# Solución de problemas

> Soluciones a problemas comunes de PentAGI: un flow que falla en su primera llamada al modelo, errores del tool-call parser, advertencias del instalador en macOS y modelos pequeños que se quedan atascados.

Empieza con los logs de ambos extremos de la conexión: `docker compose logs -f pentagi` para PentAGI y los logs de tu backend o proxy de modelos.

## [Un flow falla con "failed to select primary docker image via llm call"](https://pentagi.com/es/docs/deployment/troubleshooting/#a-flow-fails-with-failed-to-select-primary-docker-image-via-llm-call)

Lo primero que hace un [flow](https://pentagi.com/es/docs/glossary/#flow) es pedirle al modelo que elija una imagen de Docker, a través del [agent type](https://pentagi.com/es/docs/glossary/#agent-type) `simple`. Este error casi siempre apunta al backend del modelo, no a Docker:

1. Revisa los logs de PentAGI y los de tu backend de modelos.
2. Verifica que la URL base, la clave API y el nombre del modelo sean correctos y accesibles desde el contenedor.
3. Esta llamada no envía herramientas, así que falla por la conexión, la clave o el modelo, no por [tool](https://pentagi.com/es/docs/glossary/#tool) calling: comprueba que el modelo del `simple` [agent](https://pentagi.com/es/docs/glossary/#agent) responda a una petición de chat sencilla. Un tool-call parser faltante se manifestará más tarde, cuando los agents empiecen a llamar a herramientas.

## [Errores del tool-call parser con modelos autoalojados](https://pentagi.com/es/docs/deployment/troubleshooting/#tool-call-parser-errors-with-self-hosted-models)

PentAGI controla los agents mediante [tool calls](https://pentagi.com/es/docs/glossary/#tool-call), por lo que un backend personalizado debe devolver JSON de tool call válido al estilo OpenAI. Los síntomas de un parser ausente o incompatible incluyen `Failed to parse tool call arguments as JSON`, flows que se detienen tras unos pocos pasos y tool calls que entran en bucles sin converger.

* Habilita el tool-call parser y la plantilla de chat recomendados para el modelo que sirves en llama.cpp, SGLang o vLLM.
* Valida el [provider](https://pentagi.com/es/docs/glossary/#provider) con la utilidad `ctester` antes de ejecutar un flow completo.
* Actualiza PentAGI: las versiones recientes sanean argumentos malformados para que una sola respuesta defectuosa ya no detenga un flow.

## [macOS marca el instalador](https://pentagi.com/es/docs/deployment/troubleshooting/#macos-flags-the-installer)

Las compilaciones para macOS están firmadas y notariadas. Si macOS sigue advirtiendo sobre el instalador, no lo anules con **Abrir de todas formas**: elimina el archivo y vuelve a descargar el archivo correspondiente a tu CPU desde los enlaces oficiales: `darwin/amd64` para Intel, `darwin/arm64` para Apple silicon. Nunca reutilices un archivo procedente de una fuente no oficial.

## [Los modelos más pequeños se atascan](https://pentagi.com/es/docs/deployment/troubleshooting/#smaller-models-get-stuck)

Habilita el [monitoreo de ejecución y la planificación de task](https://pentagi.com/es/docs/concepts/agents/#safeguards) y asigna al agent `adviser` un modelo más potente o un ajuste de razonamiento más alto.

## [¿Sigues atascado?](https://pentagi.com/es/docs/deployment/troubleshooting/#still-stuck)

Pregunta en [Discord](https://discord.gg/2xrMh7qX6m) o [abre un issue](https://github.com/vxcontrol/pentagi/issues) incluyendo las líneas de log relevantes.