Aprende, paso a paso, a crear un agente de soporte técnico que conecta con varias aplicaciones usando MCP Server y MCP Client. Verás cómo filtrar casos de IT con prioridad alta, enviar mensajes en paralelo, diseñar un prompt efectivo, pasar el contexto con JSON.stringify, y agendar eventos en Google Calendar con campos clave. Todo con pruebas rápidas, depuración y ajustes finos del flujo.
¿Cómo iniciar el flujo con MCP Server y MCP Client?
Para empezar, se construye un subflujo que notifica a distintos departamentos y se enfoca en la rama de IT con prioridad alta. La lógica se apoya en nodos como trigger, switch y filter, permitiendo rutas paralelas y condiciones precisas.
¿Qué datos de prueba usar con el trigger?
Usa el trigger y pulsa en “Execute step”.
Se genera un objeto JSON con campos vacíos: categoría, prioridad, usuario, mensaje, ejecución y fecha.
Edita con el lápiz y rellena valores falsos para desarrollo.
Escribe un mensaje de ejemplo: "No me funciona el mouse. ¿Qué debo de hacer?".
Guarda para tener pin data y facilitar las pruebas.
¿Cómo filtrar por IT y prioridad alta?
En switch, enruta a la rama IT.
Mueve el nodo filter para que se aplique solo a IT y no bloquee otras acciones.
Arrastra el campo prioridad al filter y ejecuta cuando sea “alto”.
Mantén acciones paralelas: por ejemplo, que Slack se envíe siempre, aunque no sea alta la prioridad.
¿Cómo mantener Slack en paralelo?
Desconecta el filter de la ruta principal si interfiere.
Conecta la rama IT al filter como acción paralela.
Así, Slack se envía siempre y el filtro solo controla la lógica crítica de IT.
¿Cómo diseñar el AI Agent y su prompt?
Se añade un AI Agent genérico con “Define Below” para controlar el comportamiento. El system message orquesta tareas encadenadas, y el user message pasa el contexto completo en texto.
¿Qué poner en el system message y user message?
System message con objetivos claros:
Agendar un evento en el calendario para ayudar al usuario.
Enviar un correo con la fecha del evento.
Buscar solución con “Serve API” en Google, según el mensaje del usuario.
Formatear la respuesta en HTML.
Responder en español.
User message con contexto completo usando Expressions y el objeto de entrada.
Código recomendado para pasar todo el contexto del nodo anterior:
{{JSON.stringify($json)}}
Ventajas:
Evita arrastrar campo por campo.
El agente lee todo el estado de entrada.
¿Cómo conectar OpenAI y Google Calendar?
Selecciona tu proveedor (OpenAI) y credenciales.
Añade la herramienta Google Calendar con credenciales válidas.
Escribe una descripción clara de la herramienta para el agente: “Agendar una reunión con el usuario a partir de la fecha de hoy en adelante y añade un título descriptivo al evento.”
Consejos clave:
Elige el calendario correcto.
Deja que el agente rellene la fecha final si aplica.
Desactiva “use default reminders” si no los necesitas.
¿Qué campos configurar en el evento?
Attendees: arrastra el email del usuario para invitarlo.
Description: permite que el agente lo rellene.
Summary: define que el agente cree un título corto y descriptivo (mejor da límites claros).
Conference data: “Add conference” para generar enlace de Google Meet.
Nota sobre lenguaje del prompt: “corto” y “descriptivo” son vagos para una IA. Mejor especifica límites, por ejemplo, 40 caracteres para el título y pautas para el contenido.
¿Cómo depurar fechas y mejorar el resultado?
Durante la prueba se detectó la creación de dos eventos y rangos de fechas excesivos. La causa: el agente no conocía la fecha actual y el prompt no indicaba duración ni cuándo agendar.
¿Por qué se crearon dos eventos y con fechas erróneas?
Falta de contexto temporal: el modelo no sabe “hoy”.
Prompt ambiguo: sin duración ni ventanas claras.
Resultado: eventos duplicados y rangos incoherentes.
¿Cómo corregir con date and time tool y un prompt específico?
Añade la herramienta date and time tool para que el agente consulte el día actual.
Reescribe el prompt con criterios precisos. Ejemplo usado:
“Agenda un evento en el calendario con el usuario para resolver su problema con una duración máxima de quince minutos lo antes posible.”
Repite la prueba y valida en el calendario: título, descripción y horario correctos.
¿Qué buenas prácticas aplicar para estabilidad?
Define tareas del system message en pasos concretos.
Pasa el contexto completo con JSON.stringify($json).
Especifica duración, ventana temporal y límites de formato.
Usa logs del flujo para inspección rápida.
Acepta la no determinación del modelo: el mismo prompt puede variar.
Ajusta y vuelve a probar con datos anclados y credenciales validadas.
¿Te gustaría ver ejemplos de prompts más específicos para otros departamentos o prioridades? Comparte tu caso en comentarios y construimos mejoras juntos.
