Orquestación de agentes LLM: qué es, patrones y cuándo conviene

Un agente basado en un modelo de lenguaje (LLM) puede leer un correo, consultar una base de datos y redactar una respuesta. Pero cuando el proceso tiene muchas etapas, distintas fuentes de información y reglas de negocio que no se pueden saltar, un solo agente con un prompt enorme empieza a fallar: olvida instrucciones, mezcla tareas y se vuelve difícil de auditar. Ahí entra la orquestación de agentes LLM: la forma de coordinar varios agentes especializados, y las herramientas que usan, para resolver un proceso completo de manera confiable.

Este artículo explica qué es la orquestación, los tres patrones más usados (supervisor, pipeline y enjambre) y cómo decidir si tu caso la necesita.

Qué es la orquestación de agentes LLM

Un agente es un LLM al que se le da un objetivo, un conjunto de herramientas (APIs, consultas SQL, búsqueda en documentos, envío de mensajes) y la capacidad de decidir qué herramienta usar en cada paso. La orquestación es la capa que está por encima: define qué agentes existen, qué responsabilidad tiene cada uno, en qué orden trabajan, qué información se pasan y qué ocurre cuando algo sale mal.

En la práctica, una capa de orquestación resuelve cuatro cosas:

• Enrutamiento: a qué agente o modelo va cada tarea.
• Estado compartido: qué sabe cada agente del trabajo de los demás y qué se guarda entre pasos.
• Control: límites de iteraciones, validaciones, puntos de aprobación humana y manejo de errores.
• Observabilidad: registro de cada decisión, llamada a herramienta y costo, para poder auditar y mejorar.

Si quieres una visión más general de por qué los sistemas multi-agente están cambiando los procesos empresariales, la revisamos en agentes de IA y orquestación multi-agente. Aquí nos enfocamos en la arquitectura.

Patrón supervisor

En el patrón supervisor hay un agente coordinador que recibe la solicitud, la descompone en subtareas y las delega a agentes especialistas: uno que busca en la documentación interna, otro que consulta el ERP, otro que redacta. El supervisor recibe los resultados, decide si están completos y arma la respuesta final.

Cuándo funciona bien:

• Solicitudes variadas donde no se sabe de antemano qué pasos se necesitan, como una mesa de ayuda interna o un asistente para el equipo comercial.
• Casos donde cada especialista necesita herramientas y permisos distintos, y conviene aislarlos.

Qué cuidar: el supervisor es un punto único de falla y de costo. Cada vuelta de coordinación es una llamada más al modelo, así que hay que limitar las iteraciones y darle criterios claros para cerrar la tarea. También conviene que los especialistas devuelvan resultados estructurados (por ejemplo JSON con campos definidos) y no texto libre, para que el supervisor no tenga que interpretar.

Patrón pipeline

El pipeline es una cadena fija de etapas: la salida de un agente es la entrada del siguiente. Por ejemplo, para procesar documentos de proveedores: un agente extrae los datos de la factura, otro los valida contra la orden de compra, otro clasifica las diferencias y el último genera el registro o la alerta.

Cuándo funciona bien:

• Procesos repetitivos con pasos conocidos y estables.
• Casos donde la trazabilidad es crítica: cada etapa se puede probar, medir y corregir por separado.

Qué cuidar: el pipeline es el patrón más predecible y el más fácil de llevar a producción, pero es rígido. Si una entrada no calza con lo esperado, el error se propaga. Por eso cada etapa debería validar lo que recibe y tener una salida explícita de excepción (derivar a una persona, marcar el caso) en vez de intentar arreglarlo por su cuenta. Muchas etapas, además, no necesitan un LLM: una regla, una expresión regular o una consulta pueden ser más baratas y exactas.

Patrón enjambre

En el enjambre (swarm) no hay un coordinador central. Los agentes se pasan el control entre ellos según la conversación o la tarea: un agente de recepción entiende la necesidad y "entrega" el caso a un agente de facturación, que a su vez puede derivarlo a uno de soporte técnico. Cada agente decide cuándo traspasar.

Cuándo funciona bien:

• Conversaciones largas con usuarios donde el tema cambia y se necesitan distintas especialidades.
• Exploración abierta, como investigación o análisis donde varios agentes aportan perspectivas.

Qué cuidar: es el patrón más flexible y el más difícil de controlar. Sin reglas claras de traspaso pueden aparecer ciclos (dos agentes que se devuelven el caso) o conversaciones que nunca cierran. Requiere buena observabilidad y límites duros de pasos y costo.

Cómo elegir el patrón

Una regla práctica: usa la estructura más simple que resuelva el problema. El orden habitual de evaluación es:

1. Un solo agente con buenas herramientas. Muchos casos se resuelven así, con un prompt bien diseñado y recuperación de información (RAG) sobre los documentos correctos.
2. Pipeline, si el proceso tiene etapas fijas y se puede describir como un diagrama de flujo.
3. Supervisor, si las solicitudes son variadas y hay que decidir en cada caso qué especialistas intervienen.
4. Enjambre, solo si el problema es realmente abierto y conversacional, y se tiene la capacidad de monitorearlo.

También se pueden combinar: un supervisor que, para cierto tipo de solicitud, dispara un pipeline determinista.

Señales de que necesitas orquestación

• El prompt de tu agente crece cada semana con excepciones y reglas nuevas.
• El agente necesita acceso a sistemas con permisos muy distintos y no quieres darle todo a uno solo.
• Necesitas explicar a auditoría o a un cliente por qué el sistema tomó una decisión.
• Partes del proceso requieren aprobación humana antes de ejecutar acciones (pagos, envíos, cambios en datos).
• El costo por solicitud es alto porque se usa el modelo más caro para todo.

Si ninguna aplica, probablemente un agente bien construido es suficiente y la orquestación solo agregaría complejidad.

Lo que define un sistema en producción

La diferencia entre una demo y un sistema confiable rara vez está en el patrón elegido. Está en:

• Evaluación: un conjunto de casos de prueba que se corre en cada cambio de prompt o de modelo, igual que las pruebas automáticas en software tradicional. Los principios de integración continua que revisamos en buenas prácticas de DevOps y CI/CD aplican también a los agentes.
• Routing de modelos y caching: no todas las etapas necesitan el modelo más capaz. Asignar modelos más livianos a tareas simples y reutilizar contexto reduce el costo de forma importante; es el foco de nuestro servicio de Token Optimization.
• Seguridad: cada agente con el mínimo de permisos, validación de entradas para mitigar inyección de prompts y registro de cada acción ejecutada. Lo trabajamos en AI Security.
• Integración con los sistemas existentes: APIs, autenticación, colas y monitoreo. Es trabajo de ingeniería de software, como explicamos en qué es una software factory.

Cómo lo abordamos en Forcast

En Forcast diseñamos y construimos agentes de IA y sistemas multi-agente a medida: levantamos el proceso, elegimos el patrón de orquestación más simple que lo resuelve, integramos RAG y los LLM adecuados a cada etapa, y lo llevamos a producción con evaluación, control de costos y seguridad desde el inicio. Trabajamos con empresas en Chile, Colombia, México y Perú.

Si estás evaluando automatizar un proceso con agentes LLM y no tienes claro si necesitas uno o varios, conversemos y revisamos tu caso.