Jido 2.0: Framework de Agentes AI en Elixir

¿Qué es Jido 2.0 y por qué importa en el ecosistema de agentes AI?

Jido 2.0 es un framework open-source desarrollado en Elixir que permite construir agentes de inteligencia artificial autónomos, supervisados y tolerantes a fallos, aprovechando al máximo la arquitectura BEAM/OTP. Su nombre proviene del japonés 自動, que significa «automático», y refleja exactamente su propósito: sistemas que actúan, se adaptan y se recuperan solos en producción.

Tras 18 meses de desarrollo intensivo y un profundo aprendizaje de los patrones OTP, la versión 2.0 llega con APIs más simples, mayor fluidez en la ejecución y una arquitectura completamente funcional que la distingue de soluciones equivalentes en Python o TypeScript. Para founders tech que buscan escalar con automatización avanzada, este framework representa una apuesta seria por la robustez desde el día uno.

Los cuatro primitivos que forman el núcleo de Jido

La arquitectura de Jido 2.0 se articula alrededor de cuatro bloques fundamentales que cubren el ciclo completo de un agente inteligente:

1. Actions (Acciones)

Son las unidades mínimas de lógica, completamente composables. Cada Action incluye su propio schema, metadatos y un método run/2 que permite introspección y exposición directa a LLMs para tool calling. Esto significa que el modelo de lenguaje puede descubrir y ejecutar acciones por nombre, descripción y esquema sin intervención manual.

2. Workflows (Flujos de trabajo)

Los Workflows permiten componer acciones dinámicamente, incorporando condicionales, bifurcaciones y estrategias de recuperación ante errores. Son el equivalente a los pipelines ETL inteligentes: ingesta, procesamiento y salida, todo orquestado en procesos OTP listos para producción.

3. Agents (Agentes)

Los Agents son procesos con estado que planifican y ejecutan acciones de manera autónoma. Una de sus características más poderosas es la automodificación en tiempo de ejecución mediante directives, lo que permite que el agente ajuste su propio comportamiento sin reiniciarse. Pueden ser orquestados por un LLM en el núcleo del loop de decisión o seguir lógica clásica de planificación.

4. Sensors (Sensores)

Los Sensors son procesos independientes que monitorizan el entorno en tiempo real. Recogen señales externas (eventos, métricas, cambios de estado) y las inyectan en el ciclo de vida del agente, habilitando respuestas reactivas y proactivas sin bloquear la ejecución principal.

Integración con LLMs: el paquete jido_ai

La capa de inteligencia artificial se gestiona a través del paquete complementario jido_ai, disponible en GitHub. Este módulo proporciona:

Soporte nativo para modelos como Anthropic Claude, con salidas estructuradas usando esquemas Ecto vía instructor_ex.
Ejecución de requests síncronos y asíncronos con manejo de herramientas (tool calling).
Capacidad para implementar patrones RAG (Retrieval-Augmented Generation) directamente en el flujo de trabajo del agente.
Integración limpia con cualquier LLM personalizado, simplemente envolviéndolo como una Action.

La arquitectura permite que el LLM «vea» las acciones disponibles por su nombre, descripción y schema, lo que simplifica enormemente la orquestación de herramientas en flujos complejos de múltiples pasos.

La ventaja real de construir sobre BEAM/OTP

Uno de los argumentos más sólidos de Jido 2.0 frente a frameworks de agentes en Python o TypeScript es su herencia directa de la plataforma BEAM. Esto se traduce en ventajas concretas para founders que necesitan sistemas en producción 24/7:

Procesos ultraligeros: cada agente ocupa entre 0,5 y 2 KB de memoria, lo que permite desplegar flotas masivas de agentes concurrentes sin los costes de infraestructura típicos de soluciones basadas en hilos del sistema operativo.
Tolerancia a fallos nativa: los árboles de supervisión OTP garantizan que un agente caído se reinicie automáticamente, sin intervención humana y sin comprometer el resto del sistema.
Distribución transparente: BEAM fue diseñado para sistemas distribuidos desde su origen. Escalar de un nodo a un clúster no requiere cambiar la arquitectura del agente.
Modelo de actores para concurrencia real: el paso de mensajes entre procesos elimina las condiciones de carrera típicas de entornos multi-hilo compartido.

Para un founder que ya usa Elixir o evalúa adoptarlo, la curva de aprendizaje se justifica con creces cuando el sistema necesita gestionar decenas o cientos de agentes en paralelo con garantías de disponibilidad.

Casos de uso concretos para founders y equipos técnicos

Jido no es un experimento académico: está pensado para resolver problemas reales de automatización e IA aplicada en producción. Algunos escenarios donde brilla:

Automatización de decisiones complejas

Sistemas de moderación de contenido que analizan texto e imágenes de forma simultánea, agentes de análisis financiero multi-fuente o motores de personalización con lógica contextual avanzada. Donde una cadena rígida de pasos no es suficiente, un agente Jido puede adaptarse al caso de uso en tiempo real.

Pipelines RAG en producción

Construir sistemas de búsqueda aumentada con generación de respuestas estructuradas, consultando bases de conocimiento y devolviendo outputs tipados mediante esquemas Ecto. Ideal para productos SaaS que necesitan respuestas precisas y verificables sobre datos propios.

Coordinación multi-agente

Desplegar múltiples agentes especializados que colaboran: uno recopila datos, otro los procesa, otro genera reportes. El runtime supervisado de Jido gestiona la comunicación y la recuperación ante fallos de cualquier nodo del sistema.

Integración con Ash Framework

Para equipos que ya trabajan con el ecosistema Ash Framework en Elixir, Jido 2.0 ofrece compatibilidad y extensiones que permiten conectar acciones y agentes con los recursos y dominios definidos en Ash, reduciendo significativamente el código de integración.

¿Cuándo tiene sentido elegir Jido frente a otras alternativas?

La propia documentación oficial de Jido invita a los desarrolladores a evaluar si realmente necesitan un agente antes de adoptarlo. La respuesta es afirmativa cuando:

El sistema necesita tomar decisiones adaptativas que no se pueden codificar como reglas fijas.
Los flujos de trabajo deben modificarse en tiempo de ejecución según el contexto o los resultados anteriores.
Se requiere operación continua y autónoma con recuperación automática ante fallos.
El equipo ya trabaja en Elixir o está dispuesto a invertir en la curva de aprendizaje de BEAM por los beneficios de escalabilidad y tolerancia a fallos.

Si el caso de uso es simplemente una cadena lineal de llamadas API o un script periódico, Jido podría ser «sobrediseño». Pero para productos que necesitan inteligencia real y resiliencia, la apuesta por BEAM como runtime de agentes AI tiene cada vez más sentido en el ecosistema de 2025-2026.

Conclusión

Jido 2.0 consolida a Elixir como una opción técnicamente sólida para el desarrollo de agentes AI en producción. La combinación de primitivos funcionales claros, integración fluida con LLMs a través de jido_ai y el respaldo de la plataforma BEAM para concurrencia, distribución y tolerancia a fallos lo posiciona como un framework maduro para founders tech que no quieren comprometer la fiabilidad de sus sistemas mientras escalan con inteligencia artificial.

En un ecosistema donde la mayoría de frameworks de agentes están construidos sobre Python con sus conocidas limitaciones de concurrencia, apostar por el modelo de actores de BEAM/OTP puede ser la ventaja técnica diferencial que muchos productos en LATAM y el mundo hispanohablante todavía no han explorado.

Descubre cómo otros founders implementan agentes AI y automatización avanzada en sus startups. Únete gratis a la comunidad de Ecosistema Startup.

Aprender con founders