Datasette Agent 0.5a0: agente IA que crea apps de datos

El chat deja de ser una ventana aparte

datasette-agent 0.5a0, la versión que Simon Willison publicó el 3 de noviembre, introduce una función llamada panel: el chat del agente se abre y queda al lado de las páginas de Datasette, por ejemplo una tabla o una página de consulta. Ya no hay que copiar y pegar entre la conversación y los datos.

Ese detalle de interfaz parece menor, pero cambia el flujo de trabajo. Cuando el chat vive junto al artefacto que estás mirando, cada iteración ocurre sobre el mismo contexto: el agente ve la tabla, propone, y tú corriges sin salir de la página.

De prompt a app: qué habilita el panel con datasette-apps

Combinado con datasette-apps, el panel habilita algo más ambicioso: pedir en lenguaje natural una app respaldada por una base de datos y después modificarla desde el chat que está al lado de esa app.

En la demostración del anuncio se ve el ciclo completo. El usuario escribe dos mensajes —'Build an app to help explore this data' y 'give it a more hacker aesthetic design'— y el agente encadena llamadas a herramientas como appcreate, apprender, appview y appstr_replace. El resultado son dos versiones del artefacto, v1 y v2, cada una con botones para verla o editarla.

El panel lateral muestra la app terminada: un explorador de precios de LLM con tarjetas de 185 modelos de 12 proveedores, costos por carga de trabajo desde $0.042 hasta $300.00, controles de filtro y una tabla con precios de entrada, salida y entrada en caché por millón de tokens.

Lo relevante no es la app en sí, sino las herramientas que el agente usó. appview implica que el agente mira lo que renderizó, y appstr_replace que edita el código en el lugar. Esa es la diferencia entre un generador de código de un solo disparo y un agente que itera sobre su propio resultado.

¿Qué significa esto para tu startup?

La lista de herramientas internas que nunca se priorizan —dashboards, exploradores de datos, calculadoras de costos, paneles de operaciones— suele quedar al final del backlog porque compite con el producto. Un agente que crea y edita apps junto a los datos mueve ese cuello de botella: la pregunta deja de ser '¿tenemos ingeniería disponible?' y pasa a ser '¿sabemos qué queremos ver?'.

Hay tres implicancias concretas:

• Prototipado con datos reales. Puedes validar una idea de herramienta interna sobre tu propia base antes de asignarle tiempo de ingeniería.
• Menos dependencia del frontend. El agente escribe la interfaz; tu equipo se concentra en el modelo de datos y en las reglas de negocio.
• Iteración en lenguaje natural. Cambiar el diseño o agregar un filtro es un mensaje, no un ticket.

El contrapeso es la madurez. La versión publicada es 0.5a0, una alpha, y el propio anuncio la describe como una release significativa del proyecto. Tratar una alpha como infraestructura de producción es el error clásico.

Cómo probarlo sin arriesgar tus datos

• Empieza con datos que puedan ser públicos. El anuncio indica que se accede iniciando sesión con la cuenta de GitHub en agent.datasette.io. Prueba primero con un CSV de ejemplo o un dataset abierto, no con información de clientes.
• Define el perímetro antes de conectar tu base. Un agente que lee tus tablas envía contexto al modelo. Decide qué tablas pueden salir de tu entorno y cuáles no, y trabaja con copias cuando tengas dudas.
• Usa el panel como generador de v1, no como entrega final. Cuando el resultado te sirva, expórtalo y revisa el código antes de ponerlo frente a usuarios.
• Guarda el prompt que funcionó. Si el agente construye tu dashboard a partir de dos frases, esas frases son la especificación de la herramienta. Documentarlas te ahorra reconstruir el contexto la próxima vez.

Conclusión

El movimiento de datasette-agent 0.5a0 no es solo una función nueva: es un cambio de lugar. El chat deja de ser el sitio donde se conversa sobre los datos y pasa a ser el sitio donde se construyen las herramientas que los usan.

Para un founder, la lectura práctica es que el costo de tener una herramienta interna a medida bajó otro escalón. La ventaja ya no está en quién tiene más ingenieros, sino en quién entiende mejor sus propios datos y sabe pedir lo que necesita.

Fuentes

• datasette-agent 0.5a0 (fuente original)