Cómo Devin conecta modelos de IA sin atarte a uno

Curso de Devin AI

Contenido del curso

Ecosistema Devin

Devin Cloud

Devin CLI

Devin Desktop

Integraciones en Devin

Despliegue y automatización con Devin

Cursos Empresas Blog Live Conf Eventos Precios

0:002:01

Cómo Devin conecta modelos de IA sin atarte a uno

Curso de Devin AI

Clase 1 de 18

Clase 1 / 18

Obtén respuestas inmediatas¿Dudas?Profundiza lo que acabas de ver

Recursos

Devin es una herramienta para programar con inteligencia artificial que rompe una limitación común: dejar de atarte a los modelos de una sola compañía. Si eres desarrollador y quieres elegir el modelo según la tarea y no según la herramienta con la que empezaste, esto te interesa.

Por qué Devin no te ata a un solo modelo de IA

La mayoría de las herramientas de IA para programar comparten el mismo problema: te encierran en los modelos de la empresa que las creó. Unas viven en la terminal, otras en el navegador y otras las instalas como un programa más en tu computadora, pero todas te limitan a su propio ecosistema.

Devin cambia esa regla. Te da sus propios modelos y también los de otras compañías. Y aquí viene lo interesante: puedes correr el agente de otra empresa dentro del ecosistema de Devin usando el Agent Client Protocol (ACP).

¿Qué es ACP? Es el Agent Client Protocol, la pieza que permite usar el agente de una empresa corriendo dentro de la herramienta de otra. Antes no se podía; con Devin, sí.

Esto no es un detalle menor porque cambia cómo trabajas. Eliges el modelo según la tarea, no según con qué herramienta te tocó empezar.

Cómo funciona trabajar en varios lugares con un mismo proyecto

Devin tampoco te ata a un solo lugar para trabajar. El mismo trabajo se mueve entre entornos sin que tengas que copiar y pegar nada de un lado a otro.

Estas son las formas de arrancar y seguir una tarea:

Devin Cloud: inicias una tarea y la dejas avanzar sola mientras haces otra cosa.
Devin CLI: sigues ese mismo trabajo desde tu terminal sin perder contexto.
Devin Desktop: lo abres en tu computadora como si fuera tu editor de siempre, pero con el agente integrado.

Hay una entrada más que vale la pena resaltar: Slack. Le escribes en un canal del equipo y esa conversación se convierte en una rama de código real.

¿Cómo pasa una conversación de Slack a código? Escribes tu petición en un canal del equipo y Devin la transforma en una rama de código real, sin pasos manuales de por medio.

Son tres lugares distintos con un mismo trabajo moviéndose entre ellos de forma continua.

Qué vas a construir con Shipblog paso a paso

Todo esto lo aprendes construyendo un proyecto real llamado Shipblog, una app donde cualquier desarrollador puede registrar todo lo que va construyendo día a día.

Este es el recorrido completo del proyecto:

Nace en Devin Cloud.
Recibe una tarea desde Slack.
Baja a tu computadora.
Se conecta a una base de datos real.
Se convierte en una aplicación de Android.
Termina publicada en internet para que cualquiera entre, la vea y la pruebe.

En el camino pasarás por las tres herramientas principales de Cognition y probarás más de un modelo para que entiendas cuándo te conviene usar cada uno.

¿Para quién es Devin? Para desarrolladores que quieren elegir el modelo de IA según la tarea y mover un mismo proyecto entre la nube, la terminal, el escritorio y Slack sin perder contexto.

El instructor ha viajado por toda Latinoamérica enseñando a usar esta herramienta y ahora la trae a Platzi. ¿Con qué modelo crees que empezarías tu primer proyecto? Cuéntamelo en los comentarios.

📚 CLASE: Cómo Devin conecta modelos de IA sin atarte a uno

🎯 IDEA PRINCIPAL

Devin busca separar el agente de IA del modelo específico que ejecuta la tarea.

La idea clave: elegir el modelo según el trabajo y mantener el mismo proyecto/contexto entre diferentes entornos.

⚡ RESUMEN ULTRA RÁPIDO

🟡 Devin permite combinar sus propios modelos con agentes de otras compañías mediante ACP.
🔵 ACP significa Agent Client Protocol: conecta un agente con otra herramienta cliente.
🟡 Un mismo trabajo puede continuar desde Devin Cloud, CLI, Desktop o Slack.
🟣 Esto reduce el lock-in: no necesitas cambiar todo tu flujo cuando cambia el modelo.
🟢 La idea práctica es seleccionar herramienta + modelo + entorno según cada tarea.

🔑 LO IMPORTANTE

🔵 ACP permite ejecutar un agente externo dentro del entorno de otra herramienta.
🟡 El valor real no es usar muchos modelos, sino poder cambiar de modelo sin cambiar de workflow.
🟡 Cloud, CLI y Desktop representan distintas interfaces sobre un mismo trabajo.
🟣 Slack puede convertirse en una entrada directa para crear trabajo de desarrollo.
🔴 Elegir una herramienta únicamente porque incluye determinado modelo crea dependencia tecnológica.
🔴 Cambiar constantemente entre herramientas puede destruir contexto, trazabilidad y continuidad.

🧩 MODELO MENTAL

Tarea → Modelo adecuado → Agente → Herramientas → Entorno → Resultado

🟢 Primero define qué necesitas resolver; después decide qué modelo o agente utilizar.
🟣 El criterio profesional es optimizar el workflow completo, no perseguir el modelo de moda.

🚀 ACCIONES PARA HOY

🟢 Identifica tres tareas reales de tu proyecto y clasifícalas por dificultad.
🟢 Para cada tarea, define qué capacidades necesitas: razonamiento, código, contexto o velocidad.
🟢 Prueba si puedes cambiar el modelo sin cambiar el resto de tu flujo.
🟢 Separa mentalmente modelo, agente, herramientas y entorno de ejecución.
🟢 Documenta qué herramienta utilizaste y por qué fue adecuada para esa tarea.

🟣 VENTAJA PROFESIONAL

🟣 Diseña tus proyectos evitando depender innecesariamente de un único proveedor de IA.
🟣 Mantener interfaces y protocolos estándar facilita sustituir componentes posteriormente.
🟣 Hack: piensa tu stack de IA como piezas intercambiables, no como una aplicación indivisible.
🟣 Esta arquitectura resulta especialmente interesante cuando trabajas con múltiples agentes, MCP o herramientas internas.

📝 CIERRE

El principiante pregunta: “¿Qué modelo debería usar?”

El profesional pregunta: “¿Qué combinación de modelo, agente, herramientas y entorno resuelve mejor esta tarea?”

La lección importante es diseñar workflows donde puedas cambiar componentes sin reconstruir todo el sistema.