Delegación a Subagentes (Arquitectura de Subagentes)
Patrón arquitectónico jerárquico para construir sistemas AI complejos. En lugar de intentar resolver todo con un único modelo de lenguaje universal, se crea un agente orquestador principal (Router/Manager) que descompone tareas y las delega a subagentes especializados (Investigador, Programador, Crítico).
1. Visión general del concepto y problema sistémico
En cualquier empresa real, el director no hace todo por sí mismo: no escribe el código del sitio, no lleva la contabilidad, no limpia la oficina y no configura los anuncios publicitarios al mismo tiempo.
El director mantiene en mente el objetivo general, lo descompone en partes y dice:
- “Contador, prepara el informe”.
- “Abogado, revisa el contrato”.
- “Diseñador, crea el boceto”.
De manera similar, la inteligencia artificial ha evolucionado: de intentar crear “un monstruo para todos los casos” la industria ha pasado a la Arquitectura de Delegación a Subagentes (Subagents / Multi-Agent Systems).
Modelo mental: un departamento digital completo de la empresa, donde cada bot tiene un puesto y área de responsabilidad claramente definidos.
2. Taxonomía arquitectónica y modelo mental
┌──────────────────────────────┐
│ AGENTE ORQUESTADOR │
│ (Gerente de Proyecto / LLM)│
└──────────────┬───────────────┘
│
┌─────────────────────────┼─────────────────────────┐
▼ ▼ ▼
┌─────────────────┐ ┌─────────────────┐ ┌─────────────────┐
│ SUBAGENTE #1 │ │ SUBAGENTE #2 │ │ SUBAGENTE #3 │
│ (Investigador)│ │ (Programador) │ │ (Crítico) │
├─────────────────┤ ├─────────────────┤ ├─────────────────┤
│ Busca sitios, │ │ Escribe código │ │ Prueba el código │
│ analiza datos │ │ limpio según la │ │ en busca de │
│ │ │ especificación │ │ errores y fallos │
└─────────────────┘ └─────────────────┘ └─────────────────┘
3. Pipeline técnico y mecánica interna
- Contexto aislado: cada subagente recibe solo la información necesaria para su paso. Sin basura adicional en la memoria.
- Uso de diferentes modelos para ahorro: el gerente principal puede trabajar en el modelo más inteligente y costoso (Claude 3.5 Sonnet), mientras que 10 subagentes para un simple análisis de sitios utilizan modelos rápidos y casi gratuitos (Claude Haiku o GPT-4o-mini).
- Verificación de calidad independiente (Double-Check): el agente programador nunca debe verificar su propio código. Este es revisado por un agente revisor separado con un prompt sistemático estricto: “Encuentra 3 debilidades”.
4. Escenarios prácticos de ingeniería en producción
Si su tarea empresarial parece demasiado compleja para un solo chat — divídala en roles. Cree un sistema de varios subagentes, donde cada uno realiza una acción simple, y obtendrá un resultado impresionante de fiabilidad industrial.
01. Análisis de Competencia
Un gerente lanza varios subagentes para investigar precios de competidores en diferentes mercados simultáneamente, optimizando el tiempo de respuesta.
02. Desarrollo de Software
Un subagente programador recibe especificaciones y produce código, mientras que un subagente crítico revisa el código en busca de errores, asegurando calidad y eficiencia.
03. Generación de Informes
Un subagente investigador recopila datos de múltiples fuentes y los envía a un subagente analista, que genera un informe comparativo, facilitando la toma de decisiones.
5. Errores comunes, trampas y seguridad
- Sobrecarga de contexto: Asegúrese de que los prompts sean claros y específicos para evitar confusiones entre subagentes.
- Falta de coordinación: Establezca protocolos claros de comunicación entre subagentes para evitar malentendidos y errores en la entrega de tareas.
- Dependencia excesiva de un solo modelo: Diversifique los modelos utilizados para diferentes tareas para maximizar la eficiencia y minimizar costos.
FAQ: Delegación a Subagentes (Arquitectura de Subagentes)
Términos relacionados
Agentes de IA (Agentes Autónomos)
Sistema autónomo basado en un modelo de lenguaje grande que no solo responde a mensajes, sino que planifica secuencias de acciones, utiliza herramientas externas (navegador, terminal, bases de datos) y ejecuta tareas complejas sin supervisión constante humana.
Microsoft AutoGen
Marco de trabajo abierto líder de Microsoft para crear sistemas de conversación multiagente. Permite combinar múltiples agentes de IA con diferentes roles y habilidades en un chat grupal (GroupChat), donde discuten, escriben código, lo prueban y alcanzan objetivos comerciales en conjunto.
Ciclo de Acción del Agente (Thought ➔ Action ➔ Observation / ReAct)
Patrón algorítmico fundamental para el funcionamiento de agentes autónomos (conocido como ReAct: Reasoning + Acting). Consiste en un ciclo infinito de tres pasos: 1) Pensamiento (Thought) — análisis de la situación; 2) Acción (Action) — llamada a la herramienta; 3) Observación (Observation) — análisis del resultado y ajuste del plan.
Recursos relacionados del ecosistema
Guías prácticas, terminología clave y habilidades de agentes
Subagents (Subagentes y Delegación)
Patrón arquitectónico para lanzar agentes secundarios aislados de un solo uso para la ejecución paralela de subtareas intensivas en recursos sin contaminar la ventana de contexto del proceso padre.
Agente-a-Agente Protocolo (A2A)
Estándar abierto para la interacción en red, descubrimiento descentralizado y intercambio seguro de contexto entre agentes de IA independientes de diferentes proveedores y plataformas.
Subagentes y trabajo en paralelo en Claude Code: ejecución simultánea de tareas
Guía completa para la paralelización de tareas en Claude Code: arquitectura de subagentes, contexto compartido y aislado, patrones Fan-Out y Swarm, ejecución CLI headless con -p y optimización de tokens.
Claude Code reduce un 99% el coste de actualizar el estado de los subagentes en segundo plano
En la versión CLI de Claude Code, Haiku 5.5 ahora actualiza el estado de los subagentes en segundo plano a partir de notas breves, lo que reduce el consumo de límites.
Referencia práctica: arquitectura de agentes de IA en 2026
Referencia de ingeniería para arquitecturas de agentes autónomos: seis capas del sistema, cinco patrones de orquestación, jerarquía de memoria, cortafuegos de bucle y lista de verificación para producción.
OpenCode afirma obtener 30 veces más uso de DeepSeek por el mismo precio
El cofundador de OpenCode, Dax, dijo que el equipo encontró una forma de mejorar significativamente la eficiencia de uso de DeepSeek: ahora $10 rinden lo que antes costaba $300.