Vercel Eve: el framework que convierte cada agente de IA en un directorio listo para producción
Vercel Eve organiza cada agente como un directorio de archivos TypeScript con seis capacidades de producción incluidas desde el primer día: ejecución durable, sandbox, aprobaciones humanas, subagentes, trazas OpenTelemetry y evaluaciones. Guía práctica para equipos Next.js.
Construir un agente de IA listo para producción exige resolver seis problemas al mismo tiempo: persistencia de estado, sandbox aislado, aprobaciones humanas, subagentes, trazabilidad y evaluaciones. En Cognitiva, agencia chilena de IA, vemos cómo la mayoría de los equipos B2B los resuelve acumulando librerías hasta que el mantenimiento supera al propio agente. El 17 de junio de 2026, en Vercel Ship (Londres), Vercel presentó Eve: un framework de código abierto que entrega esas seis capacidades desde el primer día. La propuesta es distinta de los frameworks anteriores: un agente es un directorio de archivos. El system prompt vive en instructions.md, las herramientas en tools/ como archivos TypeScript independientes, y los playbooks de conocimiento en skills/ como Markdown. Se despliega en Vercel Functions sin infraestructura adicional. Este artículo explica cómo funciona Eve, en qué se diferencia de construir desde cero con el Vercel AI SDK, y los pasos concretos para que un equipo que ya usa Next.js ponga su primer agente en producción.
Vercel Eve en contexto: qué resuelve y por qué ahora
Eve surgió de la experiencia interna de Vercel construyendo sus propios agentes. Hace menos de un año, los agentes generaban menos del 3% de sus despliegues de producción. A mediados de 2026, esa cifra llegó al 29%. Con más de 100 agentes propios en producción, el equipo documentó los patrones que funcionan y los empaquetó en un framework reutilizable.
La decisión de diseño central es que un agente sea un directorio ordinario en el sistema de archivos. Eso significa que cualquier desarrollador puede abrir una carpeta y entender qué hace el agente, cuáles son sus herramientas y qué playbooks de conocimiento aplica, sin leer documentación especial ni descifrar código de orquestación.
La arquitectura de archivos de Eve
Un proyecto Eve se inicializa con un solo comando. Todos los archivos del agente viven bajo un subdirectorio agent/: ese es el punto desde el que Eve descubre el agente (su agent root), y una estructura plana en la raíz del proyecto no se detecta. Lo único requerido es agent/instructions.md, que actúa como system prompt. El archivo agent/agent.ts es opcional: declara el modelo y las opciones cuando quieres fijarlos. Junto a ellos, dos carpetas —agent/tools/ y agent/skills/— quedan listas para agregar capacidades.
Cada archivo en agent/tools/ es un módulo TypeScript que exporta una herramienta usando la API del Vercel AI SDK. Cada archivo en agent/skills/ es un documento Markdown que el agente recibe como contexto de conocimiento. Si el agente necesita delegar trabajo, se añade una carpeta agent/subagents/ con su propia estructura recursiva: cada subagente es otro directorio con el mismo esquema.
| Archivo / Carpeta | Función |
|---|---|
| agent/instructions.md | System prompt del agente en Markdown (requerido) |
| agent/agent.ts | Modelo, temperatura y opciones globales del agente (opcional) |
| agent/tools/*.ts | Herramientas ejecutables como módulos TypeScript independientes |
| agent/skills/*.md | Playbooks de conocimiento que el agente recibe como contexto |
| agent/subagents/ | Agentes secundarios con su propia estructura recursiva |
| agent/channels/ | Adaptadores para Slack, Discord, Teams, Telegram, etc. |
| agent/schedules/ | Tareas programadas con expresiones cron |
| agent/connections/ | Integraciones con servidores MCP o APIs externas |
mi-agente/
└── agent/
├── instructions.md # system prompt (requerido)
├── agent.ts # modelo y opciones (opcional)
├── tools/
│ └── consultar-crm.ts
└── skills/
└── politica-comercial.mdLas seis capacidades de producción incluidas
Lo que distingue a Eve de un wrapper del AI SDK es que las capacidades de producción son parte del framework desde el inicio. No se configuran después: vienen estructuradas. Las seis son:
- Ejecución durable: las conversaciones se modelan como flujos de trabajo con checkpoints mediante el Vercel Workflow SDK. Si el proceso cae, retoma desde el último punto guardado sin repetir pasos completados.
- Sandbox aislado por agente: el código que genera el agente se ejecuta en un entorno aislado con un contexto de seguridad separado. En producción corre sobre Vercel Sandbox; en entorno local puede usar Docker.
