Vercel lleva Chat SDK a Slack con agentes nativos: streaming, prompts y feedback sin rehacer el bot

El 17 de julio de 2026 Vercel anunció soporte nativo para agentes de Slack en Chat SDK mediante @chat-adapter/slack. La pieza importante no es solamente “otro adapter”: el SDK intenta conservar la experiencia propia de Slack mientras deja que la lógica del agente viva en una sola base de TypeScript.

El adapter cubre conversaciones en la pestaña Messages, suggested prompts, mensajes de estado que rotan, respuestas transmitidas token por token y botones nativos de feedback. Para un equipo que ya tiene un agente web, esto reduce el salto entre una demo en navegador y un flujo donde la gente realmente trabaja: un hilo de Slack, una aprobación, una consulta de contexto y una respuesta que llega en vivo.

Qué cambia frente a un bot tradicional

Un bot básico recibe un evento, llama a un modelo y publica un mensaje. En Slack eso deja fuera varias piezas de la experiencia: dónde descubre el usuario qué puede pedir, cómo sabe que el agente sigue trabajando, cómo responde a un clic de feedback y qué pasa cuando la plataforma no permite streaming.

Chat SDK expone esas capacidades en la configuración del adapter. Las sugerencias pueden ser estáticas o resolverse con el contexto del hilo y lo que el usuario está viendo en agent_view. El streaming usa la API de Slack cuando el workspace la soporta; si no, el adapter cambia a un patrón de publicar y editar el mensaje.

La promesa de escribir el agente una vez y llevarlo a varias plataformas es útil, pero no significa que todos los canales sean iguales. Un hilo de Slack, un mensaje de WhatsApp y un issue de GitHub tienen permisos, límites y expectativas diferentes. La abstracción debe esconder el transporte, no las decisiones de producto.

La trampa del contexto en agent_view

Vercel deja una advertencia concreta: bajo agent_view, cada mensaje del usuario puede quedar como un hilo separado y el historial del canal puede devolver solamente el lado del usuario en un DM. Para conservar una conversación de IA completa, el equipo debe usar los transcripts de Chat SDK o su propio almacenamiento de mensajes.

Ese detalle evita un fallo común: el agente parece recordar la conversación en pruebas cortas, pero pierde contexto cuando el usuario vuelve horas después o cuando el hilo se reparte en eventos independientes. Antes de activar acciones, valida:

• qué identidad representa al usuario y al workspace;
• qué mensajes se guardan y durante cuánto tiempo;
• si el agente puede leer el canal completo o solo el hilo;
• cómo se eliminan datos cuando el usuario lo solicita;
• qué herramienta requiere aprobación humana.

Streaming no es autonomía

Una respuesta que aparece palabra por palabra se siente más rápida, pero no vuelve seguro al agente. Si puede crear tickets, modificar documentos o llamar APIs internas, la capa de permisos sigue siendo obligatoria. Los botones de feedback sirven para medir utilidad; no sustituyen una evaluación con casos reales ni un registro de acciones.

El piloto más sano es un agente de lectura: resumen de incidentes, búsqueda en documentación interna o preparación de una respuesta que una persona revisa. Mide tiempo hasta la primera señal, tiempo hasta la respuesta completa, tasa de fallback y correcciones humanas. Después decide si una acción de escritura merece entrar.