Las traducciones son generadas a través de traducción automática. En caso de conflicto entre la traducción y la version original de inglés, prevalecerá la version en inglés.
Meta-herramientas
Las metaherramientas no interactúan directamente con sistemas externos. En cambio, mejoran las capacidades de los agentes mediante la implementación de patrones de los agentes. En esta sección se analiza el flujo de trabajo, el gráfico de agentes y las metaherramientas de memoria.
Metaherramientas de flujo de trabajo
Las metaherramientas de flujo de trabajo gestionan el flujo de ejecución de los agentes:
-
Gestión del estado: mantenga el contexto en las interacciones entre varios agentes
-
Lógica de ramificación: habilite las rutas de ejecución condicionales
-
Mecanismos de reintento: gestione los errores con estrategias de reintento sofisticadas
Entre los ejemplos de marcos con metaherramientas de flujo de trabajo se incluyen LangGraph
Metaherramientas Agent Graph
Las metaherramientas Agent Graph coordinan el trabajo conjunto de varios agentes:
-
Delegación de tareas: asigne subtareas a agentes especializados
-
Agregación de resultados: combine los resultados de varios agentes
-
Resolución de conflictos: resuelva los desacuerdos entre los agentes
Los marcos CrewAI
Metaherramientas de memoria
Las metaherramientas de memoria proporcionan almacenamiento y recuperación persistentes:
-
Historial de conversaciones: mantenga el contexto en todas las sesiones
-
Bases de conocimiento: almacene y recupere información específica del dominio
-
Almacenes vectoriales: habilitan las capacidades de búsqueda semántica
El sistema de recursos de MCP proporciona una forma estandarizada de implementar metaherramientas de memoria que funcionan en diferentes marcos de agentes.
