Muchos agentes: orquestador y subagentes
El contexto de un agente se llena en un trabajo grande. ¿Y si lo repartes entre varios?
La idea que hay dentro
Un orquestador delega subtareas a subagentes, cada uno con su propio contexto limpio.
Después de esta lección
Puedes explicar los patrones orquestador–subagente, el reparto en paralelo y cuándo multi-agente ayuda o sale mal.
Adónde lleva
A lo largo de todas estas sesiones, ¿cómo recuerda algo un agente?
Dentro de esta lección
Ese es el escenario real de la lección, en pausa. Reclama tu pase para operarlo.
Mira cómo funciona la IA de verdad, de principio a fin.
Esta lección es solo una parada del arco completo. Desbloquéalo todo y consérvalo de por vida.
Lo que obtienes
- El camino principal de 34 lecciones, una ruta que sí se termina, de una palabra a los agentes
- Rutas por objetivo para usar IA en el trabajo y construir funciones con IA
- Labs de jefe que te hacen aplicar un acto entero, no solo reconocerlo
- Repaso espaciado que trae cada idea de vuelta antes de que la olvides
- Memoria del curso: cada término definido, con enlaces a donde aparece por primera vez
- Una tarjeta de capacidades para compartir cuando termines el camino principal
- Acceso de por vida en cualquier dispositivo, con todas las lecciones futuras incluidas
No son videos para mirar. Predices, operas la máquina y luego lo demuestras. Por eso se queda.
99 lecciones y retos interactivos. Sin videos, sin código.
Pase de lanzamiento gratis: acceso de por vida, sin tarjeta
¿Nuevo por aquí? Las primeras lecciones son gratis para probar. Empieza con la lección 0.1
Qué muestra esta lección
Un orquestador delega subtareas a subagentes, cada uno con su propio contexto limpio.
La pregunta con la que abre
El contexto de un agente se llena en un trabajo grande. ¿Y si lo repartes entre varios?
El recorrido, en palabras de la propia lección
- Arrastra contratos de proveedores a un solo context window. Empuja más allá de la línea del 100%.
- Predice: el context de un agent se llena en un trabajo grande, ¿y si lo divides?
- Un agent líder reparte los contratos entre ayudantes: cada ayudante lee su parte en un context LIMPIO.
- Divide el trabajo. Más subagents = contexts más livianos, pero más sobrecarga.
- Reparte para búsquedas amplias, pero usa un solo agent enfocado cuando puedas.
- Sigue agregando contratos hasta que la barra se desborde más allá de la línea del 100%.
- Seis contratos completos no caben en un window: las notas viejas se caen y la comparación se desvía.
- El context se desborda con 6 contratos. ¿Cuál es la solución?
- Divídelo: dale a cada agent un grupo con su propio context nuevo, y luego une, ningún window lo sostiene todo.
- El líder guarda el objetivo, no las páginas: cada ayudante lee sus 2 contratos limpio y devuelve un resumen corto. Al líder se le llama orquestador; a los ayudantes, subagents.
- 1 subagent = el agent único original que se desborda.
- Los llenados de context, las unidades de tiempo y los costos de aquí son ilustrativos, no medidos de una corrida real.
- Claude Code hace exactamente esto cuando lanza subagents; los modos de investigación se reparten entre sitios web de la misma manera.
- Cada subagent es otro context completo que pagar, más la coordinación para dividir y unir. Más agents también pueden fragmentar el trabajo: cada uno ve solo su parte, así que la síntesis puede perder conexiones. Para trabajos simples o secuenciales, un solo agent enfocado es más barato, más simple y a menudo más preciso. Reparte solo cuando el trabajo es de verdad amplio y paralelo.
- A medida que los agentes se multiplican, cada vez llaman no solo a tools sino a otros agentes, entre equipos e incluso empresas. Protocolos abiertos estandarizan esa fontanería: MCP para conectar un agente a tools y datos, y protocolos estilo agent-to-agent (A2A) para que un agente delegue en otro. La ventaja es la componibilidad; el riesgo es que los errores y el prompt injection se acumulan a través de los saltos, y cada frontera entre agentes es una nueva frontera de confianza que tienes que acotar y verificar, igual que una tool.
- Un agent de programación tiene que auditar 40 archivos en busca de un fallo de seguridad, pero meter los 40 en un solo context hace que pierda el hilo. ¿Cómo lo manejaría un esquema multi-agent?
- Un orchestrator lanza varios subagents, cada uno con su propio context limpio auditando unos pocos archivos en paralelo, y devuelve un resumen corto para unirlo. Reparte así solo cuando el trabajo es de verdad amplio; para una tarea rápida y secuencial, un solo agent enfocado es más barato y más preciso.
- 6 contratos completos no caben en un window: el context más viejo se cae.
- Todavía hay espacio en el window, sigue agregando contratos.
- Cada subagent sostiene solo su parte: sobra espacio.
- Los carriles corren en paralelo; la barra corta del orquestador es la unión.
La idea clave
Puedes repartir un objetivo grande entre subagentes, y saber cuándo un solo agente enfocado es la mejor opción.
Qué puedes hacer después de esta lección
Puedes explicar los patrones orquestador–subagente, el reparto en paralelo y cuándo multi-agente ayuda o sale mal.
Ponte a prueba: ¿Cuándo vale la pena multi-agente (orquestador + subagentes)?
- Para trabajo amplio y en paralelo que desborda un contexto, no tareas simples y secuenciales(correcta)
- Siempre, más agentes siempre es mejor
- Nunca, un agente puede con todo
- Solo para chatbots
Varios agentes valen la pena para trabajo amplio y paralelo que no cabe en un solo contexto. Para tareas simples y secuenciales, el coste de coordinarlos no compensa.
Adónde lleva: A lo largo de todas estas sesiones, ¿cómo recuerda algo un agente?
Este es el resumen escrito. La lección en sí es interactiva: arriba predices, arrastras y operas el mecanismo, y la revelación te responde.