Saltar al contenido

Arquitectura de agente único o multiagente: cómo elegir la correcta

Agente único vs multiagente: qué es cada arquitectura, cuándo gana cada una en costo, latencia y depuración, las señales para dividir y una tabla de decisión.

Cofundador de Tolky

Actualizado el 18 de noviembre de 2026

12 min de lectura
Arquitectura de agente único o multiagente: cómo elegir la correcta

TL;DR

En la arquitectura de agente único, un modelo de lenguaje con instrucciones y herramientas resuelve la tarea completa; en la arquitectura multiagente, un agente orquestador reparte el trabajo entre especialistas. Empieza con un agente único: cuesta menos, responde más rápido y es más fácil de depurar. Divide solo cuando los dominios exijan instrucciones, herramientas o permisos que no caben bien en un solo agente.

Compartir

Quien pone IA a atender clientes se topa pronto con la misma duda: ¿un agente bien configurado alcanza, o conviene un equipo de agentes con un coordinador? La respuesta afecta el costo, el tiempo de respuesta, la facilidad para corregir errores y quién va a mantener el sistema.

Muchos equipos empiezan por el diseño más sofisticado y descubren el precio recién en producción. Esta guía ayuda a decidir entre agente único vs multiagente con criterios objetivos, señales de migración y una tabla de decisión. Si tu duda ya es cómo coordinar varios agentes, la guía de orquestación de agentes de IA cubre patrones, capas y checklist de producción.

Actualizado en noviembre de 2026.

¿Qué es la arquitectura de agente único?

La arquitectura de agente único es el diseño en el que un solo agente de IA, es decir, un LLM con instrucciones, memoria y herramientas, recibe el pedido, decide los pasos y ejecuta la tarea de principio a fin. El agente trabaja en ciclo: lee el contexto, elige una herramienta, observa el resultado y repite hasta terminar.

Las herramientas le dan alcance al agente (consultar un pedido, abrir un ticket, agendar una visita) y se activan por function calling o por servidores MCP.

Un agente único puede tener muchas herramientas y una base grande; lo que lo define es un solo "cerebro" que decide, con un solo conjunto de instrucciones y un solo historial.

Anthropic, en el texto Building effective agents (19 de diciembre de 2024), recomienda "encontrar la solución más simple posible y solo aumentar la complejidad cuando sea necesario". Para la mayoría de las atenciones, la solución más simple es un agente único bien integrado.

¿Qué es una arquitectura multiagente?

La arquitectura multiagente es el diseño en el que varios agentes especializados trabajan juntos, en general coordinados por un agente orquestador que recibe el pedido, decide quién actúa y combina los resultados. El conjunto forma un sistema multiagente, y cada especialista tiene las instrucciones, herramientas y permisos de su dominio.

Orquestador y especialistas

El agente orquestador es el agente que planifica y delega: entiende la intención, llama al especialista correcto y consolida la respuesta. Anthropic describe este patrón (orchestrator-workers) como un LLM central que "divide las tareas de forma dinámica, las delega a LLM trabajadores y sintetiza los resultados". Por ejemplo: un agente de cobranza, uno de soporte técnico y uno de ventas.

Enrutamiento y handoff entre agentes

Hay dos formas comunes de pasar el trabajo entre agentes. La documentación del OpenAI Agents SDK (consultada el 18 de noviembre de 2026) llama a la primera agentes como herramientas: un agente gerente mantiene el control de la conversación y llama a los especialistas como si fueran herramientas. La segunda es el handoff entre agentes: un agente de triaje hace el enrutamiento y el especialista elegido pasa a conducir la conversación.

No confundas el handoff entre agentes con el traspaso a humano. El primero cambia el agente que responde; el segundo saca a la IA de la conversación y entrega el caso a una persona con el resumen, como explican las reglas de traspaso de la IA al humano.

Agente único vs multiagente: ¿cuál es la diferencia en la práctica?

La diferencia práctica está en el precio de la coordinación: el agente único gasta menos tokens, responde más rápido y es más fácil de depurar; el multiagente aísla dominios y permite trabajo en paralelo.

