Andrew Qu es Chief of Software en Vercel, donde trabaja con el CTO en ingeniería interna, experimentación de producto y tecnologías emergentes. Construyó librerías para MCP, creó skills.sh y lideró el desarrollo de eve, el framework de Vercel para armar agentes. En esta entrevista con Latent Space explica por qué los agentes son una nueva forma de software, qué aprendió Vercel al construir el suyo, y por qué la propia Vercel se está convirtiendo en un agente.

De las aplicaciones web a los agentes

Latent Space: ¿Qué hace un Chief of Software en Vercel?

Andrew Qu: Mi rol es bastante único. Trabajo con el CTO para generar impacto de cualquier forma. Es una mezcla de ingeniería interna, experimentación externa y mantenerse en la frontera construyendo cosas. Eso implica armar librerías y frameworks nuevos, y mostrar cómo hacer cosas por primera vez. Construí una librería MCP que facilitó crear algunos de los primeros servidores MCP, y también skills.sh para que las skills de agentes fueran más fáciles de descubrir y usar.

Latent Space: ¿Cómo pasó Vercel del desarrollo web a invertir fuerte en agentes?

Qu: Los orígenes de Vercel apuntaban a facilitar el despliegue de sitios y aplicaciones web. En el último tiempo hemos visto un giro desde gente construyendo páginas hacia gente construyendo agentes. Mientras armábamos nuestro propio agente en v0, nuestro producto de vibe-coding, chocamos con un montón de fricciones que las herramientas existentes no resolvían: cambiar de modelo o proveedor, agregar fallbacks, hacer las ejecuciones reanudables. Convertimos esas soluciones en librerías reutilizables que pudieran soportar a v0 y también ayudar a clientes a construir sus propios agentes. Con el tiempo acumulamos un set de primitivas y decidimos ensamblarlas de forma más cohesiva. Eso se convirtió en eve.

¿Por qué eve se hizo necesario?

Latent Space: ¿En qué momento Vercel necesitó un framework dedicado para agentes?

Qu: Hace cerca de un año empecé a trabajar en poner un agente en cada escritorio dentro de Vercel. Eso me llevó a construir un data agent exitoso, y en el camino aparecieron varias buenas prácticas: filesystem agents, skills, compaction y subagents. Eran todas cosas que me hubiera gustado que vinieran de fábrica. Al final nos preguntamos qué pasaría si existiera una forma prescriptiva de hacerlo, para que otros desarrolladores no tuvieran que pasar por la misma exploración. De ahí salió eve.

Latent Space: ¿Los agentes son simplemente otra clase de aplicación, o son una forma nueva de software?

Qu: Creo que los agentes son un tipo nuevo de software. No son tan predecibles como las aplicaciones web. La infraestructura puede parecer similar, pero la interacción, la interfaz y los outputs son mucho más dinámicos. Eso cambia cómo los construyes. Necesitas primitivas distintas para contexto, herramientas, resumabilidad y trabajo de larga duración.

Latent Space: ¿Qué tipo de problemas se prestan bien para agentes?

Qu: Vemos muchos business agents. Internamente en Vercel los usamos para tareas repetitivas que van desde un primer pase de revisión legal de contratos, pasando por retrospectivas de marketing y prospección de contactos, hasta escribir queries contra nuestros data stores. Un buen candidato suele ser una tarea repetitiva que aún así requiere algo de razonamiento. No es automatización fija, porque el sistema tiene que interpretar la situación y decidir qué hacer.

Construir agentes efectivos

Latent Space: ¿Cuándo debe operar un agente autónomamente y cuándo debe haber un humano en el loop?

Qu: No creo que el futuro sean solo loops autónomos ni solo human-in-the-loop. Se trata de elegir un ciclo de feedback que le calce a la tarea. Si la tarea está bien definida y sabes cómo debe verse el resultado final, puede ser razonable dejar que un loop continúe hasta terminarse. Para trabajo más cuidadoso o quirúrgico, deberías revisar de vuelta y asegurarte de estar dirigiendo bien al modelo.

Latent Space: ¿Cuál fue la principal lección de este recorrido por prompting, herramientas bespoke, harnesses de coding agents, filesystem agents y skills?

Qu: Todavía estamos entendiendo qué hace productivo a un agente. En el camino hemos ido recolectando estas primitivas y juntándolas en eve. Habrá más para agregar a medida que emerjan buenas prácticas. Hace un año no sabíamos que los sandboxes iban a volverse tan importantes, ni cuánta demanda habría por ejecución segura de código y jobs de larga duración. A medida que aprendamos más desde producción, quedará mucho por construir.

Skills y conocimiento actualizado

Latent Space: ¿Por qué las skills se volvieron tan importantes?

Qu: Las skills son útiles como conocimiento portátil y bajo demanda. Los modelos suelen contener información desactualizada. Por ejemplo, todavía recomiendan Vercel Postgres a veces, aunque lo deprecamos hace años en favor de nuestro marketplace. Una skill puede decirle al agente que Vercel Postgres está deprecado y redirigirlo al enfoque actual. Hasta que las empresas puedan auditar y actualizar cada pieza vieja de contenido, las skills entregan una forma de forward-correct al modelo. Recomendaría publicar skills para la versión más reciente del producto. Pero las empresas también deberían auditar su contenido existente, identificar lo desactualizado y actualizarlo o marcarlo con notas claras.

Una web legible por agentes

Latent Space: ¿Cómo van a evolucionar los sitios web a medida que más tráfico venga de agentes?

Qu: Publicamos reportes que muestran cómo el tráfico de bots sube mientras el humano se estanca o cae, incluso cuando las impresiones aumentan, porque los agentes y bots están golpeando las webs con más frecuencia. El futuro de la web es, por lo tanto, ser tan accesible como sea posible para bots y agentes, para que puedan aprender sobre tu producto y usarlo con éxito. En Vercel ya detectamos cuando un agente hace una petición y servimos markdown directamente. En vez de forzarlo a procesar HTML diseñado para un browser visual, entregamos un formato más fácil de leer.

Latent Space: ¿Eso significa una experiencia para humanos y otra para agentes?

Qu: Creo que sí. Los humanos pueden seguir recibiendo el sitio visual, mientras que los agentes reciben una representación más estructurada y legible por máquina. Ya lo estamos haciendo hoy.

Lo que viene

Latent Space: ¿Qué problemas te interesa resolver a continuación?

Qu: Uno de los temas en el tope de mi agenda es el desarrollo colaborativo de agentes. Cada vez que un equipo colabora, la gente batalla para compartir contexto. Yo puedo tener técnicas para acertar una interfaz de front-end al primer intento, pero otra persona puede no conocerlas. Me interesa cómo podemos compartir ese contexto entre compañeros y permitirles contribuir a él.

Latent Space: ¿Los agentes se van a volver una categoría separada, o una capacidad estándar embebida en la mayoría del software?

Qu: Depende de quién seas y qué estés construyendo. Para Vercel, la propia Vercel se está convirtiendo en un agente. Tenemos un agente en la web, en Slack y en el dashboard que puede hacer cosas en tu nombre. Otras empresas van a lanzar agentes como productos standalone. Para nosotros, los agentes están acoplados a todo lo que construimos. Queremos que toda la plataforma sea agent-friendly, y en muchos sentidos, que la plataforma misma sea un agente.