- Aprobaciones humanas: una sola declaración (needsApproval) detiene el agente y espera confirmación antes de ejecutar acciones críticas o irreversibles.
- Subagentes: se delega trabajo a agentes secundarios con contexto limpio y herramientas limitadas, sin contaminar la conversación principal.
- Trazas OpenTelemetry: cada llamada al modelo y cada herramienta genera trazas estándar exportables a Braintrust, Honeycomb, Datadog y otros destinos compatibles.
- Evaluaciones integradas: suites de prueba tipadas validan el comportamiento del agente antes de cada despliegue, detectando regresiones cuando cambian las instrucciones o las herramientas.
Eve vs. Vercel AI SDK: cuándo usar cada uno
El Vercel AI SDK es la capa de bajo nivel que Eve usa internamente para llamar a los modelos y ejecutar herramientas. Construir un agente directamente con él es válido y da más control sobre cada pieza. La pregunta relevante para un equipo es cuánto tiempo dedica a resolver infraestructura antes de resolver el problema de negocio.
Eve gana en velocidad de llegada al primer despliegue: las seis capacidades de producción vienen ensambladas. Un stack personalizado gana en flexibilidad de proveedor de nube y control granular cuando los requisitos del proyecto lo exigen.
| Criterio | Eve | AI SDK desde cero |
|---|---|---|
| Tiempo al primer despliegue | Un comando (npx eve@latest init) | Semanas de ensamblaje |
| Ejecución durable | Incluida (Workflow SDK) | Implementación propia |
| Sandbox de código | Incluido (Vercel Sandbox) | Configuración manual |
| Aprobaciones humanas | Una declaración (needsApproval) | Lógica propia |
| Trazabilidad | OpenTelemetry estándar | Integración manual |
| Compatibilidad de nube | Solo Vercel | Cualquier proveedor |
| Control granular | Limitado por el framework | Total |
La arquitectura de archivos no es solo una convención de carpetas: es la decisión que hace que un agente sea revisable, versionable y comprensible por cualquier miembro del equipo.
Primer despliegue con Eve para equipos Next.js
Para un equipo que ya usa Next.js en Vercel, Eve no requiere cambios en el proyecto existente. Se puede crear como un proyecto independiente o como una subcarpeta dentro del monorepositorio. Los pasos para el primer agente son:
- Inicializar el proyecto: npx eve@latest init mi-agente
- Escribir las instrucciones del agente en agent/instructions.md, el único archivo requerido
- Opcional: declarar el modelo en agent/agent.ts como string del AI Gateway (por defecto anthropic/claude-sonnet-5)
- Añadir las herramientas de negocio en agent/tools/ como archivos TypeScript
- Desplegar con vercel deploy
// agent/agent.ts
import { defineAgent } from 'eve';
// El scaffold usa anthropic/claude-sonnet-5 por defecto.
// Reemplaza el string por otro modelo del AI Gateway,
// por ejemplo anthropic/claude-opus-4.8, sin tocar el resto.
export default defineAgent({
model: 'anthropic/claude-sonnet-5',
});Eve gestiona automáticamente el cambio de sandbox entre entornos: Docker en local, Vercel Sandbox en producción. No se necesita modificar el código al desplegar.
Marco de decisión: cuándo Eve conviene y cuándo no
Elegir entre Eve y un stack personalizado depende de tres variables: velocidad de llegada al primer despliegue, capacidad de mantenimiento del equipo, y nivel de personalización requerido. En Cognitiva definimos el siguiente marco para orientar esa decisión:
Casos donde Eve acelera el trabajo
- Equipos que ya despliegan en Vercel y quieren reutilizar la infraestructura existente sin añadir proveedores.
- Proyectos que necesitan las seis capacidades de producción sin ensamblar librerías por separado.
- Agentes que requieren aprobaciones humanas o subagentes desde el primer sprint.
- Equipos pequeños donde el mantenimiento del stack de infraestructura tiene un costo real de tiempo.
Casos donde un stack personalizado tiene ventaja
- Restricciones de proveedor de nube que impiden desplegar en Vercel (AWS, GCP, Azure con contratos exclusivos).
- Requisitos de observabilidad muy específicos no cubiertos por OpenTelemetry estándar.
- Necesidad de un motor de orquestación con grafo de estados complejo, como LangGraph.
- Proyectos de investigación donde el control de cada primitiva supera en valor a la productividad.
Preguntas frecuentes
Da el siguiente paso
Hablemos
Cuéntanos sobre tu negocio. Respondemos en 24 horas.
Otros canales
Escríbenos por WhatsApp o agenda una llamada de 30 minutos.