AWS recomienda empezar por la arquitectura más sencilla que resuelva la tarea: un flujo determinista cuando se conocen los pasos y coordinación autónoma cuando aparecen subtareas durante la ejecución. Para elegir, conviene separar tres opciones: una llamada directa al modelo, un agente con herramientas y un sistema de varios agentes. En CooperBench, un conjunto de tareas de programación, Stanford HAI informó que permitir que los agentes se comunicaran tuvo poco impacto en los resultados.

Añade coordinación solo cuando la tarea la necesite; más agentes no garantizan un mejor resultado.

Cómo elegir una arquitectura multiagente

Un árbol de decisión conecta las necesidades de la tarea con una llamada directa al modelo, un agente con herramientas o una coordinación multiagente.

La decisión empieza por el trabajo, no por el número de agentes que parezca más sofisticado. Según la guía de Amazon Web Services (AWS), si basta con generar texto, puede bastar una llamada directa al modelo. Si hacen falta acciones, el siguiente paso es preguntar si se conoce el recorrido de la solución.

Cuando el camino está definido, usa un flujo determinista si el trabajo requiere especialidades distintas; si no, un agente con herramientas puede cubrir las fases cambiando de herramienta. Cuando el camino no está claro, la coordinación autónoma se justifica si hay que explorar o gestionar efectos secundarios importantes. Si no, mantén un agente.

La diferencia práctica es quién decide el siguiente paso. En un flujo fijo, las ramas y el orden se establecen de antemano. En la coordinación autónoma, un modelo puede decidir durante la ejecución qué subtarea abordar o a qué agente pasarla, lo que añade flexibilidad, pero también coste, latencia y dificultad de depuración.

Qué cambia entre los patrones de coordinación

Recorrido en español por agentes con herramientas, enrutadores y sistemas multiagente, con énfasis en cómo combinar esos patrones.

AWS agrupa sus patrones en flujos deterministas y coordinación dirigida en tiempo de ejecución. No son una norma universal: son las categorías que AWS propone para pensar el control del trabajo.

PatrónFlujo de controlUso descrito por AWSConsecuencia práctica
Canalización secuencialCada etapa entrega su resultado a la siguiente.Procesamiento de documentos o triaje de reclamaciones.Es predecible y fácil de seguir; un error puede propagarse a las etapas posteriores.
Flujo condicionalSigue ramas predefinidas según el resultado.Reintentar una tarea si falla o continuar si se supera una comprobación.Conviene fijar un máximo de reintentos y escalar el fallo al alcanzarlo.
Enrutador condicionalClasifica la entrada y la envía por una sola ruta especializada.Derivar solicitudes o incidencias de calidad.Solo se ejecuta la rama elegida, por lo que la decisión de clasificación determina el siguiente paso.
Trabajo paralelo con agregaciónVarias tareas independientes se ejecutan a la vez y luego se combinan.Análisis de fuentes distintas o mantenimiento predictivo.La agregación debe reconciliar los resultados; la latencia depende del trabajador más lento, no de la suma de todos.
Orquestación basada en un planUn planificador asigna tareas y dependencias durante la ejecución.Problemas cuyas subtareas aparecen al investigar.Permite adaptarse, pero aumenta el coste, la latencia y la complejidad de depuración.
Traspaso entre agentesUn agente cede el control a otro junto con el estado de la tarea.Derivar un trabajo a un agente especializado.Un resumen conversacional por sí solo no sustituye un traspaso con estado validado, pruebas y dudas pendientes.
Coordinación por conversaciónLos agentes comparten una conversación y se turnan.Colaboración con turnos por ronda o elegidos por un modelo.El estado queda implícito en el historial compartido.
Debate o consensoVarios agentes evalúan una entrada y se reconcilian sus resultados.Decisiones de gran impacto y bajo volumen, según AWS.AWS lo describe como el patrón más costoso y advierte que puede añadir latencia sin mejorar la precisión en tareas perceptivas.

