Recurso del reel «Google Voice Agent» · 21 sep 2026
Google sacó la IA que contesta llamadas. Así la montas para tu negocio.
El prompt exacto para pedirle a Antigravity que te arme el agente con Gemini 3.8 Live, la instrucción del sistema con tus reglas y el paso a paso para darle un número de teléfono real sin pagar suscripciones infladas de plataformas intermediarias.
Cópialo y pégalo en Antigravity
1. El Prompt Maestro: pídeselo a la IA
Lo que va entre corchetes lo llenas con los datos de tu negocio. El prompt ya incluye las reglas técnicas de la documentación oficial de Google (septiembre 2026): llamadas a función no bloqueantes, micrófono en PCM a 16 kHz y guardado seguro de llaves.
Ármame un agente de voz que conteste las llamadas de mi negocio.
Mi negocio: [nombre del negocio], [giro: restaurante / consultorio / estética / taller / hotel] en [ciudad].
Lo que la gente aparta o consulta por teléfono: [mesa / cita médica / corte y tinte / cotización].
No sé programar. Explícame cada paso en español y sin tecnicismos, y pregúntame antes de instalar algo, crear cuentas o gastar dinero.
1. Documentación oficial.
Usa la skill oficial gemini-live-api-dev. Si no está instalada, instálala con:
npx skills add google-gemini/gemini-skills --skill gemini-live-api-dev --global
y avísame para reiniciar Antigravity (las skills se indexan al arrancar).
Conecta también el MCP de documentación de Gemini:
npx add-mcp "https://gemini-api-docs-mcp.dev"
Consulta la documentación actual de la Live API (septiembre 2026). No uses ejemplos obsoletos de modelos 2.5 ni 3.1.
2. Modelo y configuración de voz.
- Usa gemini-3.8-live (el modelo GA recomendado para agentes conversacionales de baja latencia).
- No configures thinking_level ni thinking_config (este modelo no los soporta).
- No uses enable_affective_dialog (eliminado de la API).
- No pongas proactive_audio: false (da error).
- Modalidad de respuesta: exclusivamente AUDIO.
- Si mis reservas requieren validar condiciones complejas (varias salas, anticipos bancarios o esperas de varios segundos), cambia a gemini-3.8-live-extended-thinking con thinking_level "low". Ese modelo emite avisos verbales ("déjame revisar disponibilidad...") mientras trabaja de fondo.
3. Seguridad de la llave de API.
- Lee GEMINI_API_KEY desde un archivo .env local y añade .env a .gitignore.
- La llave NUNCA debe estar expuesta en el código del navegador.
- El cliente de audio se comunica con un servidor local WebSocket, y este servidor es el único que habla con la Live API de Google.
4. Detección de idioma natural.
- No fijes un código de idioma forzado.
- El modelo detecta automáticamente entre 97 idiomas y puede alternar a media llamada.
- Configura el saludo inicial en español.
5. Herramientas y funciones en segundo plano (Asynchronous Function Calling).
Declara todas las funciones con behavior: "NON_BLOCKING" para que el agente siga conversando mientras se ejecutan:
- revisar_disponibilidad(fecha, hora, personas_o_servicio)
- crear_reserva(nombre, telefono, fecha, hora, personas_o_servicio, notas): sólo tras confirmación verbal explícita del cliente.
- transferir_a_humano(motivo): para dudas fuera de alcance o solicitud directa de hablar con una persona.
- anotar_recado(nombre, telefono, mensaje)
Reglas de ejecución:
- Guarda las reservas en un archivo local reservas.csv o SQLite.
- Usa scheduling "WHEN_IDLE" al devolver el resultado para no interrumpir al cliente a media frase.
- Si ocurre una interrupción por voz, descarta las llamadas canceladas y valida el estado antes de reintentar.
6. Audio y conversación fluida.
- Captura el micrófono como PCM de 16 bits a 16 kHz (re-muestrea si el navegador graba a 44.1 o 48 kHz).
