Datasette Agent: conversaciones con tus datos SQLite

Tres años lleva Simon Willison desarrollando LLM, su librería Python para trabajar con modelos de lenguaje desde la línea de comandos. El 21 de mayo de 2026 anunció en su blog el primer lanzamiento de Datasette Agent, el punto en el que LLM y Datasette convergen por fin en un único producto. No es una integración menor: es la pieza que convierte Datasette —el explorador de datos SQLite más extendido en el mundo Python— en algo con lo que puedes mantener una conversación.

El anuncio oficial en el blog de Datasette incluye un vídeo de demostración que muestra el flujo básico: el usuario escribe una pregunta en lenguaje natural, el agente la traduce a SQL, ejecuta la consulta contra la instancia de Datasette y devuelve una respuesta legible. Sin escribir una sola línea de SQL.

Qué es Datasette Agent y cómo funciona

Datasette es una herramienta open-source para explorar, publicar y compartir bases de datos SQLite a través de una interfaz web. Tiene una base de usuarios sólida entre periodistas de datos, investigadores y equipos de datos pequeños que necesitan publicar datasets sin infraestructura compleja.

Datasette Agent añade una capa conversacional encima. Internamente se apoya en la librería LLM de Willison, que actúa como capa de abstracción sobre distintos modelos de lenguaje. Esto significa que el agente no está atado a un proveedor concreto: quien configure la instancia decide qué modelo usa por debajo.

Además de la interfaz conversacional, el proyecto estrena su primer plugin oficial: datasette-agent-charts. Instalándolo, el agente puede generar visualizaciones de los datos directamente en la misma conversación. Preguntas del tipo «¿cómo han evolucionado las ventas por trimestre?» devuelven un gráfico, no solo una tabla.

Por qué importa la arquitectura extensible

Lo más relevante desde el punto de vista técnico no es el chat en sí, sino que el sistema está diseñado para ser extensible desde el principio. Datasette lleva años con un ecosistema de plugins activo, y Datasette Agent hereda esa filosofía: cualquier funcionalidad adicional puede llegar en forma de plugin sin tocar el núcleo.

Esto es importante porque los casos de uso de Datasette son muy heterogéneos. Un dataset de presupuestos municipales, un archivo de registros médicos anonimizados o un catálogo de productos tienen estructuras y necesidades de visualización completamente distintas. Una arquitectura rígida fracasaría ante esa diversidad; una extensible deja que la comunidad resuelva sus propios problemas.

También merece atención que LLM, la librería que hace de motor, lleva tres años de desarrollo iterativo y tiene soporte para múltiples backends. Eso da a Datasette Agent una base más madura de lo que el número de versión (primera release) podría sugerir.

Para quién es útil esto hoy

Datasette Agent es especialmente interesante para perfiles que trabajan con datos pero no dominan SQL: periodistas, analistas de políticas públicas, personal de ONGs que gestionan sus propios datasets. También para equipos técnicos que quieren ofrecer acceso exploratorio a datos internos sin construir una interfaz a medida.

Dicho esto, estamos ante una primera versión. La extensibilidad prometida dependerá de cuántos plugins desarrolle la comunidad en los próximos meses. El ecosistema de plugins de Datasette es activo, pero construir plugins de agente —con herramientas, contexto y manejo de errores— exige más cuidado que un plugin de visualización convencional.

Desde ElephantPink vemos con interés cómo herramientas de datos consolidadas empiezan a incorporar capas conversacionales sin abandonar su filosofía original. Que Willison haya tardado tres años en juntar LLM y Datasette —pudiendo haberlo hecho antes— sugiere que ha esperado a tener una base lo suficientemente sólida. Eso, en este sector, suele ser buena señal.