Ai2 explica cómo llevó Shippy a producción: skills, CLI determinista y sesiones aisladas
Ai2 publicó el 15 de julio de 2026 la arquitectura de Shippy, un agente para análisis marítimo en tiempo real. La lección para builders no está en el modelo: está en separar skills, herramientas deterministas, sandbox por sesión y evals contra datos vivos.
Por qué importa
Esta nota se enfoca en la decisión práctica para builders: qué cambia, qué riesgo agrega y cómo aplicarlo sin romper operación.
Ai2 publicó el 15 de julio de 2026 una autopsia técnica de Shippy, el agente que el equipo de Skylight construyó para responder preguntas sobre actividad marítima, embarcaciones y zonas protegidas. El caso es valioso porque el dominio no tolera respuestas convincentes pero equivocadas: una mala recomendación puede desviar recursos de vigilancia o exponer información de otra organización.
La conclusión no es que Ai2 haya encontrado un modelo mágico. Es más incómoda y más útil: la confiabilidad apareció al poner límites alrededor del modelo. Shippy separa instrucciones, skills, configuración, herramientas tipadas, aislamiento de sesiones y evaluación contra datos que siguen cambiando.
El modelo no debe inventar la interfaz
En los primeros prototipos, el agente construía llamadas complejas contra la API de Skylight. Eso produjo errores sutiles: paginación mal formada, geometrías codificadas de manera incorrecta y filtros que parecían válidos pero devolvían resultados equivocados.
La solución fue un CLI específico. Shippy usa comandos como skylight events search con flags tipados; el CLI se encarga de autenticación, paginación y salida estructurada. La herramienta también tiene ayuda extensa y mensajes de error que permiten recuperarse sin adivinar. Los resultados grandes se escriben en archivos JSON en vez de viajar por un pipe, una decisión pequeña que evita límites de buffer y hace que el siguiente paso pueda leer evidencia estable.
Este patrón sirve mucho más allá del dominio marítimo: el modelo decide qué necesita, pero una capa determinista decide cómo se ejecuta. Si tu agente llama directamente APIs con filtros anidados, prueba primero una interfaz más estrecha, idempotente y fácil de inspeccionar.
Skills, soul y configuración no son lo mismo
Ai2 describe tres capas para el agente:
- La soul contiene el prompt de sistema y los límites de conducta.
- Las skills explican flujos específicos en Markdown versionado.
- La configuración define el harness, el modelo, los servicios y los parámetros de ejecución.
Las skills de Shippy siguen el mismo tipo de especificación de archivos que ya usan herramientas como Claude Code y Codex. Las claves y tokens entran en tiempo de ejecución; cambiar el modelo o el harness no obliga a reconstruir toda la imagen. Esa separación reduce el costo de experimentar y vuelve más claro qué cambio debe pasar por revisión.
Una sesión por usuario, no una caja común
Shippy corre cada conversación en una sesión efímera y aislada. Ai2 creó Mothership para provisionar un despliegue de Kubernetes por sesión, con el runtime, las skills y el CLI. El JWT de Skylight se inyecta para limitar las consultas a los datos de esa cuenta; los archivos temporales tampoco se comparten con otros usuarios.
El detalle importante es que el sandbox no se presenta como una defensa abstracta. Tiene una finalidad concreta: aislar credenciales, datos y procesos cuando el agente puede ejecutar código, instalar dependencias y hacer análisis de varios pasos. La red queda restringida a los servicios necesarios.
Evalúa el sistema, no solo el modelo
La evaluación de Shippy ejecuta una pregunta real dentro del sandbox y puntúa criterios con pesos definidos por expertos del dominio. Exactitud de datos, resolución de límites geográficos, ventana temporal, atribución y estilo no valen lo mismo en todas las tareas. Un juez LLM explica el resultado, pero el umbral de aprobación y la referencia de verdad no quedan a criterio de una conversación.
Para un piloto propio, copiaría esta secuencia:
- Define una herramienta estrecha con esquema, ejemplos y errores accionables.
- Separa skills y configuración para cambiar el modelo sin reescribir el flujo.
- Ejecuta cada tarea en un entorno aislado con credenciales mínimas.
- Evalúa contra datos representativos y registra una versión reproducible del runtime.
- Bloquea el despliegue cuando una regresión rompe un criterio importante, aunque la respuesta siga sonando bien.
Si todavía estás construyendo el loop de herramientas y verificación, puedes empezar por el curso gratis. La señal de Shippy para equipos de Latinoamérica es clara: un agente de producción no es un prompt con acceso a una API; es un sistema de contratos, aislamiento y evidencia.