Los agentes de IA son cada vez más capaces, pero los problemas del mundo real a menudo requieren que varios agentes trabajen juntos, cada uno de los cuales se encargue de una parte de una tarea y se coordine en función de un objetivo compartido. Aquí es donde entra en juego la orquesta de agentes: la idea de organizar a los agentes en un sistema unificado. En Marvik, nos hemos enfrentado a estos desafíos en diferentes sectores y hemos desarrollado las mejores prácticas de orquestación que permiten que los sistemas pasen rápidamente de ser prototipos a sistemas listos para la producción.

Por qué la orquestación es fundamental

En la orquesta de agencias, los agentes de orquestación (planificadores) administren los flujos de conversación, delegan tareas y mantienen la lógica del sistema. Impiden que los agentes trabajen en silos y, a cambio, los coordinan en un sistema coherente. Sin la orquestación, son comunes las inconsistencias, las ineficiencias y los desajustes con los objetivos de los usuarios. Con la orquestación:

• Las tareas se envían a los agentes especializados adecuados.
• Se conservan el estado del sistema y el contexto de la conversación.
• La validación y la replanificación de los usuarios mantienen la intención alineada.
• Los resultados siguen siendo predecibles y centrados en el negocio.

Modelos de orquestación: de un solo paso frente a varios pasos

Hay dos enfoques que dominan la orquestación de los agentes:

• Orquestación de varios pasos: El orquestador divide las tareas en varias etapas y las delega entre los agentes. Esto añade autonomía, pero aumenta la latencia y la complejidad.
• Orquestación en un solo paso: El orquestador toma una sola decisión y delega la tarea de principio a fin. Esto minimiza la latencia y simplifica los flujos de trabajo, lo que resulta ideal para los contextos orientados al cliente.

En Marvik, preferimos la orquestación en un solo paso, ya que equilibra la velocidad, la simplicidad y la satisfacción del usuario, excepto en los casos en los que se prefieren sistemas totalmente autónomos con poca o ninguna interacción humana. Esto se alinea con las tendencias de 2025 en materia de asistentes y chatbots, en las que los usuarios valoran las respuestas rápidas y precisas. [caption id="attachment_4728" align="aligncenter» width="1024"]

Arquitectura de alto nivel de una plataforma impulsada por sistemas de múltiples agentes, que admite ambos enfoques de orquestación y se adapta a todas las aplicaciones web y móviles.[/subtitle]

Flujo de conversación

Diseñamos un flujo de ejemplo que demuestra una orquestación eficaz. En un caso práctico de atención al cliente, el agente de Orchestrator interactúa con agentes especializados para abordar diferentes solicitudes, desde responder a las preguntas frecuentes hasta recopilar información en tiempo real para resolver problemas complejos. Esto, sumado a la solución de problemas o a la escalación. El siguiente ejemplo muestra cómo funcionan el enrutamiento y la coordinación en este tipo de sistema. [caption id="attachment_4729" align="aligncenter» width="1024"]

Logic graphic flow of work system [/caption]

System's state and message

En LangGraph, el estado de la conversación garantiza la continuidad y el contexto en todas las interacciones. Las indicaciones definen la función y los objetivos de cada agente, lo que garantiza respuestas coherentes. [caption id="attachment_4730" align="aligncenter» width="1024"]

Example of how WorkflowAgentState administra las claves de estado para mantener la coherencia de las conversaciones. [/subtítulo]

Planeación y replanificación

[caption id="attachment_4731" align="aligncenter» width="1019"]

Explicación: ciclo de comentarios que muestra la validación del usuario, la confirmación del plan y la replanificación cuando cambia la intención. [/caption] El orquestador evalúa los mensajes comprobando si son relevantes, no están prohibidos y son procesables. Valida los pasos planificados con el usuario y los vuelve a planificar si es necesario. Este ajuste dinámico mejora la precisión y la satisfacción.

Gestión de mensajes no válidos

Los agentes también identifican entradas irrelevantes, prohibidas o poco claras. Según la clasificación, el sistema redirige, solicita aclaraciones o bloquea las solicitudes inapropiadas. [caption id="attachment_4732" align="aligncenter» width="704"]

Explicación: ejemplos de cómo el orquestador maneja las instrucciones prohibidas, irrelevantes y poco claras. [/subtítulo]

Agents as subgraphers

Los agentes especializados se organizan en un subgrafo del flujo de trabajo principal. Este diseño modular hace que el sistema sea más fácil de entender, mantener y ampliar. Ventajas clave:

• Reutilización: Los subagentes pueden ejecutarse de forma independiente para tareas específicas (por ejemplo, activar un agente de preguntas y respuestas desde una aplicación web).
• Claridad: El aislamiento de la lógica de los agentes mantiene la orquestación centrada, lo que simplifica la depuración y el escalado.

