BroadRouter
Comenzar

Sistema multiagente (multi-agent system)

Actualizado

Un sistema multiagente es una aplicación de LLM en la que varios agentes, cada uno con su propio prompt, herramientas y contexto, trabajan en partes de una misma tarea. Un diseño común es orquestador-trabajador: un agente líder planifica, lanza agentes trabajadores en paralelo y combina sus resultados.

También llamado: sistema multiagente, sistemas multiagente, multiagente, orquestación de agentes, orquestador-trabajador, multi-agent system, multi-agent, multi-agent orchestration, orchestrator-worker

Un agente resuelve una tarea paso a paso. Un sistema multiagente divide la tarea y ejecuta las piezas a la vez.

Cómo funciona

Anthropic describe su función Research como un “orchestrator-worker pattern, where a lead agent coordinates the process while delegating to specialized subagents.” (traducción: patrón orquestador-trabajador, en el que un agente líder coordina el proceso mientras delega en subagentes especializados.) El líder lee la pregunta, planifica, lanza varios subagentes que buscan en paralelo y redacta la respuesta final a partir de sus resúmenes.

Existen otros diseños. El artículo de AutoGen (Wu et al., 2023) describe un framework en el que agentes “customizable, conversable” (traducción: personalizables y conversacionales) hablan entre sí, con personas y con herramientas, y los desarrolladores programan el patrón de conversación en lenguaje natural o en código.

Un ejemplo práctico de una ejecución orquestador-trabajador:

Lead:     plan -> start 3 workers
Worker 1: search docs for topic A  -> 1,500-token summary
Worker 2: search docs for topic B  -> 1,500-token summary
Worker 3: search docs for topic C  -> 1,500-token summary
Lead:     read 3 summaries -> final answer

Cada trabajador gasta sus propios tokens en buscar y leer. El líder solo ve los resúmenes.

Por qué importa

  • Calidad en tareas amplias. Anthropic reporta que una configuración multiagente con un líder Claude Opus 4 y trabajadores Sonnet 4 “outperformed single-agent Claude Opus 4 by 90.2%” (traducción: superó en un 90.2 % a Claude Opus 4 como agente único) en su evaluación interna de investigación.
  • Coste en tokens. El mismo artículo dice que los agentes usan unas cuatro veces los tokens de un chat, y los sistemas multiagente “about 15× more tokens than chats.” (traducción: unas 15 veces más tokens que los chats.) También reporta que el uso de tokens por sí solo explicó el 80 % de la varianza del rendimiento en BrowseComp. Más agentes suele significar una factura mayor. El artículo sobre el coste de los sistemas multiagente compara la facturación por token y la tarifa plana.
  • Encaje. Anthropic señala que la programación encaja peor, ya que “most coding tasks involve fewer truly parallelizable tasks than research,” (traducción: la mayoría de las tareas de programación implican menos tareas realmente paralelizables que la investigación), y que las tareas con mucho contexto compartido o con dependencias entre agentes se adaptan mal.
  • Concurrencia. Los trabajadores en paralelo son solicitudes en paralelo, así que su límite de concurrencia pone techo a la aceleración.

En BroadNet Inference

BroadNet sirve los modelos; la orquestación se ejecuta en su framework. Hay guías para CrewAI y el OpenAI Agents SDK con una URL base de BroadNet.

Una clave de pago por uso permite 30 solicitudes por minuto y 4 en curso. En los planes de tarifa plana para DeepSeek V4.1 Flash no hay medidor de tokens, lo que elimina el multiplicador de tokens de la factura, pero cada sesión ejecuta una solicitud a la vez. Compre una sesión por cada solicitud al modelo que pueda estar en curso al mismo tiempo: tres trabajadores funcionando a la vez necesitan tres sesiones, y cuatro si el líder sigue llamando al modelo mientras ellos trabajan. Ejecutar agentes de programación en paralelo con una API de tarifa plana repasa los patrones habituales.

Preguntas frecuentes

¿Un sistema multiagente siempre es mejor que un solo agente?

No. Anthropic reporta grandes mejoras en tareas de investigación amplias, pero también que los sistemas multiagente usan unas 15 veces los tokens de un chat, y que la mayoría de las tareas de programación tienen menos partes realmente paralelizables que la investigación.

¿Qué frameworks sirven para crear sistemas multiagente?

AutoGen, el OpenAI Agents SDK, CrewAI y herramientas de programación como Claude Code admiten alguna forma de ellos. El artículo de AutoGen describe agentes que conversan entre sí, con personas y con herramientas.

¿Cuántas solicitudes en paralelo necesita un sistema multiagente?

Una por cada agente que llama al modelo en el mismo momento. Un líder más cuatro trabajadores funcionando a la vez necesitan cinco solicitudes en curso.

Leer en MarkdownPreguntar a ChatGPTPreguntar a ClaudePreguntar a Perplexity