Year: 2026
Type: article
Abstract: La orquestación de sistemas multiagente exige decisiones de diseño. Componentes como la generación aumentada por recuperación (RAG), herramientas externas, memorias heterogéneas, políticas de seguridad y protocolos como Model Context Protocol (MCP) deben integrarse de forma coherente. Esto plantea interrogantes concretas: qué base de datos vectorial utilizar, cuándo delegar tareas entre agentes y cuándo exponer un agente como herramienta de otro. Este trabajo presenta un análisis retrospectivo de cuatro sistemas implementados en distintos entornos: NeuroHire, Doki, MateApp y Ciruelito. En estos sistemas se exploraron distintas formas de orquestación con el OpenAI Agents SDK y el framework LangChain. A partir del análisis se observaron diez estrategias de diseño, entre las que se destacan: la delegación jerárquica entre agentes, RAG con umbralización y conversión explícita de distancia a similitud en FAISS, Quota-Driven Degradation con degradación a un modelo más económico tras superar el límite de uso, y MCP Tool Filter para reducir la superficie de ataque. Estas estrategias abordan problemas observados durante el desarrollo: contexto irrelevante en RAG, gestión de costos en entornos multi-tenant, seguridad en la integración de herramientas, aislamiento de datos y mejora de la mantenibilidad mediante encapsulación y guardrails técnicos.
Language: Spanish
Subfield: Artificial Intelligence
Field: Computer Science
Domain: Physical Sciences
Open Access status: diamond
OpenAlex ID: W7221837249