Multi-agente: supervisor, handoffs y el debate de 2025

Subtítulo: Cuatro topologías multi-agente y el debate que las ordenó en 2025: cuándo repartir el trabajo entre varios agentes rinde de verdad, y cuándo agrega una superficie de fallo —la que vive entre ellos— más cara que el problema original.

Nota de alcance. Ejemplos ilustrativos. Las dos piezas de junio de 2025 se citan por su tesis pública; no se reproduce su contenido. El costo en tokens es un orden de magnitud publicado por su autor, no una medición propia: revalidá contra tu caso.

Resumen ejecutivo

Multi-agente no es “más agentes, mejor”: es repartir una tarea entre varios hilos de decisión, y cada frontera entre ellos es una superficie de fallo nueva.
Cuatro topologías cubren casi todo: supervisor jerárquico, handoffs entre pares, debate con juez y blackboard de estado compartido. Se diferencian por quién decide y por dónde vive el estado.
En junio de 2025, Cognition (“Don’t build multi-agents”) y Anthropic (“How we built our multi-agent research system”) publicaron tesis opuestas casi el mismo día; no se contradicen: describen los dos lados de una misma línea.
La síntesis honesta: el multi-agente rinde cuando los subagentes leen y comprimen en paralelo, y falla cuando escriben estado compartido sin coordinación. Y cuesta —del orden de 15× los tokens de un chat, según Anthropic—.
El fallo multi-agente no vive dentro de un agente: vive entre agentes. Por eso se testea como la integración entre servicios: contratos y trazas correlacionadas.

Al terminar vas a poder distinguir las cuatro topologías por quién decide y dónde vive el estado, ubicar el debate de 2025 en su síntesis operativa, anticipar cuándo el multi-agente paga su costo y diseñar las pruebas para la coordinación, no solo para cada agente.

1. El problema: cuando un agente no alcanza

Una tarea grande tienta a repartirla. “Que un agente investigue la competencia, otro redacte y un tercero revise” suena a división del trabajo bien entendida, y a veces lo es. Pero sumar agentes no suma solo capacidad: suma fronteras. Donde antes había un contexto y un hilo de decisión, ahora hay varios que tienen que ponerse de acuerdo, y el acuerdo entre agentes no es gratis ni automático. El fallo más caro de un sistema multi-agente casi nunca está dentro de un agente: está en el espacio entre ellos, donde dos subagentes toman decisiones coherentes por separado e incompatibles juntas.

Las cuatro arquitecturas mono-agente del pilar de esta colección siguen valiendo dentro de cada agente; lo que se agrega acá es la capa de coordinación que las envuelve.

2. Cuatro topologías

Casi todos los diseños multi-agente son variaciones de cuatro topologías, y se distinguen por dos preguntas: quién decide y dónde vive el estado.

Supervisor jerárquico. Un agente supervisor descompone la tarea, delega en subagentes especializados y compone sus salidas.

        ┌────────────┐
        │ Supervisor │  delega y reúne resultados
        └──────┬─────┘
       ┌───────┼───────┐
       ▼       ▼       ▼
    ┌────┐  ┌────┐  ┌────┐
    │ A  │  │ B  │  │ C  │   subagentes especializados
    └────┘  └────┘  └────┘   no se hablan entre sí

Pro: rumbo claro, un solo responsable de la síntesis. Contra: el supervisor es cuello de botella y punto único de mala decisión.

Handoffs entre pares. Cada agente resuelve su parte y cede el control —y el contexto— al siguiente.

   ┌────┐   handoff   ┌────┐   handoff   ┌────┐
   │ A  │ ──────────► │ B  │ ──────────► │ C  │
   └────┘             └────┘             └────┘
   cada uno pasa el control al siguiente; no hay jefe

Pro: simple, sin coordinador. Contra: el contexto se degrada en cada salto; lo que A sabía y no escribió, B no lo tiene.

Debate con juez. Dos o más agentes argumentan posiciones enfrentadas y un juez decide.

   ┌────┐   ┌────┐
   │ A  │   │ B  │   proponen posiciones enfrentadas
   └──┬─┘   └─┬──┘
      └───┬───┘
          ▼
       ┌──────┐
       │ Juez │   decide con criterio explícito
       └──────┘

Pro: expone supuestos que un solo agente daría por ciertos. Contra: caro, y sin un juez con criterio verificable el debate es teatro.

Blackboard / estado compartido. Todos los agentes leen y escriben un estado común.

