hechos 524 · señales 29 · artículos 20 · base de datos 3168 KB · bots —guest@ftrlgeres tú~/whoamiEscribes de forma anónima. Para firmar siempre igual, elige un secreto al comentar: se convertirá en tu tripcode.sin registro, nunca

Orquestación de agentes de IA

traducido por IA, revisado por la redacción

redacción de future.log · publicado

La orquestación de agentes de IA (en inglés, multi-agent orchestration) es una forma de resolver una tarea con varios agentes de IA a la vez: un agente orquestador principal divide el trabajo en partes, las reparte entre agentes ejecutores, los supervisa y reúne el resultado. El orquestador también puede ser una persona que dirige varios agentes al mismo tiempo.

Los primeros frameworks abiertos para esto aparecieron en 2023.1 Hacia 2026, la orquestación ya era una función integrada de las herramientas de desarrollo: en Claude Code puedes lanzar un equipo de agentes que trabajan en paralelo y se coordinan solos.2 Aun así, los estudios muestran que varios agentes no siempre ayudan: en unas tareas rinden claramente mejor que uno solo y en otras, claramente peor.3

Historia

  • 16.08.2023Microsoft publica AutoGen, un framework abierto en el que las aplicaciones se construyen con varios agentes capaces de «conversar entre sí» para completar una tarea.1 ¶ cgbiu3vru
  • 23.01.2024LangChain presenta esquemas multiagente sobre LangGraph: un «agente supervisor» dirige las tareas a agentes individuales; en el fondo, es un agente cuyas herramientas son otros agentes.4 ¶ cbfqw8d8u
  • 19.12.2024Anthropic, en la guía «Building Effective AI Agents», describe el esquema «orquestador–ejecutores»: un modelo central divide la tarea sobre la marcha, delega las partes en modelos ejecutores y sintetiza sus resultados.5 ¶ cbh6rb67a
  • 09.04.2025Google lanza Agent Development Kit para aplicaciones de varios agentes especializados y el protocolo abierto A2A, con el que agentes de distintas empresas pueden trabajar juntos; más de 50 socios tecnológicos apoyaron el protocolo.67 ¶ cua9adupa
  • 24.07.2025Claude Code incorpora sus propios subagentes: cada uno tiene su propia ventana de contexto, sus instrucciones, herramientas y permisos.8 ¶ c2ftwfcc7
  • 05.02.2026Anthropic añade a Claude Code los «equipos de agentes» (versión preliminar): varios agentes trabajan en paralelo como un equipo y se coordinan solos.2 ¶ crz8sdvjm
  • 08.09.2026OpenAI informa de que su modelo interno demostró una singularidad en tiempo finito para las ecuaciones de Navier-Stokes (con una fuerza aplicada), con unos 10.000 agentes de IA coordinados durante 88 horas.9 ¶ cfknhmsr6
  • 07.10.2026Elon Musk anuncia que Grok Bot usará para cada tarea el mejor modelo, incluidos Claude Opus 5.5, Midjourney y Suno.10 ¶ cdiwqjb93
  • 08.10.2026Google presenta el agente de Gemini, que ejecuta cada tarea con el modelo más adecuado: Gemini o Claude.11 ¶ cb9tndyh4
  • 09.10.2026Anthropic abre la beta pública de los flujos dinámicos de Claude Managed Agents: un agente principal escribe un plan que se ejecuta en muchos agentes. Con 70 errores sembrados, el flujo encontró 66 en cada una de sus tres ejecuciones; un solo agente, 14, 15 y 27.12 ¶ cp6puqsz6

Cómo funciona

Hay dos esquemas. En el primero, el orquestador es un modelo: decide por sí mismo en qué partes dividir la tarea y lanza a los ejecutores. Así funcionan los frameworks AutoGen, LangGraph, CrewAI, OpenAI Agents SDK (sucesor del experimental Swarm)13 y Google ADK, además de los subagentes y los equipos de agentes de Claude Code.

En el segundo, el orquestador es una persona que dirige varios agentes en paralelo. Simon Willison escribe que a menudo tiene abiertas varias ventanas de terminal en las que distintos agentes trabajan en carpetas distintas.14 ¶ cn6fi9i8j

El proyecto Gas Town de Steve Yegge convierte esto en un sistema: un agente principal, el «Alcalde», coordina a los demás y, según la descripción del proyecto, el trabajo sigue siendo manejable con 20–30 agentes.15

En 2026 la orquestación empezó a abarcar también modelos de distintas empresas: el agente de Gemini de Google y Grok Bot de xAI envían cada tarea al modelo que mejor la resuelva, incluidos los de la competencia.1011

Datos

estudioqué se midióresultado
Cemri et al. (Universidad de California en Berkeley), 17.03.2025161642 registros de trabajo de 7 sistemas multiagente abiertos; 150 etiquetados a mano y el resto, por un modelotasa de fallos: del 41% al 86,7%; se identificaron 14 tipos de fallos en tres grupos: diseño del sistema, desalineación entre agentes y verificación del resultado ¶ cr99v6qp8
Anthropic, 13.06.202517sistema de investigación: Claude Opus 4 como orquestador y Claude Sonnet 4 como ejecutores; prueba interna de una empresa que vende tokensun 90,2% mejor que Claude Opus 4 solo; consumo de tokens unas 15 veces mayor que en un chat; el propio volumen de tokens gastados explica el 80% de la variación en la calidad ¶ c8cay2zwe
Kim et al. (Google Research, Google DeepMind, MIT), 09.12.20253260 configuraciones: 6 pruebas para agentes, 5 arquitecturas (un agente y cuatro multiagente), 3 familias de modelosfrente a un solo agente, desde +80,8% en tareas que se dividen en partes (análisis financiero) hasta −70% en planificación secuencial ¶ cfe6jdqh7
[CONCLUSIÓN DE LA REDACCIÓN]