- Envía el audio en fragmentos de 20 a 40 ms.
- Si llega interrupted: true, detén la reproducción inmediatamente y vacía el búfer de audio.
7. Interfaz de prueba inicial.
- Déjalo corriendo en localhost con una interfaz limpia que tenga botón "Llamar" / "Colgar".
- Muestra en pantalla la transcripción en vivo (input y output) y las funciones ejecutadas en segundo plano.
- Deja la configuración del agente modular para conectarla a una línea telefónica con Voximplant en el siguiente paso.
Por qué funciona: La Live API de Google utiliza WebSockets bidireccionales continuos. Si un agente no tiene declaradas las funciones como NON_BLOCKING, la llamada se congela en silencio incómodo mientras consulta la base de datos.
Personalidad y límites
2. La Instrucción del Sistema
Google exige este orden exacto en el prompt del sistema: Persona → Reglas de conversación → Datos del negocio → Límites (Guardrails). Guárdalo en un archivo aparte (instruccion_sistema.md) para editar tus horarios o precios sin tocar una sola línea de código.
# Quién eres Eres [nombre del asistente, ej. Sofía], recepcionista virtual de [nombre del negocio], un [giro: restaurante / clínica dental / barbería] ubicado en [colonia / ciudad]. Tu función es atender el teléfono, responder preguntas frecuentes y agendar citas o reservas. Hablas con un tono cálido, profesional y conciso. Dices una o dos frases y escuchas. Nunca suenas como un menú telefónico robotizado. Saludas cordialmente en español. Si quien llama habla en inglés u otro idioma, cambias fluidamente a ese idioma sin pedir confirmación. # Información oficial del negocio - Horario de atención: [ej. Lunes a sábado de 9:00 a 20:00. Domingos cerrado.] - Ubicación: [ej. Av. Insurgentes Sur 123, Col. Roma, CDMX. Estacionamiento disponible.] - Servicios y precios: * [Servicio 1]: $[precio] ([duración estimada]) * [Servicio 2]: $[precio] ([duración estimada]) - Formas de pago: [Efectivo, tarjetas de débito/crédito y transferencia.] - Políticas de cancelación: [Se requiere avisar con al menos 2 horas de anticipación.] # Reglas de conversación 1. Saludo breve: "Hola, gracias por llamar a [Negocio], te atiende [Sofía]. ¿En qué puedo ayudarte hoy?" 2. Para agendar: pregunta fecha, hora y número de personas o servicio deseado. 3. Antes de confirmar, repite los datos clave y pide confirmación: "¿Me confirmas tu nombre completo y un número de WhatsApp para mandarte la confirmación?" 4. No des una reserva por cerrada hasta que el cliente diga explícitamente que sí. 5. Si no sabes la respuesta a una pregunta específica, no inventes: ofrece tomar un recado o transferir la llamada con el equipo humano.
Arquitectura real
3. Por qué no es una app y cómo probarlo en local
En el video Alex lo aclara desde el segundo 7: «Ojo, no es una app que descargas en la tienda». Ninguna app de consumo atiende la línea telefónica de una empresa. Es una API en tiempo real.
Prueba cero pesos en Google AI Studio
Entra a aistudio.google.com/live con tu cuenta de Google. Selecciona el modelo Gemini 3.8 Live, pega tu instrucción del sistema, elige una voz (como Kore o Puck) y habla por el micrófono. Puedes validar la fluidez y el acento sin gastar un centavo.
Tu servidor intermedio en Antigravity
Antigravity monta una pequeña aplicación (en Python o Node.js) que abre una conexión WebSocket segura (WSS) con Google. Tu computadora recibe el audio del micrófono en PCM 16-bit 16 kHz y recibe la voz de Gemini a 24 kHz.
La llave nunca en el cliente
Cualquier web donde pegues tu GEMINI_API_KEY en JavaScript público permite que cualquiera te robe la cuota. La llave vive exclusivamente en el backend o en el almacén de secretos de telefonía.
