Publicado
- 6 min tiempo de lectura
Cómo conectar tu agente con Notion y empezar a priorizar tu día
En el primer artículo te contaba cómo surgió la idea de construir un secretario inteligente que me ayudara cada mañana a ordenar el caos de tareas, emails, mensajes y decisiones pendientes.
Ahora damos el siguiente paso: conectar ese agente a una fuente real de información, para que deje de ser una demo y empiece a trabajar con mis tareas reales. Y para eso, usamos Notion.
Pero este artículo no va solo de código. Quiero explicarte también la teoría que hay detrás: cómo se estructura un agente, por qué es importante pensar en modularidad, y cómo nuestro agente encaja dentro de un flujo de decisiones real.
¿Qué es un agente? (versión sencilla)
Un agente es un programa que observa un entorno, toma decisiones y actúa.
En nuestro caso, el entorno es tu agenda, tus tareas, tus prioridades. El agente las observa, calcula qué deberías hacer primero y te lo comunica de forma clara (por ejemplo, por Telegram).
Y lo mejor de todo es que ese agente no es una caja negra. Está compuesto por módulos, y tú puedes modificar cada parte.
Arquitectura modular del agente
A nivel conceptual, este es el pipeline que seguimos:
| Parte | ¿Qué hace? | Ejemplo |
|---|---|---|
| Percepción | Observa el estado del entorno | Lee tus tareas en Notion |
| Modelo del entorno | Entiende las consecuencias de actuar o no | ¿Qué pasa si dejo esta tarea para mañana? |
| Módulo de decisión | Elige qué hacer según prioridades | Calcula urgencia, impacto, estancamiento |
| Ejecución | Toma acción | Te escribe por Telegram con el resumen del día |
En este artículo nos centramos en la parte de percepción: cómo conectamos nuestro agente a una base de datos real para que lea las tareas.
El proyecto que estamos usando
Estoy desarrollando esto de forma abierta en GitHub, bajo el nombre secretario-ia.
Este agente se conecta a Notion, prioriza tus tareas y te manda un resumen diario. Todo de forma modular, en Python, y con reglas que puedes editar tú mismo.
💡 Si quieres probarlo, aquí tienes el repo:
👉 github.com/Rauljauregi/secretario-ia
¿Y cómo se conecta con Notion?
Usamos una base de datos de Notion con columnas como:
- Task: el título de la tarea
- Priority: baja, media o alta
- Due Date: la fecha límite
- Status: por hacer, en progreso, completada, etc.
Con ayuda de notion-mcp, creamos una API REST que permite a nuestro agente acceder a esta información.
Qué vamos a cubrir hoy
- Cómo conectamos el agente a Notion
- Cómo extrae propiedades clave (nombre, prioridad, fecha, estado…)
- Cómo prioriza con lógica configurable
- Y cómo puedes modificar esa lógica a tu gusto, sin tocar código
¡Vamos allá! Aquí tienes la siguiente parte del artículo, donde explicamos cómo el agente puntúa las tareas, cómo usamos un sistema de reglas en YAML, y por qué esto nos da flexibilidad sin complicarnos la vida:
Cómo decide qué tarea es más importante
Ahora que el agente puede ver las tareas, tiene que tomar decisiones. Y para eso usamos algo muy simple pero potente: una puntuación basada en reglas.
Cada tarea recibe un score que representa su urgencia o importancia.
La puntuación se calcula a partir de tres factores:
-
Prioridad (
Priority)- High: 3 puntos
- Medium: 2 puntos
- Low: 1 punto
-
Estado (
Status)- Not started o In progress: se tienen en cuenta
- Completed, Canceled, subtask-checked: se descartan o penalizan
-
Fecha límite (
Due Date)- Si está vencida, se suma una penalización
- Si está cerca, sube en el ranking
Esta lógica se configura en un archivo .yaml como este:
prioridad:
High: 3
Medium: 2
Low: 1
estado:
Completed: 0
Canceled: 0
subtask-checked: 0.5
In progress: 1
Not started: 1
fecha_limite:
penalizacion_dias_vencida: 1.5 # Aumenta el score si está vencida
penalizacion_dias_restantes: 0.2 # También sube si se acerca la fecha
¿Y por qué lo hacemos así? Porque no hay una única forma de priorizar, y cada persona o negocio puede tener sus propias reglas. Este sistema permite ajustarlas sin tocar una sola línea de código.
¿Y cómo queda el resultado?
Cuando ejecutamos el agente, este es el resumen que vemos por consola:
✅ Tareas recibidas:
- Preparar informe mensual
- Enviar propuesta comercial a cliente
- Llamar al proveedor para confirmar entrega
...
