¿Qué es la orquestación de agentes?
La orquestación de agentes es la lógica que coordina modelos, herramientas y agentes especializados para decidir quién realiza cada parte de una tarea y cómo se combinan los resultados.
Puede existir dentro de un único agente que utiliza herramientas, o entre varios agentes con contextos y responsabilidades separados. No todo sistema orquestado es multiagente.
La orquestación define rutas, delegación, paralelismo, condiciones de salida, reintentos y supervisión. Su función es controlar el trabajo, no añadir más modelos de los necesarios.
Routing y clasificación
Un paso inicial clasifica la entrada y la dirige al flujo, herramienta o especialista adecuado. Funciona cuando las categorías son distintas y cada ruta puede optimizarse de manera independiente.
La ruta desconocida debe tratarse explícitamente. Forzar una solicitud dentro del especialista más parecido puede producir una respuesta segura fuera de su ámbito.
Paralelización
Las subtareas independientes pueden ejecutarse al mismo tiempo y reunirse después. Anthropic distingue entre dividir una tarea en secciones y ejecutar varias perspectivas sobre la misma entrada para después votar o sintetizar.
El paralelismo reduce tiempo cuando las tareas son realmente independientes, pero aumenta coste y exige resolver desacuerdos. No ayuda si cada paso depende del resultado anterior.
Orquestador y trabajadores
Un orquestador analiza la tarea, crea subtareas y las delega a trabajadores. Después reúne y sintetiza los resultados. Este patrón encaja cuando no es posible predecir de antemano qué subtareas harán falta.
Anthropic utiliza una variante en investigación: un agente principal delega búsquedas a subagentes y conserva su contexto para analizar y combinar la evidencia. La calidad depende mucho de cómo formula las tareas y de las herramientas disponibles.
Evaluador y optimizador
Un modelo genera una solución y otro la evalúa según criterios explícitos. El ciclo continúa hasta cumplir la condición o alcanzar un límite. Resulta útil cuando la evaluación puede expresarse con claridad y la mejora iterativa aporta valor.
Sin límites de iteración, coste y calidad mínima, el sistema puede discutir consigo mismo sin mejorar. Cuando exista una comprobación determinista, suele ser preferible utilizarla.
Estado, contexto y contratos
Cada agente necesita una entrada y una salida definidas. Pasar todo el historial a todos los participantes aumenta ruido y coste; pasar demasiado poco hace que pierdan el objetivo o repitan trabajo.
Conviene intercambiar resultados estructurados, procedencia, estado y errores. El orquestador debe distinguir una subtarea completada de una respuesta que sólo parece completa.
Cuándo no merece la pena
Si un único agente con buenas herramientas resuelve el caso, añadir agentes aumenta latencia, coste y superficie de fallo. Tampoco conviene separar roles que comparten prácticamente el mismo contexto y las mismas instrucciones.
La complejidad debe justificarse con una mejora medible en calidad, paralelismo, aislamiento o mantenimiento. La recomendación práctica es empezar simple y separar cuando las evaluaciones muestren un límite real.
Sistemas multiagente
Arquitectura de agentes de IA
Flujos de trabajo con IA
Agentes autónomos
Cómo probar agentes de IA
Si quieres aplicar IA en tu negocio,
Te explico qué hago y cómo trabajo: Aquí