoft Vibes (a través de la herramienta search*asset del \_servidor MuleSoft MCP*) al crear nuevas orquestaciones. Esto equipa a los desarrolladores con toda la información que necesitan para comprender y consumir estos activos.
### **3.2 Corredor de agentes (Orquesta)**
Una vez que los activos son detectables, deben orquestarse para realizar un trabajo útil. _Agent Broker_ es un servicio de orquestación que ejecuta procesos de negocio de múltiples pasos. Utiliza un LLM configurable para interpretar tareas de alto nivel y generar flujos de trabajo correspondientes. El _intermediario de agentes_ descubre, secuencia e invoca dinámicamente los agentes y herramientas requeridos para completar estos procesos.
La conectividad se gestiona a través de la _MCP_ para herramientas y un protocolo _A2A_ para agentes. Esto permite al sistema organizar agentes en dominios específicos de negocio (por ejemplo, Cadena de suministro o Finanzas) y enrutar tareas entre todos ellos. Una solicitud de lenguaje natural única (por ejemplo, “Incorporar un empleado”) se descompone en una secuencia de acciones discretas que ejecutan diferentes agentes o herramientas entre múltiples sistemas backend. Orquestación de corredor de agentes incluye:
- **Patrón de orquestación dinámica:** Este es un patrón de bucle de agente que determina las subtareas y las orquesta entre los agentes y herramientas más adecuados para alcanzar el objetivo general. Aprovechando este patrón, se pueden crear [agentes de colaboración](/docs/architect/es-mx/fundamentals/guide/agentic-patterns#15-agentes-de-colaboración-enjambres-de-agentes) para resolver casos de uso complejos (por ejemplo, [gestionando una distribución](/docs/architect/es-mx/fundamentals/guide/agentic-patterns#35-caso-de-uso-de-agente-de-colaboración-distribución-de-servicios-compleja) de servicios compleja).
- **Razonamiento con tecnología LLM:** Utiliza un LLM para interpretar objetivos de lenguaje natural y generar planes de ejecución, lo que elimina la necesidad de lógica de flujo de trabajo rígida y codificada.
- **Modelo LLM configurable:** Permite a los desarrolladores especificar qué modelo LLM utilizar, lo que proporciona control sobre el costo, el desempeño y las funciones.
- **Desarrollo del lenguaje natural:** La lógica _de Agent Broker_ se puede definir utilizando lenguaje natural a través de _MuleSoft Vibes_.
- **Observabilidad:** _Anypoint Monitoring_ proporciona registro y rastreo tras la implementación para ayudar los usuarios a comprender y depurar el razonamiento y las interacciones de Agent Broker con herramientas _de MCP_ y Agentes _A2A_.
- **Implementación gestionada:** _Agent Broker_ es una aplicación en contenedores respaldada por _Mule Runtime_, que gestiona la disponibilidad y la capacidad de ampliación de la implementación.
### **3.3 Pasarela flexible para MCP y A2A (Gobierno)**
_Anypoint Flex Gateway_ es el mecanismo a través del cual se aplican ciertas políticas técnicamente. _MuleSoft Agent Fabric_ aprovecha la _Anypoint Flex Gateway_ para [asegurar, inspeccionar y gestionar cada interacción](https://docs.mulesoft.com/gateway/latest/flex-agent-secure) de agentes que se produce a través de protocolos _MCP_ y _A2A_. Esto permite a las organizaciones aplicar un amplio [conjunto de políticas](https://docs.mulesoft.com/gateway/latest/flex-agent-policies) de nivel de compañía a todo el tráfico de agentes para garantizar que cada acción es segura, compatible y auditable antes de su ejecución. Para ampliar la adopción de la IA de forma segura y responsable, estas barandillas son fundamentales.
