Phase 14 - Lesson 28

Patrones de Orquestación: Supervisor, Swarm, Jerárquico

Cuatro patrones de orquestación son recurrentes en los frameworks de 2026: supervisor-worker, swarm / peer-to-peer, jerárquico, debate. La guía de Anthropic: "Se trata de construir el sistema adecuado para sus necesidades". Comience simple; agregue topología solo cuando un agente único junto con cinco patrones de flujo de trabajo sea insuficiente.

Tipo: Aprender + Construir Idiomas: Python (stdlib) Prerrequisitos: Fase 14 · 12 (Patrones de Flujo de Trabajo), Fase 14 · 25 (Debate Multiagente) Tiempo: ~60 minutos

Objetivos de Aprendizaje

• Nombrar los cuatro patrones de orquestación recurrentes y cuándo se adapta cada uno.
• Describir la recomendación de LangChain de 2026: supervisión basada en llamadas a herramientas (tool-call-based) vs. bibliotecas de supervisor.
• Explicar la regla de Anthropic de "construir el sistema adecuado" y cómo condiciona la elección de la topología.
• Implementar los cuatro patrones en stdlib contra un LLM simulado por script.

El Problema

Los equipos recurren a "multiagentes" antes de necesitarlo. Cuatro patrones son recurrentes en los frameworks; una vez que pueda nombrarlos, podrá elegir el adecuado, o evitar la topología por completo.

El Concepto

Supervisor-worker

• Un LLM de enrutamiento central distribuye tareas a agentes especialistas.
• Decide: volver a sí mismo, transferir a un especialista o terminar.
• Los especialistas no hablan entre sí; todo el enrutamiento pasa por el supervisor.

Frameworks: LangGraph create_supervisor, Anthropic orchestrator-workers, CrewAI Hierarchical Process.

Recomendación de LangChain de 2026: realice la supervisión a través de llamadas directas a herramientas (tool calls) en lugar de create_supervisor. Esto proporciona un control de ingeniería de contexto más refinado: usted decide exactamente qué ve cada especialista.

Swarm / peer-to-peer

• Los agentes transfieren tareas directamente a través de una interfaz de herramientas compartida.
• Sin enrutador central.
• Menor latencia que el supervisor (menos saltos/hops).
• Más difícil de comprender (sin un punto único de control).

Frameworks: topología de swarm de LangGraph, transferencias (handoffs) del SDK de Agents de OpenAI (cuando todos los agentes pueden transferir a todos los demás).

Jerárquico

• Supervisores que gestionan subsupervisores que a su vez gestionan workers.
• Implementado como subgrafos anidados en LangGraph; crews anidados en CrewAI.
• Escala a grandes poblaciones de agentes a costa de complejidad operativa.

Cuándo lo necesita: cuando el límite de contexto de un solo supervisor no puede contener las descripciones de todos los especialistas.

Debate

• Proponentes paralelos + crítica cruzada iterativa (Lección 25).
• No es realmente orquestación —es más una verificación— pero aparece como una opción de topología en los frameworks.

CrewAI Crew vs Flow

CrewAI formaliza dos modos de despliegue:

• Flow para automatización determinista basada en eventos (punto de partida recomendado para producción).
• Crew para colaboración autónoma basada en roles.

Esto es ortogonal a los cuatro patrones anteriores pero se mapea con la topología: Flow es típicamente supervisor o jerárquico; Crew es típicamente supervisor con un enrutador de LLM.

Guía de Anthropic

"El éxito en el espacio de LLM no se trata de construir el sistema más sofisticado. Se trata de construir el sistema adecuado para sus necesidades".

Orden de decisión:

1. Agente único + patrones de flujo de trabajo (Lección 12) — comience aquí.
2. Supervisor-worker — cuando tenga de 2 a 4 especialistas.
3. Swarm — cuando la latencia importe más que la claridad del razonamiento.
4. Jerárquico — solo cuando el límite de contexto del supervisor falle.
5. Debate — cuando la precisión importe más que el costo.

Dónde falla este patrón

• Mentalidad de topología primero (topology-first). "Necesitamos multiagentes" antes de identificar qué problema específico resuelve el enfoque multiagente.
• Transferencias infinitas (bouncing handoffs) en swarm. A -> B -> A -> B. Use contadores de saltos (hop counters).
• Jerarquía falsa. Tres capas porque es "corporativo"; solo dos equipos reales. Simplifique.

Constrúyalo

El archivo code/main.py implementa los cuatro patrones en stdlib contra un LLM simulado por script:

• Supervisor — enrutador central.
• Swarm — peer-to-peer con transferencias directas.
• Hierarchical — supervisores de supervisores.
• Debate — proponentes paralelos + crítica.

Cada patrón maneja la misma tarea de tres intenciones (reembolso / error / ventas). Las formas de los rastreos (traces) diferen.

Ejecútelo:

python3 code/main.py

Salida: rastreo por patrón + conteo de operaciones. Supervisor es el más limpio; swarm es el más corto; jerárquico es el más profundo; debate es el más costoso.

Úselo

• LangGraph para supervisor y jerárquico (subgrafos anidados).
• OpenAI Agents SDK para transferencias como herramientas (forma de supervisor).
• CrewAI Flow para producción determinista.
• Personalizado para debate o cuando desee control exacto.

Envíelo

El archivo outputs/skill-orchestration-picker.md selecciona una topología y la implementa.

Ejercicios

1. Convierta un supervisor-worker en un swarm eliminando el enrutador. ¿Qué falla? ¿Qué mejora?
2. Agregue un contador de saltos (hop counter) al swarm: rechace después de 3 transferencias. ¿Atrapa la oscilación A->B->A?
3. Construya un sistema jerárquico de dos niveles para un dominio de 12 especialistas. ¿Dónde falla el límite de contexto sin el anidamiento?
4. Monitoree el perfil de los cuatro patrones en una carga de trabajo similar a la de producción. ¿Cuál gana en qué métrica (latencia, costo, precisión, depurabilidad)?
5. Lea el artículo "Building Effective Agents" de Anthropic. Mapee cada uno de sus flujos de producción a uno de los cuatro. ¿Hay alguno que no se adapte limpiamente?

Términos Clave

Lectura Adicional

• Anthropic, Building Effective Agents — cinco patrones + agente vs. flujo de trabajo
• LangGraph overview — supervisor, swarm, jerárquico
• CrewAI docs — Crew vs Flow
• Du et al., Society of Minds (arXiv:2305.14325) — patrón de debate