Dividir un agente en cinco no multiplica por cinco su inteligencia. Sí multiplica conversaciones, estados, permisos y puntos de fallo. A veces merece la pena. Muchas otras, un agente bien equipado era suficiente.
La decisión multiagente debería nacer de una frontera real: trabajos paralelos, contextos incompatibles, responsabilidades separadas o evaluaciones independientes. “Especializar” por organigrama suele producir una representación elegante y un sistema difícil de operar.
Un agente con herramientas ya puede hacer bastante
Un agente puede clasificar una solicitud, buscar documentos, ejecutar código y llamar a APIs. No necesita crear otro agente para cada función. Una herramienta determinista es preferible cuando el trabajo tiene entradas y salidas claras; un subagente tiene sentido cuando debe razonar durante varios turnos dentro de un ámbito acotado.
La documentación de OpenAI distingue dos patrones: un gestor que invoca especialistas como herramientas y los handoffs, donde un agente transfiere el control a otro (OpenAI Agents SDK). Ambos son útiles, pero responden a necesidades distintas. Ninguno exige construir una “sociedad” de agentes que debatan todo.
Antes de dividir, revisamos si el problema está en las instrucciones, el contexto, las herramientas o la evaluación. Un subagente no arregla una API ambigua. Solo añade otra llamada alrededor.
Cuatro razones que sí justifican separar
La primera es paralelizar trabajo independiente. Una investigación puede dividir fuentes, regiones o hipótesis y reunir resultados después. Anthropic publicó que su sistema de investigación con un agente líder y subagentes superó en un 90,2 % a su agente único en una evaluación interna; el dato corresponde a ese sistema y tarea, no demuestra que multiagente mejore cualquier aplicación (Anthropic, junio de 2025).
La segunda es aislar contexto. Un especialista puede recibir solo los documentos y herramientas de su tarea, evitando que el coordinador cargue todo. La tercera es separar autoridad: el agente que propone un cambio no comparte necesariamente la credencial del que lo ejecuta. La cuarta es obtener una revisión independiente, con criterios y evidencia que no procedan del mismo hilo que generó el resultado.
Subtareas independientes cuyo resultado puede reunirse después.
Herramientas, documentos o instrucciones que conviene mantener separados.
Responsabilidades que no deben compartir permisos ni capacidad de acción.
Un evaluador contrasta el resultado con una rúbrica o evidencia externa.
Si no aparece ninguna de estas razones, la arquitectura probablemente está resolviendo una preferencia de diseño, no una necesidad.
El coste oculto está en las interfaces
Cada transferencia necesita un contrato: qué recibe el especialista, qué devuelve, qué puede asumir y cómo expresa incertidumbre. Pasar la conversación completa parece sencillo, pero arrastra instrucciones irrelevantes y datos que quizá el siguiente agente no debería ver.
Los agentes como herramientas inician ejecuciones anidadas con su propio bucle, límites y estado. La documentación actual del SDK de OpenAI aclara que el estado del agente padre no se hereda automáticamente; debe elegirse una estrategia explícita para compartirlo (OpenAI Agents SDK). Ese detalle evita una suposición peligrosa: “todos saben lo mismo”.
También crece la dificultad de atribuir errores. ¿El coordinador formuló mal la tarea, el especialista devolvió una respuesta incompleta o el sintetizador perdió el matiz? Las trazas necesitan seguir el árbol completo y conservar las versiones de cada participante.
Un agente, especialistas o red coordinada
| Opción | Conviene cuando | Evítela cuando |
|---|---|---|
| Un agente | El flujo es acotado y comparte contexto y autoridad | El contexto se desborda o hay tareas paralelas claras |
| Especialistas como herramientas | Un coordinador debe integrar trabajos delimitados | El especialista debe conversar directamente con el usuario |
| Handoff | Un especialista debe asumir la interacción y sus reglas | El coordinador debe conservar la responsabilidad del resultado |
| Red coordinada | Existen varios trabajos paralelos y síntesis compleja | El volumen no compensa coste ni coordinación |
La mejor arquitectura puede ser híbrida: código enruta categorías conocidas, un agente gestor llama a dos especialistas y una acción final queda detrás de aprobación humana. “Multiagente” no obliga a que todas las decisiones las tome otro modelo.
Ejemplo ilustrativo: investigar una entrada a mercado
Un único agente puede buscar regulación, competidores, precios y canales de un país. Si el encargo abarca diez países y un plazo corto, los contextos empiezan a competir y la búsqueda deja de ser secuencialmente razonable.
Un coordinador define preguntas y criterios comunes. Subagentes aislados investigan cada región en paralelo, guardan fuentes y declaran vacíos. Un sintetizador compara resultados con un esquema estable. El coordinador no recibe todas las páginas visitadas: recibe hallazgos estructurados y referencias. Legal revisa las conclusiones regulatorias antes de que el informe se utilice para decidir.
La arquitectura se justifica por paralelismo y separación de fuentes. Para estudiar un solo país con cinco documentos, sería exceso de diseño.
Cómo demostrar que la división ayuda
Comparamos contra una línea base de un solo agente con el mismo conjunto de tareas. Medimos calidad, cobertura, tiempo, coste, errores de coordinación y variabilidad entre ejecuciones. Varias repeticiones son necesarias; una trayectoria afortunada no basta.
También hacemos ablaciones. Quitamos un especialista o sustituimos su trabajo por una herramienta. Si la calidad no cambia, esa pieza no se ha ganado su lugar. Si el sistema mejora solo porque dispone de más tokens o búsquedas, la comparación debe decirlo.
No recomendamos multiagente cuando el resultado es fácil de verificar con código, la tarea es breve, todos comparten el mismo contexto o el coste de coordinación supera el trabajo útil. Tampoco cuando nadie puede definir qué entrega cada agente.
Preguntas frecuentes
¿Un subagente necesita otro modelo?
No. Puede usar el mismo modelo con instrucciones, herramientas y contexto distintos. La elección depende de la dificultad y del coste de su tarea.
¿Cuántos agentes son demasiados?
No existe un número universal. Lo son cuando no puede explicar el contrato y la aportación medible de cada uno, o cuando coordinar consume más que resolver.
¿Los agentes deben compartir memoria?
Solo la información necesaria y autorizada. Es preferible un estado común estructurado y vistas específicas a copiar conversaciones completas.
¿Cómo evitamos que dos agentes repitan trabajo?
Con un plan de tareas, identificadores, artefactos compartidos y comprobación de dependencias antes de delegar. El coordinador debe conocer qué está en curso y terminado.
¿El debate entre agentes mejora la respuesta?
A veces, si aporta perspectivas independientes y un criterio de decisión. Varias opiniones del mismo modelo con el mismo contexto pueden añadir coste sin diversidad real.
La especialización debe ganarse su sitio
Un diagrama con muchos agentes puede parecer sofisticado antes de medirlo. La prueba útil es más sobria: retirar uno y observar qué empeora. Si no cambia nada, no era un especialista. Era una llamada adicional.
Fuentes y lecturas recomendadas
- Agent orchestration — OpenAI Agents SDK
- Agents as tools — OpenAI Agents SDK
- How we built our multi-agent research system — Anthropic
- Harness design for long-running application development — Anthropic
Fuentes y vigencia técnica revisadas el 18 de agosto de 2026.