   ┌────┐   ┌────┐   ┌────┐
   │ A  │   │ B  │   │ C  │
   └─┬──┘   └─┬──┘   └─┬──┘
     ▼        ▼        ▼
   ┌─────────────────────────┐
   │  Pizarra (estado común)  │  todos leen y escriben
   └─────────────────────────┘

Pro: máxima flexibilidad. Contra: máxima superficie de conflicto —dos agentes que escriben la misma casilla sin coordinarse producen, exactamente, el fallo que abre este artículo—.

3. El debate de junio de 2025

El campo maduró lo suficiente como para discutir en serio. En junio de 2025, Cognition publicó “Don’t build multi-agents”: los subagentes pierden contexto, toman decisiones en conflicto y el resultado es más frágil que un buen agente único. Casi el mismo día, Anthropic publicó cómo construyó su sistema de investigación multi-agente, que paraleliza la lectura y la investigación y gana con eso.

Leídos como titulares, se contradicen. Leídos con cuidado, describen los dos extremos de una misma línea: uno mira las tareas donde el multi-agente se rompe; el otro, las tareas donde brilla. La pregunta útil no es quién tiene razón, sino qué separa un caso del otro.

4. La síntesis: leer sí, escribir compartido no

La distinción que reconcilia los dos textos es simple y accionable: importa qué hacen los subagentes con el estado.

Cuando leen y comprimen —cada subagente explora una fuente, la resume y devuelve un puñado de conclusiones—, el multi-agente rinde. La lectura es paralelizable por naturaleza, los contextos no chocan y el supervisor integra resúmenes cortos. Es el caso de investigación de Anthropic.
Cuando escriben estado compartido —cada subagente modifica un artefacto común, decide sobre el mismo recurso, avanza sobre el trabajo del otro—, el multi-agente falla. Sin un protocolo de coordinación, decisiones locales coherentes se suman en un estado global incoherente. Es el caso que Cognition advierte.

Y hay un costo que ningún diseño elude. Según Anthropic, su sistema multi-agente consume del orden de 15× los tokens de un chat corriente. Repartir el trabajo entre agentes multiplica el contexto que hay que pagar: el paralelismo se cobra en tokens. Un sistema multi-agente que no rinde lo bastante como para justificar ese múltiplo es, lisa y llanamente, un agente único caro.

5. El ángulo QA: el fallo vive entre los agentes

Si el fallo característico vive entre agentes, ahí hay que apuntar las pruebas. Testear cada agente por separado —que A investigue bien, que B redacte bien— deja sin cubrir justo la superficie que se rompe: la coordinación. Y el paralelo no es casual: coordinar agentes es un problema de sistemas distribuidos, y las pruebas que sirven son las mismas.

Contratos entre agentes. Lo que un agente le pasa a otro —el handoff, el resultado que el supervisor espera— es una interfaz, y una interfaz se testea por contrato: qué campos, qué formato, qué significa cada valor. Es contract testing aplicado a agentes en lugar de a servicios: si el productor cambia lo que emite, el consumidor tiene que enterarse antes del incidente, no durante.
Trazas correlacionadas. Un fallo que emerge de la interacción de tres agentes es imposible de depurar mirando tres registros sueltos. Hace falta un identificador de correlación que cruce a todos los agentes para reconstruir la secuencia completa de quién decidió qué y con qué información. Es el mismo requisito que en mensajería asíncrona: recibir un mensaje no es procesarlo, y recibir un handoff no es haberlo entendido.

6. La decisión, en una línea

El multi-agente no es un escalón obligatorio de sofisticación: es una decisión con un costo concreto y un modo de fallo concreto. Rinde cuando el trabajo se puede partir en lecturas independientes que después se comprimen; se cae cuando obliga a varios agentes a escribir sobre el mismo estado sin un árbitro. Y como su fallo vive en las costuras, se lo prueba como a cualquier sistema distribuido: por sus contratos y por sus trazas, no por sus componentes de a uno.

La síntesis de 2025, resumida: antes de sumar un agente, comprobá que el trabajo se deja leer en paralelo. Si en realidad hay que escribir un estado compartido, lo que falta no es otro agente: es coordinación.

Para las cuatro arquitecturas que operan dentro de cada agente, el pilar Del loop ReAct al plan-and-execute. Y para el repertorio completo de pruebas de coordinación —cuándo un contrato entre partes ayuda y cuándo estorba—, Consumer-driven contract testing: cuándo sí, cuándo no.