Un flujo fijo puede incluir tareas paralelas, y un sistema autónomo puede incorporar enrutamiento o validación. Un vídeo en español repasa patrones que van desde el uso de herramientas y los enrutadores hasta la coordinación multiagente, y explica cómo se pueden combinar.

Cómo limitar los riesgos de coordinación

AWS describe cinco antipatrones que ayudan a reconocer cuándo el diseño empieza a añadir riesgos sin control. Sus salvaguardas son recomendaciones de diseño, no una lista de requisitos universales.

AntipatrónRiesgoSalvaguarda propuesta por AWS
Agente todoterrenoUn agente con muchas herramientas no relacionadas puede elegirlas mal y dificulta atribuir los fallos.Dividir las tareas en funciones acotadas; AWS sugiere cinco herramientas o menos para un agente.
Iteración sin límiteLos reintentos consumen recursos y pueden multiplicar los fallos de coordinación.Fijar límites de iteraciones y tokens, con una parada automática al agotarse el presupuesto.
Instrucciones de traspaso en lenguaje libreUna observación tentativa puede convertirse en una afirmación o acción definitiva al pasar entre agentes.Usar traspasos tipados y validados mediante un esquema.
Añadir varios agentes demasiado prontoLa coordinación puede costar más que resolver las fases con un agente que cambia de herramientas.Comprobar primero si un agente puede realizar el trabajo alternando herramientas.
Contactar con clientes sin protecciónUna acción no revisada puede afectar a clientes o sistemas físicos.Aplicar validaciones, reglas de negocio y aprobación humana antes de ejecutar acciones relevantes.

Un límite de reintentos es especialmente útil en una cadena de pasos dependientes. AWS ilustra el efecto con pasos que tienen una fiabilidad del 95 % cada uno: en una secuencia estricta sin reintentos, la fiabilidad conjunta ronda el 59,9 % tras 10 pasos y el 35,8 % tras 20. Es un cálculo ilustrativo, no una medición de un sistema en producción.

El límite de control en la fabricación

Para la fabricación, AWS recomienda que los agentes observen, analicen y propongan recomendaciones, mientras los sistemas deterministas conservan el control de PLC, SCADA y MES. Antes de permitir una acción, plantea validar el estado actual de la tecnología operativa y exigir una aprobación acorde con el alcance de esa acción.

La latencia y la seguridad física condicionan este diseño. AWS recomienda presupuestar la latencia en el percentil 99 y disponer de una alternativa determinista de menos de un segundo. También propone que los equipos de borde procesen señales sensibles al tiempo y que los sistemas en la nube apoyen el análisis entre turnos o plantas.

La memoria requiere otro límite: AWS plantea iniciar cada turno con el contexto del equipo, los objetivos y el relevo anterior; mantener la memoria de trabajo dentro del turno y transmitir al siguiente un resumen de incidencias, anomalías y recomendaciones. Así, la arquitectura puede adaptar el análisis sin delegar el control industrial al agente.

Qué muestra CooperBench sobre los agentes de programación

Stanford HAI describió CooperBench como un conjunto de más de 650 tareas de ingeniería de software elegidas por su potencial de conflicto, en Python, TypeScript, Go y Rust. Los agentes podían editar código, ejecutar comandos locales y comunicarse en tiempo real. Según el resumen de Stanford HAI, habilitar esa comunicación tuvo casi ningún efecto en los resultados; entre los problemas observados hubo avisos de conflictos de combinación ignorados y tareas prometidas que no se completaron.

El resultado se refiere a esas tareas de programación. La comunicación por sí sola no resolvió allí los problemas de coordinación, pero ese hallazgo no determina cómo funcionarán otros diseños o ámbitos. Para evaluar las salidas de un sistema, también puedes consultar nuestra guía sobre cómo evaluar agentes de IA más allá de su respuesta final.