El socio oficial de Google
4. Cómo conectarlo a un número telefónico real
Google no vende números telefónicos. En la documentación oficial de la Live API, Google recomienda un socio oficial para conectar llamadas telefónicas entrantes y salientes: Voximplant.
Generas tu API Key en aistudio.google.com
Creas tu aplicación en manage.voximplant.com
Almacenas GEMINI_API_KEY en Secrets
Copia el código JavaScript que conecta la llamada
Enrutas las llamadas que entren a ese escenario
Asignas un número local (+52 en México o tu país)
require(Modules.Gemini);
VoxEngine.addEventListener(AppEvents.CallAlerting, async (e) => {
const call = e.call;
await call.answer();
// Lee la API key desde el almacenamiento seguro de secretos
const apiKey = await VoxEngine.getSecretValue('GEMINI_API_KEY');
// Inicializa el cliente oficial de Gemini Live de Voximplant
const gemini = VoxEngine.createGeminiClient({
apiKey: apiKey,
model: 'gemini-3.8-live',
voice: 'Kore',
systemInstruction: `Eres la recepcionista de mi negocio. Saluda en español y toma recados o reservas.`
});
// Conecta el audio bidireccional de la llamada telefónica con la IA
gemini.sendMediaBetween(call);
call.addEventListener(CallEvents.Disconnected, () => {
gemini.disconnect();
VoxEngine.terminate();
});
});
Voximplant cuenta con números de prueba gratuitos (hasta 100 llamadas al día) para que pruebes marcando desde tu celular antes de contratar un número fijo dedicado.
Cuentas claras
5. Costos reales: ¿cuánto cuesta por minuto?
Las plataformas SaaS empaquetadas te cobran entre $199 y $800 dólares al mes por hacer exactamente esto. Cuando lo montas directo sobre la API y la infraestructura telefónica, los costos son por uso real:
| Concepto | Proveedor | Tarifa |
|---|---|---|
| Gemini 3.8 Live (Audio In) | Google Cloud | USD $0.005 / min |
| Gemini 3.8 Live (Audio Out) | Google Cloud | USD $0.018 / min |
| Conector Gemini Live | Voximplant | USD $0.004 / min |
| Llamada entrante (México fijo/móvil) | Voximplant | USD $0.005 / min |
| Costo total por minuto de llamada | Directo | ~USD $0.032 / min (aprox. $0.60 MXN) |
Un número local en México cuesta alrededor de $4 USD al mes de renta. Si tu negocio recibe 100 llamadas de 2 minutos al mes, tu factura combinada de Google y telefonía ronda apenas los $10 a $12 USD mensuales.
Letra chica con respaldo oficial
6. Tres reglas de oro antes de salir a producción
Usa la capa de pago (No la gratuita)
Los términos de servicio de Google establecen que los datos enviados en la capa gratuita (Unpaid Services) pueden ser revisados por revisores humanos y utilizados para entrenar modelos. Para llamadas de clientes reales donde se dictan nombres, teléfonos o datos privados, es mandatorio asociar una tarjeta de facturación en Google Cloud para que rijan los términos comerciales de privacidad.
Aviso de Privacidad (LFPDPPP)
Si la llamada se graba o se transcribe para agendar, la legislación mexicana y latinoamericana requiere que el agente mencione brevemente al inicio que sus datos serán tratados conforme al aviso de privacidad disponible en tu sitio web.
Prohibido suplantar humanos para engañar
Las políticas de uso aceptable de Google y Voximplant prohíben engañar a los usuarios afirmando que están hablando con una persona real si preguntan explícitamente. Tu asistente debe admitir con naturalidad que es una inteligencia artificial del negocio.
Sigue aprendiendo
Más guías de agentes y Claude
Claude Code · 16 sep 202620 comandos de Claude Code que ya tienes
Claude Code · 15 sep 2026Cómo crear tus agentes de IA
Claude Code · 10 sep 2026Diez mil agentes¿Lo quieres funcionando en tu negocio sin armarlo tú?
Escríbenos