Anthropic aconseja pasar de flotas multiagente a arquitecturas de agente único

Anthropic está aconsejando a los equipos de software y desarrolladores empresariales que reconsideren los marcos multiagente complejos. Según el equipo de IA Aplicada de la compañía de IA, consolidar subagentes especializados en un solo agente principal que recupere el contexto a demanda suele ofrecer resultados superiores en términos de calidad de respuesta, costo operativo y latencia.

Este cambio se debe a las capacidades avanzadas de razonamiento de los modelos modernos, como Opus 4.5, Opus 5.5 y Fable 5.1. Estos sistemas son capaces de ejecutar y realizar el seguimiento de planes de ejecución complejos dentro de un solo bucle, lo que elimina la necesidad de contar con flujos de orquestación rígidos de múltiples capas. En una prueba de referencia destacada por Anthropic, una configuración de agente único funcionó aproximadamente el doble de rápido que una arquitectura multiagente equivalente.

El costo de las transferencias entre multiagentes

En los últimos años, muchas empresas construyeron sistemas de agentes que imitaban sus organigramas, una dinámica que Anthropic describe como la "Ley de Conway" aplicada a la IA. En estos esquemas, los diferentes departamentos internos crean sus propios subagentes con prompts dedicados y ramas de procesamiento específicas.

Sin embargo, los despliegues empresariales en el mundo real revelaron fricciones significativas con este enfoque. En un caso, una organización implementó una docena de subagentes detrás de un único asistente de atención al cliente, lo que generó una latencia elevada y un tono de marca inconsistente.

Anthropic señala que los flujos de trabajo multiagente con frecuencia sufren degradación de contexto en cada transferencia entre agentes, como al pasar instrucciones de un agente de desarrollo de funciones a uno de redacción de pruebas y luego a uno de revisión. En cambio, un modelo de agente único puede escribir directamente tanto la función como las pruebas unitarias correspondientes porque conserva el contexto completo, necesitando únicamente un verificador liviano para ejecutar las pruebas y registrar los resultados.

Además, la proliferación descontrolada de agentes suele crear lo que Anthropic denomina "Frankenprompts": prompts de sistema excesivamente extensos y cargados de reglas departamentales contradictorias. Al simplificar su arquitectura y cargar habilidades de manera dinámica, Anthropic redujo el prompt de sistema para Claude Code en más de un 80 por ciento en los modelos más recientes.

Gestión de habilidades y bibliotecas de herramientas

En lugar de asignar agentes independientes a tareas individuales, Anthropic recomienda modularizar los flujos de trabajo en habilidades que el agente principal carga según las necesite mediante un mecanismo de búsqueda de herramientas.

La compañía destacó varias buenas prácticas para mantener la estabilidad:

• Gestión centralizada del prompt: Un pequeño equipo principal debe gestionar el prompt de sistema, los límites de seguridad (guardrails) de salida y los estándares de calidad generales.

• Límites en la cantidad de herramientas: La precisión del modelo al seleccionar herramientas tiende a deteriorarse cuando las bibliotecas superan entre 30 y 50 definiciones activas. Los líderes de equipo designados deben depurar las bibliotecas de habilidades para evitar una sobrecarga innecesaria.

• Recuperación dinámica: La documentación de fondo, las especificaciones de productos y las métricas internas deben residir en bases de conocimiento consultadas a demanda, en lugar de estar codificadas de forma fija o inyectadas directamente en los prompts de sistema.

Cuándo siguen siendo necesarios los subagentes

Anthropic advierte a los equipos que no deben fusionar arquitecturas sin una evaluación cuidadosa. En una prueba de soporte al cliente, integrar un subagente dentro del agente principal redujo los tiempos de respuesta, pero provocó que el sistema respondiera a las consultas de forma directa en lugar de redirigirlas a un especialista designado.

Para ayudar a los desarrolladores a evaluar sus sistemas, Anthropic lanzó un kit de migración en GitHub que detalla flujos de trabajo de evaluación paso a paso. Según la empresa, las configuraciones multiagente aún resultan útiles bajo condiciones específicas:

• Cuando un agente único experimenta caídas medibles en el rendimiento debido a una ventana de contexto sobrecargada.

• Cuando tareas independientes requieren una ejecución concurrente a través de ventanas de contexto aisladas.

• Cuando a un agente le cuesta elegir la herramienta correcta de un conjunto excesivamente grande de operaciones.

Las conclusiones de Anthropic coinciden con investigaciones externas sobre el rendimiento de los agentes. Un estudio reciente realizado por la plataforma de evaluación Vals demostró que, si bien los equipos de agentes pueden mejorar el rendimiento en escenarios específicos, escalar de 10 a 30 o 100 agentes generó drásticos incrementos de costos sin mejorar la calidad de los resultados. El desarrollador de OpenAI Eric Provencher compartió un escepticismo similar hacia los enjambres multiagente, describiéndolos como "casi con certeza" un uso ineficiente de los recursos.