Quien integra agentes de IA en procesos de desarrollo o de negocio toma pronto una decisión de arquitectura: ¿debe un enjambre de subagentes especializados repartirse el trabajo entre ellos, o asume un único agente principal la tarea y carga la información necesaria según la situación? Anthropic, proveedor de los modelos Claude, recomienda ahora la segunda variante.
La recomendación es notable porque las configuraciones multiagente se consideraban en los últimos meses la respuesta obvia a tareas complejas. La idea detrás: cada subagente recibe un ámbito de tarea estrecho, un prompt de sistema propio y herramientas propias, y un agente superior distribuye y recopila. En la práctica, sin embargo, surge un sistema distribuido con todos los efectos secundarios conocidos.
Qué recomienda Anthropic
Anthropic aconseja a las empresas abandonar las arquitecturas multiagente en favor de un único agente principal que carga su contexto según sea necesario. Contexto significa aquí todo lo que se le proporciona al modelo de lenguaje en tiempo de ejecución: instrucciones, documentos, resultados intermedios, descripciones de herramientas. En lugar de distribuir este conocimiento de antemano entre varios agentes especializados, el único agente obtiene de forma específica lo que necesita para el paso de trabajo actual.
En un caso de cliente descrito por Anthropic, la reestructuración duplicó la velocidad. Para la migración, la empresa ofrece un kit de migración en la plataforma de desarrollo GitHub, es decir, una colección de plantillas y herramientas auxiliares con las que se pueden convertir las configuraciones multiagente existentes en una estructura de agente único.
Por qué muchos agentes suelen ser más caros de lo que se piensa
El atractivo de los subagentes reside en la división del trabajo. El precio a pagar es la coordinación. Cada transferencia entre agentes genera llamadas adicionales al modelo, tiempo de espera adicional y puntos adicionales donde la información puede perderse o distorsionarse. Lo que un subagente considera importante debe resumirlo al siguiente en forma de texto, y precisamente este paso intermedio es propenso a errores.
A ello se suma la observabilidad. Si un resultado no es correcto, debe poder rastrearse qué paso fue el responsable. En una cadena de varios agentes, cada uno con su propia memoria, esta búsqueda de rastro es considerablemente más costosa que en un flujo que ocurre en un único contexto. Para la operación, esto significa más logging, más pruebas y más necesidad de explicaciones ante los departamentos especializados.
Cuándo basta un único agente
Un agente principal con contexto recargable encaja sobre todo allí donde las tareas son variadas pero secuenciales: cualificar solicitudes, evaluar documentos, consolidar datos de varios sistemas, analizar y adaptar código. Lo decisivo no es tanto el número de agentes como la calidad de las herramientas de que dispone el agente y la precisión con la que se proporciona la información.
En la práctica, esto significa: interfaces claramente descritas, funciones de búsqueda limpias sobre los propios conjuntos de datos y herramientas que entreguen resultados pequeños y verificables. Un agente que puede consultar de forma específica no necesita un segundo agente que mantenga permanentemente el mismo conocimiento.
Qué significa esto para los proyectos en curso
Para las empresas que ya trabajan con agentes, vale la pena hacer un inventario sobrio. Preguntas guía útiles son:
- ¿Qué subagentes existen y qué tarea cumple cada uno de ellos de forma demostrable por sí solo?
- ¿Cuántas llamadas al modelo corresponden a mera coordinación en lugar de trabajo especializado?
- ¿En qué puntos de transferencia se producen en la práctica la mayoría de los errores?
- ¿Podría representarse el mismo flujo con un agente y mejores herramientas?
Quien considere una simplificación debería tratarla como cualquier cambio de arquitectura: con un criterio de comparación definido. Sin medir el tiempo de ejecución, el coste por proceso y la calidad del resultado antes y después de la reestructuración, toda afirmación sobre mejoras sigue siendo una suposición. Que un proveedor ofrezca un kit de migración ahorra trabajo en la mecánica, no la propia evaluación de los resultados.
Clasificación
La recomendación es también un indicio de lo joven que es aún el campo: patrones que hace poco se consideraban estándar son relativizados por el propio proveedor del modelo. Para las decisiones en las empresas, esto aboga por mantener las arquitecturas de agentes deliberadamente intercambiables y no enterrar la lógica de negocio en el cableado entre agentes.
Para proyectos web y de software, esto significa concretamente: la arquitectura más sencilla que soporta el caso de uso suele ser también la que se puede operar, probar y explicar. En lugar de multiplicar agentes, vale la pena invertir en buenas interfaces, accesos a datos limpios y un registro trazable; estos componentes siguen siendo utilizables aunque los modelos y las recomendaciones vuelvan a cambiar. Y toda simplificación debería verificarse con magnitudes medibles como el tiempo de respuesta, el coste por proceso y la tasa de errores, no con el número de componentes implicados.