Orquestación de Agentes LLM: Guía Completa de Arquitectura Multi-Agente [2026]

1┌─────────────┐
2           │ Orquestador │
3           │   (Boss)    │
4           └──────┬──────┘
5                  │
6    ┌─────────────┼─────────────┐
7    │             │             │
8┌───▼───┐   ┌─────▼─────┐   ┌───▼───┐
9│Agente │   │  Agente   │   │Agente │
10│Invest.│   │  Análisis │   │Escrit.│
11└───────┘   └───────────┘   └───────┘

1┌─────────┐     ┌─────────┐
2│ Agente  │◄────►│ Agente  │
3│    A    │     │    B    │
4└────┬────┘     └────┬────┘
5     │               │
6     └───────┬───────┘
7             │
8        ┌────▼────┐
9        │ Agente  │
10        │    C    │
11        └─────────┘

1┌─────────┐   ┌─────────┐   ┌─────────┐   ┌─────────┐
2│ Agente  │──►│ Agente  │──►│ Agente  │──►│ Agente  │
3│ Extrac. │   │ Análisis│   │ Síntesis│   │ Format. │
4└─────────┘   └─────────┘   └─────────┘   └─────────┘

1┌─────────────┐
2           │   Juez/     │
3           │  Evaluador  │
4           └──────┬──────┘
5                  │
6    ┌─────────────┼─────────────┐
7    │             │             │
8┌───▼───┐   ┌─────▼─────┐   ┌───▼───┐
9│Agente │   │  Agente   │   │Agente │
10│   A   │   │     B     │   │   C   │
11└───────┘   └───────────┘   └───────┘
12    │             │             │
13    └─────────────┼─────────────┘
14                  │
15            Mejor solución

1from langchain.agents import initialize_agent, Tool
2from langchain.chat_models import ChatOpenAI
3 
4# Definir herramientas
5tools = [
6    Tool(
7        name="Investigador",
8        func=investigar,
9        description="Busca información en la web"
10    ),
11    Tool(
12        name="Calculadora",
13        func=calcular,
14        description="Realiza cálculos matemáticos"
15    )
16]
17 
18# Crear agente
19llm = ChatOpenAI(model="gpt-4")
20agente = initialize_agent(
21    tools,
22    llm,
23    agent="zero-shot-react-description",
24    verbose=True
25)
26 
27# Ejecutar
28resultado = agente.run("Investiga el PIB de España y calcula el crecimiento anual")

1from crewai import Agent, Task, Crew
2 
3# Definir agentes
4investigador = Agent(
5    role="Investigador Senior",
6    goal="Encontrar información precisa y relevante",
7    backstory="Eres un experto en búsqueda de información...",
8    verbose=True
9)
10 
11escritor = Agent(
12    role="Escritor de Contenido",
13    goal="Crear contenido engaging y bien estructurado",
14    backstory="Eres un escritor profesional con experiencia...",
15    verbose=True
16)
17 
18# Definir tareas
19tarea_investigacion = Task(
20    description="Investiga sobre {tema}",
21    agent=investigador
22)
23 
24tarea_escritura = Task(
25    description="Escribe un artículo basado en la investigación",
26    agent=escritor
27)
28 
29# Crear crew
30crew = Crew(
31    agents=[investigador, escritor],
32    tasks=[tarea_investigacion, tarea_escritura],
33    verbose=2
34)
35 
36# Ejecutar
37resultado = crew.kickoff(inputs={"tema": "IA en 2026"})

1from autogen import AssistantAgent, UserProxyAgent
2 
3# Crear agentes
4asistente = AssistantAgent(
5    name="asistente",
6    llm_config={"model": "gpt-4"}
7)
8 
9usuario = UserProxyAgent(
10    name="usuario",
11    human_input_mode="NEVER",
12    code_execution_config={"work_dir": "coding"}
13)
14 
15# Iniciar conversación
16usuario.initiate_chat(
17    asistente,
18    message="Escribe una función Python que calcule el factorial"
19)

1┌─────────────┐
2│ Orquestador │
3└──────┬──────┘
4       │
5┌──────┼──────┐
6│      │      │
7▼      ▼      ▼
8┌────┐ ┌────┐ ┌────┐
9│Web │ │Data│ │Rep.│
10│Scr.│ │Anal│ │Gen │
11└────┘ └────┘ └────┘

1from crewai import Agent
2 
3web_scraper = Agent(
4    role="Web Scraper Especializado",
5    goal="Extraer información de sitios web de competidores",
6    backstory="""Eres un experto en extracción de datos web.
7    Sabes navegar sitios, extraer precios, features y reviews.""",
8    tools=[scraping_tool, browser_tool]
9)
10 
11data_analyst = Agent(
12    role="Analista de Datos",
13    goal="Analizar datos y encontrar insights accionables",
14    backstory="""Eres un analista con 10 años de experiencia.
15    Conviertes datos crudos en insights de negocio.""",
16    tools=[pandas_tool, chart_tool]
17)
18 
19report_generator = Agent(
20    role="Generador de Reportes",
21    goal="Crear reportes ejecutivos claros y accionables",
22    backstory="""Eres un comunicador experto que convierte
23    análisis complejos en reportes que cualquiera entiende.""",
24    tools=[markdown_tool, pdf_tool]
25)

1from crewai import Task
2 
3tarea_scraping = Task(
4    description="""Extrae información de los siguientes competidores:
5    - Precios de productos principales
6    - Features destacados
7    - Reviews de clientes
8    Competidores: {competidores}""",
9    agent=web_scraper,
10    expected_output="JSON con datos estructurados de cada competidor"
11)
12 
13tarea_analisis = Task(
14    description="""Analiza los datos extraídos:
15    - Compara precios vs nuestros productos
16    - Identifica features que no tenemos
17    - Analiza sentimiento de reviews
18    Genera insights accionables.""",
19    agent=data_analyst,
20    expected_output="Lista de insights con prioridad y recomendaciones"
21)
22 
23tarea_reporte = Task(
24    description="""Genera un reporte ejecutivo con:
25    - Resumen ejecutivo (1 párrafo)
26    - Tabla comparativa de precios
27    - Top 5 insights
28    - 3 recomendaciones prioritarias""",
29    agent=report_generator,
30    expected_output="Documento markdown formateado"
31)

1from crewai import Crew, Process
2 
3crew = Crew(
4    agents=[web_scraper, data_analyst, report_generator],
5    tasks=[tarea_scraping, tarea_analisis, tarea_reporte],
6    process=Process.sequential,  # Pipeline secuencial
7    verbose=2
8)
9 
10resultado = crew.kickoff(inputs={
11    "competidores": ["competidor1.com", "competidor2.com"]
12})