Sistema multiagente (multi-agent system)
Última actualización
Un sistema multiagente reparte el trabajo entre varios agentes de IA con roles distintos. Por qué ayuda con el código, dónde no, y cómo los usa AI CodeOps.
Un sistema multiagente es un sistema de software en el que varios agentes de IA, cada uno con su propio rol, sus propias instrucciones y a veces su propio modelo o sus propias herramientas, trabajan en partes de una tarea y se pasan los resultados. En la programación con IA, los agentes suelen reflejar un equipo: alguien planifica, alguien desarrolla, alguien revisa, alguien prueba.
Qué es
Cada agente suele ser un modelo de lenguaje con un prompt específico de su rol. Lo que lo convierte en un sistema es la estructura que los rodea: quién va primero, qué ve cada uno y cómo se combinan sus salidas. Las formas habituales son un pipeline (cada agente pasa el trabajo al siguiente), un bucle de revisión (uno escribe, otro critica), un debate (dos proponen, un tercero juzga) y un abanico o fan-out (varios miran lo mismo desde ángulos distintos y después un paso los fusiona).
La capa de orquestación decide esa estructura.
Por qué importa
La principal ventaja para el código es la separación: el agente que comprueba un cambio no es el que lo escribió, y cada agente recibe un trabajo acotado con instrucciones ajustadas para él. Eso detecta más que un único modelo revisando su propia salida. Los costos también son reales: más llamadas al modelo, más tokens y más puntos por los que se puede propagar un malentendido. Los agentes especializados ayudan cuando los roles son de verdad distintos; no hacen fuerte a un modelo débil.
En AI CodeOps
Cada sesión ejecuta un flujo de trabajo: una lista fija de pasos, cada uno ejecutado por un agente. Hay 16 flujos de trabajo integrados y más de 20 agentes integrados, desde Architect y Builder hasta Security Auditor, Dependency Auditor y Site Reliability. Dos ejemplos:
Plan, Build, Review & Test (default)
Plan (Architect) → Build (Builder) → Review (Reviewer) → Test (Tester)
Parallel Review
Correctness review (Reviewer) → Security review (Security Auditor)
→ Test coverage review (Tester) → Merge findings (Architect)
Los pasos se ejecutan uno tras otro, y cada uno ve lo que escribieron los anteriores, así que un paso de fusión o de síntesis trabaja a partir de todas las revisiones previas. En Architecture Debate, dos arquitectos proponen, un revisor critica y el arquitecto sintetiza. Nada se decide por votación.
Los pasos que comprueban el trabajo, como Review y Test, van después del paso que implementa el cambio. Se ejecutan cuando el cambio ya está escrito y tus pruebas ya se han ejecutado en un sandbox, y se les muestra el diff y el resultado de las pruebas. Los agentes no califican su propio trabajo al final: una pasada de hallazgos aparte lee el diff real con las notas de revisión como contexto. Sus hallazgos se atribuyen al Security Auditor si ese agente se ejecutó y, si no, al Reviewer. Después, una persona aprueba o rechaza.
La página de la sesión muestra cada paso en directo, con su agente, su estado y los tokens y el costo hasta el momento.
Términos relacionados
- Orquestación de agentes: cómo se ejecutan, se limitan y se comprueban los pasos.
- Humano en el bucle (human-in-the-loop): la persona que viene después de los agentes.
- Protocolo MCP (Model Context Protocol): cómo llegan los agentes a herramientas externas.
Preguntas frecuentes
¿Los agentes de AI CodeOps votan sobre un cambio?
No. Cada paso escribe su análisis por turnos, y un paso posterior o la pasada de hallazgos los lee todos. No hay votación ni recuento de consenso.
¿Los agentes de Parallel Review se ejecutan a la vez?
No. Cada flujo de trabajo ejecuta sus pasos uno tras otro. Parallel, debate y swarm describen cómo se reparten el trabajo los pasos, no el momento en que se ejecutan.
¿Puedo añadir mis propios agentes?
Para los roles integrados, sí. En Configure → Agents puedes dar a un agente tu propio prompt, modelo y permisos, y tiene efecto allí donde un paso de un flujo de trabajo usa ese agente.