Simon Willison anunció el primer release de Datasette Agent, un asistente IA extensible para Datasette. El desarrollador británico, conocido por mantener la librería LLM en Python durante los últimos tres años, presentó el agente como el momento en que ambas herramientas finalmente convergen.

Datasette Agent ofrece una interfaz conversacional para hacerle preguntas a los datos que tengas almacenados en Datasette. Con el plugin datasette-agent-charts instalado, también puede generar gráficos a partir de esos datos.

¿Qué hace exactamente Datasette Agent?

El asistente traduce preguntas en lenguaje natural a consultas SQL contra una base SQLite servida por Datasette. El video de demostración lo muestra trabajando sobre la instancia pública agent.datasette.io, que incluye bases de ejemplo como global-power-plants del World Resources Institute y un respaldo del blog del propio Willison.

El demo corre sobre Gemini 3.1 Flash-Lite. Según Willison, es el modelo elegido por ser barato, rápido y porque no tiene problemas para escribir consultas SQLite.

Una de las preguntas del video fue:

"¿Cuándo fue la última vez que Simon vio un pelícano?"

El agente generó automáticamente esta consulta SQL:

SQL
SELECT title, commentary, created
FROM blog_beat
WHERE beat_type = 'sighting'
  AND (title LIKE '%pelican%' OR commentary LIKE '%pelican%')
ORDER BY created DESC
LIMIT 5

Y respondió que el avistamiento más reciente fue el 20 de mayo de 2026, un pelícano pardo de California junto con un colimbo común, una ganso canadiense, un cangrejo de costa rayado y un león marino de California.

Los plugins que ya están disponibles

El propio Willison destaca como su característica favorita la extensibilidad por plugins, en línea con el resto de Datasette. Tres plugins ya están publicados:

Willison señala que tanto Claude Code como OpenAI Codex están funcionando muy bien para escribir plugins. Basta con apuntarlos al checkout del repo datasette-agent como referencia y describirles qué se quiere construir.

¿Funciona con modelos locales?

Sí. Willison incluyó una línea de comando con uv para correr el agente contra el modelo open weight gemma-4-26b-a4b servido localmente en LM Studio sobre Mac:

Código
uvx --prerelease=allow \
  --with datasette-agent --with llm-lmstudio \
  datasette --internal internal.db --root \
  -s plugins.datasette-llm.default_model lmstudio/google/gemma-4-26b-a4b \
  data.db

Datasette Agent necesita llamadas a herramientas confiables y que el modelo sepa producir consultas SQL ejecutables contra SQLite. Según Willison, los modelos open weight liberados en los últimos seis meses están cada vez más a la altura de esos requisitos. Un modelo de 26B parámetros como Gemma 4 corre en una Mac con suficiente RAM unificada y entrega respuestas en segundos.

¿Qué viene después?

Datasette Agent abre la puerta a muchas oportunidades para el ecosistema de LLM y Datasette en general, según el desarrollador. La experiencia ya alimentó el gran refactor de LLM 0.32a0 que Willison está por convertir en release estable, posiblemente con abstracciones adicionales del tipo "LLM agent" extraídas del propio Datasette Agent.

Willison también está explorando su propia versión de Claude Artifacts como plugin, y planea usar Datasette Agent para construir lo que llama un Claw personal: un asistente IA armado sobre datos importados de distintas partes de su vida digital, una buena excusa para revisitar su familia de herramientas Dogsheep.

El despliegue para usuarios de Datasette Cloud está confirmado. Para discusión técnica, Willison invita al canal #datasette-agent en Discord del proyecto.

¿Para qué sirve esto en LatAm?

Datasette es la herramienta de referencia para publicar bases de datos de transparencia, datasets de gobierno abierto y archivos periodísticos. En Chile, equipos de periodismo de datos ya la usan para servir bases del Consejo para la Transparencia y registros electorales. Datasette Agent baja la barrera para que un periodista o investigador haga preguntas en español a una base SQLite sin tener que escribir SQL, una capacidad concreta para newsrooms con presupuestos ajustados que no pueden contratar un analista dedicado.