Cinco preguntas reales, inéditas, al estilo del examen CCA-F para el dominio de mayor peso en el examen: Arquitectura Agéntica y Orquestación (27% del examen). Intenta responder cada una tú mismo antes de revelar la explicación — así es como realmente encuentras los vacíos en tu comprensión.
Practica el conjunto completo filtrado por dominio en AICert Study →
Pregunta 1
Un equipo limita el agentic loop a 5 iteraciones como condición primaria de parada del agente de soporte. Tras una disputa compleja multi-herramienta, el agente se detiene a mitad de investigación sin devolver una respuesta final. ¿Qué revela esto sobre el diseño?
- A. El modelo está roto; cambiar a un modelo más capaz.
- B. Los límites de iteración fueron usados como mecanismo primario de parada en lugar de stop_reason. Los límites deben ser una red de seguridad, no la lógica principal.
- C. El prompt del usuario es demasiado largo; truncar.
- D. Aumentar el límite a 50 y el problema desaparecerá.
Ver respuesta y explicación
Respuesta correcta: B
Los límites rígidos de iteración son una red de seguridad contra costos descontrolados o loops infinitos, no la señal primaria de que el trabajo terminó. Usarlos como mecanismo principal hace que el agente abandone trabajo legítimo multi-paso. La señal primaria correcta es stop_reason='end_turn'; los límites cubren solo casos patológicos.
- El modelo está roto... es incorrecto. El modelo produce bloques tool_use correctamente; el harness mata el loop temprano. Cambiar de modelo no corregirá una condición de parada errónea.
- El prompt del usuario es demasiado largo... es incorrecto. El tamaño del prompt no tiene relación directa con el número de iteraciones necesarias y no explica la terminación temprana.
- Aumentar el límite a 50... es incorrecto. Aumentar oculta el síntoma pero la falla de diseño permanece: la señal primaria debe ser el stop_reason del modelo, no un contador arbitrario.
Compartir esta pregunta en LinkedIn →
Pregunta 2
Cuando una llamada de herramienta dentro del agentic loop devuelve un tool_result, ¿qué debe ser cierto sobre ese bloque para que la siguiente llamada a la API tenga éxito?
- A. Debe enviarse como mensaje con role de asistente.
- B. Su tool_use_id debe coincidir con el bloque tool_use que el modelo produjo previamente, y debe enviarse en un mensaje con role de usuario.
- C. Debe envolverse en un system prompt para el siguiente turno.
- D. Puede usar cualquier id único y se envía dentro del mensaje del asistente.
Ver respuesta y explicación
Respuesta correcta: B
Los tool results se devuelven en un mensaje con role de usuario y su campo tool_use_id debe coincidir con el id del bloque tool_use correspondiente que produjo el asistente. Esta correlación es cómo Claude sabe qué resultado pertenece a qué llamada.
- Debe enviarse como mensaje con role de asistente... es incorrecto. El role de asistente está reservado para la salida del propio modelo; los tool results vienen de tu código y convencionalmente se colocan en mensajes de usuario.
- Debe envolverse en un system prompt... es incorrecto. El system prompt se define una vez para la conversación; los bloques tool_result pertenecen al turno del mensaje.
- Puede usar cualquier id único... es incorrecto. tool_use_id debe coincidir exactamente con el id de tool_use del asistente, de lo contrario la API rechaza o el modelo no puede correlacionar.
Compartir esta pregunta en LinkedIn →
Pregunta 3
El primer turno del agente de soporte solicita tres herramientas en paralelo (get_customer, lookup_order, check_loyalty_status). Tu loop las ejecuta y prepara la siguiente llamada a la API. ¿Cómo deben enviarse de vuelta los tool_results?
- A. Como tres mensajes de usuario separados, un tool_result cada, en orden cronológico de ejecución.
- B. Los tres bloques tool_result en un solo mensaje de usuario, cada uno referenciando su tool_use_id correspondiente.
- C. Solo el primer resultado; los otros dos serán re-solicitados en la siguiente iteración.
- D. Como mensajes con role de asistente para que el modelo las lea en secuencia.