| Nombre de póliza | Protocolo(s) | Descripción |
| :------------------------------------------------------------------------- | :----------- | :--------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------- |
| **Política de validación de JWT/Política de aplicación de Id. de cliente** | A2A, MCP | La **Política de validación JWT/Política de aplicación de Id. de cliente** protege agentes _A2A_ y servidores _MCP_ restringiendo el acceso a llamantes autenticados únicamente. |
| **Schema Validation** | A2A, MCP | La **validación de esquemas** garantiza que las solicitudes de agentes entrantes se ajustan a la especificación _A2A_ o _MCP_, lo que evita el tráfico defectuoso. |
| **Detector de PII A2A** | A2A | El **Detector de PII A2A** identifica _Información de identificación personal_ (PII) en solicitudes y respuestas, y activa el registro o el bloqueo para cumplir los requisitos de cumplimiento. |
| **Decorador de solicitudes A2A** | A2A | **A2A Prompt Decorator** inyecta contexto personalizado o instrucciones en solicitudes que se envían a agentes para guiar su comportamiento y aplicar barandillas. |
| **Control de acceso basado en atributos de MCP** | MCP | El **Control de acceso** basado en atributos de MCP regula el acceso a herramientas y recursos específicos expuestos por un servidor de _MCP_ basándose en atributos de usuario (por ejemplo, reclamaciones de Niveles, IP o JWT). |
| **Registro de ESS** | A2A, MCP | **El registro SSE** registra el contenido de transmisiones de _eventos enviados por_ servidor (SSE) que utilizan los protocolos de agentes para una auditoría y trazabilidad integrales. |
| **Limitación de frecuencia y Control de picos** | A2A, MCP | **Limitación de índices y Control** de picos protege a los agentes y sistemas backend de aumentos de tráfico y ataques de denegación de servicio aplicando límites de solicitudes. |
| **Tarjeta de agente A2A** | A2A | La **Tarjeta de agente** A2A reescribe la URL de la Tarjeta de agente para garantizar que todo el tráfico se proxise correctamente a través de la instancia de Flex Gateway gobernada. |
**Políticas de gobernanza de compañía para protocolos de agentes**
Además de regir las solicitudes entrantes, la _Puerta de enlace flexible Anypoint_ también gestiona todas las conexiones y solicitudes salientes desde un agente a servicios externos (por ejemplo, Servidores y herramientas _de MCP_ u otros agentes). Esto incluye:
- **Registro:** Proporciona un punto de observabilidad centralizado para monitorear y registrar todas las solicitudes de agentes salientes para la auditoría y la solución de problemas.
- **Seguridad:** Evita la fuga de datos confidenciales inspeccionando el tráfico saliente.
- **Autenticación:** Gestiona credenciales para sistemas externos aplicando mecanismos de autenticación salientes, incluyendo Claves de API, OAuth y ClientId/ClientSecret desde un único punto.
El [**Kit de desarrollo de políticas de _pasarela Anypoint Flex_ (PDK**)](https://docs.mulesoft.com/pdk/latest/policies-pdk-overview) permite a los usuarios crear políticas personalizadas cuando las políticas listas para su uso no cumplen requisitos específicos. Al utilizar el _PDK_, los desarrolladores pueden redactar lógica de políticas en el lenguaje de programación _Rust_ y compilarla en un módulo _WebAssembly (WASM)_. El módulo autónomo se carga a continuación en la _Puerta flexible Anypoint_ para aplicar reglas de seguridad exclusivas, transformaciones de datos personalizadas o lógica de integración especializada directamente en el borde de la API. Esto proporciona una forma potente y de alto desempeño de ampliar la funcionalidad de la pasarela para casos de uso exclusivos o complejos.
Estos son los cuatro componentes clave del _PDK_:
- **Complemento PDK de Anypoint CLI:** Este complemento crea el proyecto _PDK_ y carga la política compilada en _Exchange_. También genera un _Makefile_ que simplifica el proceso de desarrollo proporcionando un conjunto claro de comandos para crear y gestionar la política.