Esta clara separación de responsabilidades sienta las bases para flujos de trabajo más complejos e IA a escala.

Initialization and end of work flow

Dos nodos marcan las conversaciones:

• Initialization: Restablece las variables transitorias.
• Finalización: actualiza el estado, marca las tareas como completadas y borra las variables temporales.

[caption id="attachment_4734" align="aligncenter» width="1024"]

Instantáneas de variables de estado antes de la inicialización y después de la finalización. [/subtítulo]

Advertencias y dificultades

• Actualizaciones estatales: Las actualizaciones parciales son más seguras que las sobrescrituras completas.
• Nodos paralelos: Requieren un manejo cuidadoso para evitar condiciones de carrera; LangGraph's Enviar API proporciona una ejecución segura.
• LangGraph Studio frente a la producción: Studio es ideal para la creación de prototipos, pero la producción requiere backends como Redis o DynamoDB, integración de API e implementación manual. Evite subestimar este esfuerzo al crear prototipos.

[caption id="attachment_4735" align="aligncenter» width="1024"]

Diferentes enfoques para actualizar las variables de estado de LangGraph en cada nodo [/caption]

Buenas prácticas y consejos

De nuestras implementaciones, con la orquesta de agencias, surgieron estos patrones:

• Classe BaseNode: Estandariza las llamadas de LLM, el análisis de JSON y la validación de esquemas.
• Standard logic structure: Organizar acciones, gráficos, modelos, indicaciones y rutas de forma coherente.
• Structured outputs: Pydantic models and JSON for most clarity and reliability in sense.
• Modularity Subagents: Mejorar la depuración, la reutilización y la claridad.
• Unified LLM Abstraction: Uso de los modelos de chat de LangChain para una orquestación independiente del proveedor. Esto también permite cambiar fácilmente entre diferentes proveedores externos.
• Administration estatale: Redis para prototipos, DynamoDB o PostgreSQL para escalar.

[caption id="attachment_4736" align="aligncenter» width="1024"]

How administration BaseNode the analysis of LLM output, the JSON extraction and the schema application. [/caption] [caption id="attachment_4737" align="aligncenter» width="1024"]

Estandarización de la estructura de carpetas para garantizar la escalabilidad y el mantenimiento. [/subtítulo]

Impacto empresarial de la orquestación

Cuando se implementan a través de la orquesta de agentes, los sistemas orquestados de múltiples agentes crean un verdadero valor empresarial:

• Eficiencia: Automatizar los flujos de trabajo de principio a fin.
• Costos reduzir: Reduzir las cargas de trabajo manuales.
• Escalabilidad: Apoyar el crecimiento empresarial.
• Confianza: Proporcionar interacciones de IA confiables y transparentes.

Conclusión: Why Marvik

Crear flujos de trabajo sólidos con múltiples agentes es complejo, pero Marvik ha desarrollado prácticas que los hacen escalables y listos para la producción. Entregamos:

• Desarrollo de IA de principio a fin
• Soluciones de IA personalizadas alineadas con los flujos de trabajo empresariales
• Ampliación y aumento del equipo de IA
• Liderazgo fraccionado de la CAIO para la estrategia
• Metodologías probadas validadas en todos los sectores

Marvik une la orquestación avanzada con la estrategia empresarial, garantizando que la IA ofrezca resultados mensurables.

Conclusiones clave

• La orquestación en un solo paso reduce la latencia y mejora la alineación en muchos sistemas del mundo real, aunque la orquestación en varios pasos puede ser más adecuada para los casos en los que se prefiere una mayor automatización y menos intervención humana.
• LangGraph permite flujos de trabajo de agentes modulares y con estado cuando se combina con un buen diseño.
• Las mejores prácticas en la administración de estados, la modularidad y las salidas estructuradas mejoran la confiabilidad.
• La orquestación no es solo una infraestructura técnica, sino un diferenciador empresarial competitivo.
• Es importante garantizar las mejores prácticas al crear estas soluciones multiagente a fin de evitar problemas en la producción o durante la transición del prototipo a la producción.

En Marvik, creemos que el futuro de la IA es orquestal: sistemas de agentes coordinados que funcionan a la perfección para ofrecer escala, confiabilidad e impacto. Si su organización está lista para pasar de la fase piloto a la IA lista para la producción, estamos listos para ayudarlo.