📋 Tareas priorizadas:
1. Revisar contrato urgente con cliente estratégico 🏆 score: 856.5
2. Enviar factura del mes a cliente habitual score: 855.0
3. Finalizar presentación para reunión importante score: 846.0
...
¡Y esta lista es la que podemos enviar por Telegram o usar en cualquier otro flujo de trabajo!
¿Y qué hemos conseguido con esto?
- El agente ya entiende nuestro entorno real: tus tareas en Notion.
- Puede decidir qué hacer primero, con una lógica que tú controlas.
- Lo hace de forma modular y extensible, gracias a MCP y YAML.
Y lo mejor: estamos construyendo una base sobre la que luego podemos sumar inteligencia, lenguaje natural y acciones automatizadas.
¿Qué es eso de MCP?
MCP significa Modular Cognitive Processing. Es una arquitectura para construir agentes inteligentes por partes. Es decir, en vez de crear una IA monolítica que lo hace todo (y es un lío mantenerla), usas pequeños módulos especializados que se comunican entre ellos.
Cada módulo cumple una función clara:
- uno observa el entorno (como tus tareas en Notion),
- otro decide qué hacer,
- otro se comunica contigo, etc.
MCP permite diseñar estos módulos como microservicios o scripts independientes que comparten datos en un formato común. Lo bueno es que puedes desarrollar cada parte poco a poco, probarla por separado, y luego combinarlas para que trabajen en equipo.
MCP es como una caja de herramientas para construir tu propio asistente de IA, paso a paso, con total libertad.
Además, hay una comunidad creciendo alrededor de esta idea. Aquí algunos proyectos MCP que estamos usando:
notion-mcp: para leer bases de datos de Notion de forma estructuradamcp-telegram: para recibir y enviar mensajes por Telegram desde cualquier agentepydantic-ai: para validar y estructurar los datos con IA
En el siguiente artículo, veremos cómo generar mensajes útiles, amables y motivadores, y cómo puedes hablar con tu agente por Telegram para que te ayude a decidir.
¿Quieres probarlo tú?
👉 Aquí tienes el repositorio:
github.com/Rauljauregi/secretario-ia
Solo necesitas Python, una base de tareas en Notion, y muchas ganas de crear algo útil con IA.
Raúl Jáuregui
Consultor IA e I+D+i
ViaLabs digital
Si tienes un proyecto puedo ayudarte a hacerlo realidad. 😀
Artículos relacionados
SEO en la era de la IA: por qué ahora necesitas también GEO
Ahora tu agente inteligente te habla (y no interrumpe)
¿Qué hago primero hoy? Cómo prioriza el agente tus tareas
Ver 27 artículos más
- Tu secretario inteligente: un agente que organiza tu día y te habla por Telegram
- Semántica en la inteligencia artificial: word embeddings en NLP
- Mejora tu IA con Generación Aumentada por Recuperación (RAG)
- Eventos del año: Google I/O 2024 y OpenAI Spring Update
- 🦙 LLaMA 3 ha llegado: Impulso para los Proyectos Open Source
- ¡A Freno Limpio! Tu Coche Pronto Leerá Tu Mente
- Google Cloud Next24: Google se suma a la carrera de los Agentes IA
- El Sesgo y la Varianza en el Machine Learning
- Redes Neuronales: Más Allá de los Fundamentos del Machine Learning
- 🤖 IA vs. Machine Learning vs. Deep Learning
- Explicabilidad vs. Interpretabilidad en IA
- Tendencias en Ciencia de Datos
- Batalla entre los Grandes Modelos de Lenguaje (LLM)
- La Magia del ML en los Pequeños Cultivos de la India
- Descubriendo el futuro: Una red neuronal que supera a los doctores 🏥✨
- Interpretabilidad vs. Explicabilidad: Desvelando el Enigma del Machine Learning
- ¿Software 2.0? ¡Descubre qué es! 🧑💻
- El futuro del ML es local, y va a revolucionarlo todo 📍
- La Revolución Antibiótica gracias a la Inteligencia Artificial
- 🚀 ¡Novedades IA: Gemini Pro y ChatGPT está perezoso! 🤖
- ¡El Competidor de ChatGPT ya está aquí! ¿Estás Listo para Gemini?
- ⚛🧪 380,000 nuevos materiales creados con IA⋆ ༘🔬₊
- Importante avance en IA: Una carta, un algoritmo y el futuro de la humanidad
- 🤖🌟 ¡Tu IA Personalizada! Los GPTs de OpenAI han llegado
- 🔍 Forjando tu negocio con datos e IA
- Cómo aprenden los robots: Actualización y novedades 2023 con NVIDIA y Eureka
- Bienvenido a Mindful ML