Ver respuesta y explicación
Respuesta correcta: B
Cuando el asistente solicita múltiples herramientas en paralelo en un solo turno, todos los bloques tool_result pertenecen a un único mensaje con role de usuario, cada uno referenciando el tool_use_id correspondiente. El modelo espera todos los resultados paralelos en el siguiente turno para razonar sobre ellos en conjunto.
- Como tres mensajes de usuario separados... es incorrecto. Dividir resultados paralelos en turnos rompe la estructura request/response; la API requiere todos los tool_results de un turno del asistente en el turno de usuario inmediatamente siguiente.
- Solo el primer resultado... es incorrecto. La API rechazará la solicitud porque a la conversación le faltan tool_results para los otros tool_use_ids del turno anterior.
- Como mensajes con role de asistente... es incorrecto. Los tool results no son producidos por el modelo; colocarlos bajo role de asistente corrompe la estructura.
Compartir esta pregunta en LinkedIn →
Pregunta 4
Un agente de desarrollador corre en producción con agentic loop. Los ingenieros observan loops infinitos ocasionales donde el modelo llama Grep repetidamente con pequeñas variaciones. ¿Cuál es la estrategia de mitigación en capas más apropiada?
- A. Eliminar Grep de allowedTools para que no pueda ser invocado.
- B. Depender únicamente de stop_reason y confiar en que el modelo terminará.
- C. Usar stop_reason como terminación primaria, agregar un límite de turnos/iteración como red de seguridad y mejorar prompts y descripciones de herramientas para reducir el churn.
- D. Analizar el texto del asistente cada turno y detener cuando mencione 'sin más coincidencias'.
Ver respuesta y explicación
Respuesta correcta: C
La arquitectura correcta trata stop_reason como la señal autoritativa de terminación pero la combina con un límite maxTurns para que el comportamiento patológico no consuma presupuesto ilimitado. Mejorar prompts y descripciones de herramientas trata la causa raíz del churn.
- Eliminar Grep de allowedTools... es incorrecto. Deshabilitar una herramienta útil degrada el agente en lugar de corregir la lógica del loop.
- Depender únicamente de stop_reason... es incorrecto. Confiar enteramente en el modelo sin red de seguridad te deja expuesto a bugs, regresiones o prompts patológicos.
- Analizar el texto del asistente... es incorrecto. La terminación basada en NL es el antipatrón que causa comportamiento poco confiable.
Compartir esta pregunta en LinkedIn →
Pregunta 5
El loop de agente de un equipo verifica if 'thank you' in response.text: break. En producción, el agente termina tras saludar al cliente y nunca llama herramientas. ¿Qué hay de erróneo simultáneamente con este diseño?
- A. La temperature es demasiado alta y el tiempo de espera demasiado corto.
- B. Se usa parsing de NL como señal de parada (antipatrón), y el loop ignora stop_reason='tool_use' que significa continuar.
- C. Falta el system prompt y el modelo no está autenticado.
- D. El array de tools está vacío y max_tokens es demasiado bajo.
Ver respuesta y explicación
Respuesta correcta: B
Dos fallas combinadas: (1) analizar prosa del asistente ('thank you') para determinar terminación no es confiable porque el modelo puede saludar conversacionalmente antes de invocar herramientas; (2) el loop debería mirar stop_reason en vez de texto. Si el primer turno devuelve stop_reason='tool_use' pero el harness termina porque el saludo contiene 'thank you', el trabajo se abandona antes de comenzar.
- La temperature es demasiado alta... es incorrecto. Temperature no elimina frases comunes de cortesía ni cambia el problema estructural.
- Falta el system prompt... es incorrecto. El comportamiento de saludo muestra que el modelo está respondiendo; esto no tiene relación con autenticación o presencia del system prompt.
- El array de tools está vacío... es incorrecto. Si las herramientas faltaran la API no devolvería tool_use; el escenario implica que existen pero el loop termina antes de ejecutarlas.
Compartir esta pregunta en LinkedIn →
¿Quieres más? Nuestro banco gratuito tiene cientos de preguntas de Arquitectura Agéntica. Practícalas todas →