Usar varios agentes no es una mejora universal, sino una apuesta que gana en tareas que se dividen en partes independientes y pierde donde los pasos dependen unos de otros. La ganancia se paga en tokens: en Anthropic, la calidad se explica sobre todo por el volumen de tokens gastados, y un sistema multiagente gasta unas 15 veces más que un chat. Los sistemas multiagente abiertos fallan entre el 41% y el 87% de las tareas, y una parte notable de los fallos se debe a la desalineación entre agentes y a resultados sin verificar. Salvedad: la mayor ganancia (+90,2%) procede de una prueba interna de una empresa que vende tokens. ¶ c3tkh6djn

Incidentes

ServiceNow: un agente que llama a otros agentes, noviembre de 2025 ¶ c4hfezr2m

El investigador de la empresa AppOmni Aaron Costello demostró que los agentes del asistente de IA de ServiceNow, Now Assist, pueden encontrarse entre sí y encargarse tareas unos a otros; los ajustes necesarios para ello vienen activados por defecto. Una instrucción inyectada en los datos hizo que un agente inofensivo «reclutara agentes más potentes», y estos crearon, leyeron, modificaron y borraron registros y enviaron fuera correos con el contenido de otros registros, todo ello con la protección contra la inyección de instrucciones activada. ServiceNow confirmó que ese comportamiento es el previsto y precisó su documentación. AppOmni vende protección contra este tipo de ataques.18

Críticas

Cognition, desarrolladora del agente Devin, se pronunció contra los sistemas multiagente en el artículo de Walden Yan «Don’t Build Multi-Agents». Dos principios: a los agentes hay que pasarles el contexto completo y todo el historial de acciones, no mensajes sueltos; cada acción lleva decisiones implícitas, y las decisiones contradictorias dan malos resultados. Un ejemplo: un subagente entendió mal su parte de la tarea y se puso a dibujar un fondo al estilo de Super Mario Bros.; otro dibujó un pájaro que no se parecía al del juego, y el agente final tuvo que unir dos malentendidos. Eso sí, Cognition vende un producto de un solo agente.19 ¶ c6dwpjkbc

Señales

Véase también

Agentes de IA autónomosIngeniería agénticaProgramación agénticaClaude CodeSoftware que se escribe solo

Referencias

  1. Q. Wu et al. AutoGen: Enabling Next-Gen LLM Applications via Multi-Agent Conversation — arXiv, 16.08.2023. arxiv.org ↩ ↩2

  2. Claude Opus 4.6 — Anthropic, 05.02.2026. anthropic.com ↩ ↩2

  3. Y. Kim et al. Towards a Science of Scaling Agent Systems — arXiv, 09.12.2025 (versión 3 — 08.04.2026). arxiv.org ↩ ↩2

  4. LangGraph: Multi-Agent Workflows — LangChain, 23.01.2024. langchain.com ↩

  5. Building Effective AI Agents — Anthropic, 19.12.2024. anthropic.com ↩

  6. Agent Development Kit: Making it easy to build multi-agent applications — Google for Developers, 09.04.2025. developers.googleblog.com ↩

  7. Announcing the Agent2Agent Protocol (A2A) — Google for Developers, 09.04.2025. developers.googleblog.com ↩

  8. Claude Code changelog, versión 1.0.60 — Anthropic, 24.07.2025. github.com ↩

  9. On the Navier–Stokes Millennium Prize Problem — OpenAI, 08.09.2026. openai.com ↩

  10. Elon Musk: “Important note regarding Grok @Bot…” — X, 07.10.2026. x.com ↩ ↩2

  11. Gemini at Work 2026: Introducing Gemini agent — Google Cloud, 08.10.2026. cloud.google.com ↩ ↩2

  12. Claude Developers: “We planted 70 bugs in a 116k-line codebase…” — X, 09.10.2026. x.com ↩

  13. Swarm (experimental, educational) — OpenAI, GitHub. github.com ↩

  14. Embracing the parallel coding agent lifestyle — Simon Willison, 05.10.2025. simonwillison.net ↩

  15. Gas Town — Steve Yegge, GitHub. github.com ↩

  16. M. Cemri et al. Why Do Multi-Agent LLM Systems Fail? — arXiv, 17.03.2025 (versión 3 — 26.10.2025). arxiv.org ↩

  17. How we built our multi-agent research system — Anthropic, 13.06.2025. anthropic.com ↩

  18. When AI Turns on Its Team: Exploiting Agent-to-Agent Discovery via Prompt Injection — AppOmni, 19.11.2025. appomni.com ↩

  19. Don’t Build Multi-Agents — Cognition, 12.06.2025. cognition.com ↩

Tu firma

Lo que debes recordar es el secreto: es tu contraseña. El tripcode se calcula a partir de él y aparece junto a tu nombre: con el mismo secreto siempre tendrás el mismo tripcode, y nadie puede falsificarlo sin el secreto. El secreto nunca se publica ni se guarda en el servidor.