- **Plantilla de política:** Cuando se crea un nuevo proyecto, el _PDK_ genera un andamio o plantilla básica. Esta estructura incluye todos los archivos y la configuración necesarios para compilar correctamente la política, lo que proporciona a los desarrolladores un punto de partida para la lógica personalizada.
- **Herramientas de creación de SDK:** Estas herramientas abstraen la arquitectura compleja dirigida por eventos del proxy _Enviado_ subyacente. Al utilizar patrones de reactor y ejecutor, el _SDK_ proporciona un método de codificación lineal sencillo. Esto ayuda a reducir la complejidad, mejorar la depuración y reducir la curva de aprendizaje para desarrolladores.
- **Gestión de políticas:** El [Servidor MCP de MuleSoft](https://docs.mulesoft.com/mulesoft-mcp-server/reference-mcp-tools) proporciona herramientas de _MCP_ para ayudar los usuarios a gestionar el ciclo de vida de pólizas personalizadas. Ejemplos de estas herramientas incluyen:
- get_flex_gateway_policy_example
- manage_api_instance_policy
- manage_flex_gateway_policy_project
### **3.4 Visualizador de agentes (observar)**
El _Visualizador de agentes_ proporciona un mapa dinámico en tiempo real de toda la red de agentes, convirtiendo lo que podría ser una "caja negra" de interacciones de IA en un sistema completamente observable. Los arquitectos y equipos de operaciones pueden utilizar el _Visualizador de agentes_ para revisar cómo están conectados los agentes, realizar un seguimiento de sus flujos de decisiones, monitorear su estado y desempeño e identificar dependencias. Este nivel de visibilidad es crucial para optimizar el desempeño, solucionar fallos de forma eficiente, detectar cuellos de botella y fomentar la confianza en los agentes implementados.
## **4\. Unificación** de Salesforce Platform
### **4.1 Catálogo de API y Centro de temas**
El _Catálogo de API_ y el _Centro de temas_ de MuleSoft están diseñados para mejorar el modo en que se descubren, se utilizan y se gestionan las API, en particular junto con _Agentforce_.
Todas las API de _MuleSoft_ diseñadas y publicadas pueden hacerse detectables y consumibles a través del [Catálogo de API](https://help.salesforce.com/s/articleView?id=platform.api_catalog.htm&type=5) en _Salesforce Platform_. El _Catálogo de API_ sirve como el repositorio centralizado y unifica todas las API de una organización desde _MuleSoft_, _Salesforce_, _Heroku_ y otras nubes en una sola vista. Esto facilita a los desarrolladores y administradores la tarea de descubrir, comprender y reutilizar API existentes permitiéndoles utilizarse en automatizaciones (por ejemplo, _Agentforce_, _Flow_ y _Apex_).
El [MuleSoft para Agentforce: Centro de](https://blogs.mulesoft.com/news/mulesoft-for-agentforce-topic-center/) temas permite a los desarrolladores estructurar sus API en base a casos de uso de negocio específicos definiendo metadatos de **acciones** y **temas de** Agentforce en el momento del diseño. Esto incluye:
- **Acciones**, que son las tareas que un agente puede realizar
- **Instrucciones**, que guían al agente sobre cómo aplicar ciertas acciones
Al [agregar esta capa semántica](https://docs.mulesoft.com/anypoint-code-builder/ai-enabling-api-project-topic-center), el _Centro de temas_ hace que las API sean comprensibles y consumibles por _Agenteforce_, lo que garantiza que pueda interactuar con sistemas de negocio de forma efectiva.
### **4.2 Agentforce Gateway**
_Agentforce Gateway_ es una capa de gobernanza centralizada diseñada para gestionar y proteger interacciones dentro del ecosistema _Agentforce_ en expansión. Como _Agentforce_ integra con herramientas y API externas adicionales a través de protocolos como _MCP_, la función principal de la _Agentforce Gateway_ es aplicar políticas (por ejemplo, límites de velocidad y restricciones de herramientas) en todo el tráfico saliente iniciado por _Agentforce_, y auditar todas las solicitudes salientes.
