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.
Colaboración entre múltiples agentes
La colaboración entre varios agentes se refiere a un patrón en el que varios agentes autónomos, cada uno con una función, especialización u objetivo distintos, negocian para resolver tareas complejas. Estos agentes pueden operar de forma independiente o con otros agentes al compartir información, dividir las responsabilidades y razonar colectivamente para alcanzar un objetivo.
Este patrón difiere del de los agentes de flujo de trabajo, que coordinan y delegan tareas de forma centralizada a los agentes subordinados en un flujo estructurado. Por el contrario, la colaboración entre múltiples agentes hace hincapié peer-to-peer en la coordinación emergente al permitir la adaptabilidad, el paralelismo y la división de la cognición. En la siguiente tabla se compara la colaboración entre varios agentes y los agentes de flujo de trabajo:
Característica |
Agentes de flujo de trabajo |
Finalidad |
|---|---|---|
Controlar |
Coordinador centralizado |
Compañeros descentralizados, distribuidos o basados en roles |
Interacción |
Un agente delega y realiza un seguimiento de la ejecución |
Varios agentes negocian, comparten y se adaptan |
Diseño |
Secuencia de tareas predefinida |
Distribución de tareas flexible y emergente |
Coordinación |
Orquestación procedimental |
Interacciones cooperativas o competitivas |
Casos de uso |
Automatización de procesos empresariales |
Razonamiento complejo, exploración y estrategias emergentes |
Arquitectura
El siguiente diagrama muestra la colaboración entre varios agentes:
Description (Descripción)
-
Inicia una tarea
-
Un usuario o un sistema emite un objetivo o un problema de alto nivel.
-
Un «administrador», agente o contexto iniciador define el objetivo.
-
-
Asigna o descubre roles
-
Los agentes se autoasignan (razonamiento o lógica simbólica) o se les delega (agentes de eventos) otras funciones, como las de planificador, investigador, ejecutor, crítico o explicador.
-
-
Se comunica con otros agentes
-
Los agentes se comunican a través de la memoria compartida, las colas de mensajes o el encadenamiento de mensajes.
-
Pueden debatir, realizar consultas o proponerse subtareas entre sí.
-
-
Utiliza un razonamiento especializado
-
Cada agente usa su propio modelo o lógica de dominio para resolver su parte del problema.
-
Los agentes pueden utilizarlos LLMs con instrucciones y memoria específicas para cada función.
-
-
Coordina los resultados o los objetivos
-
Los agentes sintetizan las contribuciones en una respuesta, un plan o una acción finales.
-
(Opcional) Un agente supervisor puede validar o resumir el resultado sintetizado.
-
Capacidades
-
Agentes a nivel de pares con funciones o habilidades especializadas
-
Comportamiento emergente a través de la comunicación o la negociación
-
Procesamiento paralelo de problemas complejos o multifacéticos
-
Apoya la deliberación, la autocorrección y la iteración reflexiva
-
Modele la dinámica social, la colaboración científica o los roles de los equipos empresariales
Casos de uso comunes
-
Equipos de investigación autónomos (agente de búsqueda, resumidor y validador)
-
Desarrollo de software (planificador, codificador y probador)
-
Modelado de escenarios empresariales (finanzas, políticas y cumplimiento)
-
Negociación, licitación o razonamiento multipartidista
-
Tareas multimodales (imagen, texto y lógica)
Guía para la implementación
Puede crear un sistema multiagente mediante las siguientes herramientas y: Servicios de AWS
Componente |
Servicio de AWS |
Finalidad |
|---|---|---|
Alojamiento de agentes |
Amazon Bedrock, Amazon SageMaker, AWS Lambda |
Hospede a agentes individuales impulsados por la LLM |
Capa de comunicación |
Amazon SQS, Amazon, EventBridge AWS AppFabric |
Mensajería y coordinación entre agentes |
Memoria compartida |
Amazon DynamoDB, Amazon S3 o OpenSearch |
Memoria multiagente o sistema de pizarra |
Capa de orquestación |
AWS Step Functions, AWS Lambda canalizaciones |
Lógica de inicio, tiempo de espera, respaldo y reintento |
Identificación del agente |
Agentes de Amazon Bedrock (función definida) y API conversada de AWS AppConfig Amazon Bedrock (agentes ajenos a Amazon Bedrock) |
Invocación de agentes o herramientas basadas en roles y aplicación de límites |
Interacción emergente |
Amazon EventBridge Pipelines o registros de agentes |
Habilite el enrutamiento o la escalación dinámicos de tareas |
Resumen
La colaboración entre varios agentes distribuye las tareas de resolución de problemas entre agentes modulares y basados en funciones. A diferencia de la organización del flujo de trabajo, los patrones de colaboración utilizan inteligencia, resiliencia y escalabilidad emergentes que reflejan la forma en que las personas resuelven los problemas. Es especialmente valioso para dominios abiertos, tareas creativas, razonamiento multimodal y entornos que se benefician de diversas perspectivas.
Conclusión
Los patrones analizados anteriormente ilustran los enfoques fundamentales de las implementaciones de la IA de los agentes en el mundo real. Desde el razonamiento básico hasta la inteligencia con memoria aumentada, cada patrón está configurado de forma única para la percepción, la cognición y la acción, y se basa en la autonomía, la asincronía y la agencia.
Estos patrones comparten vocabularios y modelos técnicos para crear sistemas inteligentes y orientados a objetivos. Ya sea que un patrón esté integrado en una interfaz de usuario, se organice mediante servicios en la nube o se coordine entre equipos de agentes, cada patrón es adaptable y modular.
Conclusiones
-
Los patrones de los agentes son componibles: la mayoría de los agentes del mundo real combinan dos o más patrones (por ejemplo, un agente de voz con memoria y razonamiento basados en herramientas).
-
El diseño del agente es contextual: elija patrones en función de la superficie de interacción, la complejidad de la tarea, la tolerancia a la latencia y las restricciones específicas del dominio.
-
AWSLa implementación nativa se puede lograr: con Amazon Bedrock SageMaker, Amazon y las arquitecturas basadas en eventos AWS Lambda AWS Step Functions, todos los patrones de agentes se pueden ofrecer a escala.