La _Puerta de_ enlace Agentforce aprovecha el motor de políticas de gobernanza de API _de MuleSoft_ existente, que está integrado de forma nativa en la _Plataforma Salesforce_. Este motor de políticas basado en _enviados_ intercepta el tráfico de agentes, aplica políticas configuradas (por ejemplo, control de acceso basado en atributos y límites de cuota) y gestiona la autenticación y la autorización, todo ello sin requerir a los clientes instalar infraestructura de pasarela adicional.
### **4.3 Inteligencia de integración**
La implementación de una red gobernada de agentes es un logro clave. Sin embargo, presenta nuevos retos operativos del "Día 2". Requiere un nivel mejorado de inteligencia operativa para monitorear, medir y solucionar problemas de un sistema dinámico y distribuido de actores autónomos. La visión arquitectónica definitiva es un sistema donde la IA no solo se utiliza para ejecutar procesos de negocio, sino también para monitorear, gestionar y sanar la infraestructura en la que se ejecuta.
_La_ visión de inteligencia de integración de MuleSoft aprovecha el poder del ecosistema de _Salesforce_ más amplio para proporcionar perspectivas profundas y personalizables sobre el desempeño del tejido de integración y la red de agentes. Capturando y almacenando datos que [cumplen OpenTelemetry (OTEL)](https://opentelemetry.io/) \- el estándar emergente para la observabilidad - en **Salesforce Data 360**, las organizaciones pueden crear un repositorio unificado para registros, mediciones y rastreos en todo su panorama. Estos datos se pueden ver en **Tableau** a través de tableros preconstruidos y visualizaciones personalizadas para obtener perspectivas detalladas sobre el desempeño de la API, los patrones de interacción de agentes y el estado general del sistema.
Este sistema tiene tres componentes clave:
1. **Ingestión:** El servicio de ingreso es el punto de entrada centralizado para recopilar y procesar datos de telemetría desde varias aplicaciones _Mule_, _agentes_ y _pasarelas Flex_. Realiza la validación de esquemas, la normalización de datos y el filtrado para mantener la calidad y la coherencia de los datos entre varias aplicaciones. Además, aplica controles (por ejemplo, autenticación, cifrado, equidad de arrendatario y limitación de frecuencia) en las oportunidades en curso de ingreso.
2. **Almacenamiento:** Un trabajo de transmisión de alto rendimiento se ejecuta en _Data 360_ que lee datos de temas de _Kafka_ de múltiples arrendatarios y los transforma en el formato _OTEL_. Los datos de OTEL se confirman a continuación con _Data 360_ del arrendatario en los _DMO TelemetryTraceSpan_, _TelemetryLogs_ y _TelemetryMetrics_ en _Lakehouse_.
3. **Visualización/Consumo:** Con los datos de telemetría disponibles en _Data 360_, los clientes pueden revisar el estado del sistema y obtener perspectivas utilizando tableros preconstruidos o personalizados a través de _Tableau Next_. Los clientes también pueden aprovechar [Tableau Concierge](https://help.salesforce.com/s/articleView?id=analytics.tua_metric_questions.htm&type=5), que es una habilidad de análisis de agentes preconstruida en _Tableau Next_, que permite a los usuarios formular preguntas sobre datos de telemetría en lenguaje natural y recibir respuestas de confianza con capacidad de acción con visualizaciones. Los clientes también pueden exportar los datos a sistemas de Gestión del desempeño de _aplicaciones (APM)_ existentes (por ejemplo, _DynaTrace_, _Datadog_, _Splunk_, etc.).
## **Conclusión**
La transición a Agentic Enterprise no es solo una actualización de TI; es un punto de inflexión arquitectónico fundamental. Una implementación fragmentada y aislada de agentes de IA es un camino directo al caos operativo, la TI en la sombra y la deuda técnica inmanejable. El único camino sostenible hacia delante es a través de una arquitectura unificada y componible. Construyendo sobre la base probada de la conectividad dirigida por API, el _MuleSoft Agent Fabric_ entrega el “sistema nervioso central” requerido para gestionar esta nueva plantilla de trabajo digital. Proporciona las funciones críticas para el descubrimiento, la orquestación, la gobernanza de nivel de compañía y la observabilidad de extremo a extremo. Así es como avanzamos más allá de la experimentación de IA y comenzamos a diseñar una empresa verdaderamente inteligente, automatizada y segura, transformando el potencial autónomo en resultados de negocio gobernados tangibles.
## **Guías técnicas y referencias**
- [Primeros pasos con Anypoint Code Builder](https://docs.mulesoft.com/anypoint-code-builder/start-acb)
- [Guía técnica de Einstein for Anypoint Code Builder: Flujos generativos](https://blogs.mulesoft.com/dev-guides/einstein-for-acb/)
- [DataWeave Transformación generativa Deep Dive: Innovación de IA para una transformación](https://blogs.mulesoft.com/dev-guides/dataweave-generative-transformation/) rápida de datos
- [Creación de especificaciones de API con MuleSoft Dev Agent](https://docs.mulesoft.com/anypoint-code-builder/api-ai-create-spec)
- [Generación de documentación de API con IA generativa de Einstein](https://docs.mulesoft.com/exchange/generating-documentation-with-ai)
- [Descripción general del servidor MCP de MuleSoft](https://docs.mulesoft.com/mulesoft-mcp-server/)
- [Herramientas de servidor MCP de MuleSoft](https://docs.mulesoft.com/mulesoft-mcp-server/reference-mcp-tools)
- [Conector MCP](https://docs.mulesoft.com/mcp-connector/latest/)
- [Conector A2A](https://docs.mulesoft.com/a2a-connector/latest/)
- [Primeros pasos con Agent Fabric](https://docs.mulesoft.com/agent-fabric/learning-map-agent-fabric)
- [Proteger interacciones de agentes con pasarela Flex](https://docs.mulesoft.com/gateway/latest/flex-agent-secure)
- [Políticas de agente de pasarela Flex](https://docs.mulesoft.com/gateway/latest/flex-agent-policies)
- [Descripción general del kit de desarrollo de políticas de pasarela Flex (PDK)](https://docs.mulesoft.com/pdk/latest/policies-pdk-overview)
- [Catálogo de API de MuleSoft para Salesforce](https://help.salesforce.com/s/articleView?id=platform.api_catalog.htm&type=5)
- [Activación de un proyecto de API para temas y acciones de agentes](https://docs.mulesoft.com/anypoint-code-builder/ai-enabling-api-project-topic-center)
- [Trabajar con Tableau Next](https://help.salesforce.com/s/articleView?id=analytics.tua_consume.htm&type=5)
- [OpenTelemetry](https://opentelemetry.io/)
- [Protocolo de contexto de modelo](https://modelcontextprotocol.io/docs/getting-started/intro)
- [Protocolo Agent2Agent (A2A)](https://a2a-protocol.org/latest/)
## Acerca del autor
Nikhil Aggarwal es Arquitecto principal en Salesforce, donde lidera la arquitectura para MuleSoft y Salesforce Automation Cloud. Nikhil aporta más de 18 años de experiencia entregando productos a gran escala y es un apasionado de la arquitectura ampliable, las experiencias de desarrollador intuitivas y la creación de equipos de alto desempeño. Antes de Salesforce, dirigió múltiples iniciativas en Microsoft Power Platform, Dataverse y Office 365 desde el concepto hasta el lanzamiento. Su trabajo continúa dando forma a cómo las empresas modernas conectan sistemas, automatizan flujos de trabajo y desbloquean valor de negocio en la primera era de la IA.