CriterioAgente únicoMultiagente
CostoMenor: un ciclo de razonamiento por pasoMayor: cada agente consume sus propios tokens
LatenciaMenor: sin pases entre agentesMayor cuando los agentes corren en secuencia; menor en tareas paralelizables
DepuraciónUn historial, un prompt, un caminoVarios historiales y decisiones de enrutamiento que rastrear
ConfiabilidadUn punto de decisiónUn error de enrutamiento o de plan se propaga a los especialistas
ContextoTodo en la misma ventana de contexto, que puede llenarseCada especialista ve solo lo que necesita; el orquestador decide qué pasar
PermisosUn conjunto de accesos para todoCada agente accede solo a su dominio
MantenimientoUn conjunto de instrucciones que revisarVarios agentes y las reglas entre ellos

En el texto sobre su sistema de investigación multiagente (13 de junio de 2025), Anthropic informa que los agentes usan cerca de 4 veces más tokens que un chat y que los sistemas multiagente usan cerca de 15 veces más. El mismo texto registra que el sistema multiagente superó a un agente único en un 90,2% en la evaluación interna de investigación de la empresa: la ganancia existe, pero tiene precio y depende de la tarea.

¿Cuándo gana el agente único?

El agente único gana cuando la tarea es de un solo dominio, el contexto debe compartirse de principio a fin y el cliente espera la respuesta en tiempo real. Ese es el caso de la mayor parte de la atención al cliente.

  • Conversación continua con el cliente: dividirla entre agentes obliga a pasar contexto en cada cambio, y ahí se pierde la memoria conversacional.
  • Dominio único o cercano: dudas de un producto, estado de pedido, agenda. Una base de conocimiento bien organizada lo resuelve, como muestra la guía para entrenar al agente con la base de conocimiento.
  • El tiempo de respuesta importa: en chat y voz, cada pase entre agentes suma segundos.
  • Equipo pequeño para mantenerlo: revisar un agente es una tarea; revisar cinco y las reglas entre ellos es un proyecto.
  • Presupuesto controlado: con menos tokens por conversación, el costo por atención es predecible.

Anthropic señala en el texto de 2025 que los dominios donde todos los agentes comparten el mismo contexto no encajan bien con multiagente.

¿Cuándo compensa la arquitectura multiagente?

La arquitectura multiagente compensa cuando la tarea se divide en partes independientes, con instrucciones, herramientas o permisos que no conviven bien en un solo agente. La guía Building agents de OpenAI (consultada el 18 de noviembre de 2026) dice que multiagente "no debería ser tu solución por defecto", sino algo a considerar cuando hay tareas separadas que no se superponen.

  • Dominios realmente distintos: cobranza, soporte técnico y ventas con reglas, sistemas y tono diferentes.
  • Permisos que deben aislarse: el agente que responde dudas no debería poder reembolsar un pago. Separar agentes separa accesos.
  • Trabajo paralelizable: investigación en varias fuentes a la vez, análisis de muchos documentos, consultas independientes. Ahí aparece la ganancia que midió Anthropic.
  • Equipos distintos dueños de cada parte: finanzas mantiene el agente de cobranza, soporte mantiene el suyo, sin que uno toque el prompt del otro.
  • Evaluación por especialista: cada agente se prueba por separado, con su propia evaluación de IA.

Es el terreno de la agentic AI en procesos largos, más que de la conversación rápida.

¿Qué señales indican que es hora de dividir?

Es hora de dividir el agente único cuando empieza a fallar por exceso de responsabilidad, no por falta de información. Antes, confirma que instrucciones más claras o herramientas mejor descritas no lo resuelven.

  • Instrucciones llenas de excepciones: el prompt se volvió un árbol de "si es cobranza, haz esto; si es técnico, haz aquello" y cada ajuste rompe otro caso.
  • Herramientas que se confunden: el agente llama a la equivocada porque dos hacen cosas parecidas. A veces basta con describirlas mejor; si no, separa por dominio.
  • Reglas de acceso en conflicto: una parte de la conversación exige un permiso que el resto no debería tener.
  • Contexto desbordado: instrucciones, base e historial ya no caben con holgura en la ventana de contexto, y la calidad cae al final de las conversaciones largas.
  • Métricas que empeoran en un solo tema: la tasa de resolución por IA cae en cobranza mientras el resto va bien.

Cómo dividir sin romper la atención

  1. Mide antes: resolución, traspasos y costo por conversación del agente actual.
  2. Separa un dominio a la vez: empieza por el tema que más falla.
  3. Empieza con un enrutamiento simple: una regla clara de quién atiende qué, antes de un orquestador que planifica solo.
  4. Prueba con conversaciones reales y compara con la medición inicial.
  5. Mantén la salida a humano, con contexto, en cada cambio de agente.

¿Qué errores son comunes al elegir la arquitectura?

El error más común es elegir la arquitectura por el diagrama más bonito y no por el problema.

  • Empezar el piloto con cinco agentes: el proyecto se vuelve caro y lento antes de probar su valor.
  • Dividir por organigrama y no por tarea: un agente por departamento, cuando las conversaciones cruzan departamentos, genera un cambio de agente en cada mensaje.
  • Perder contexto en el handoff entre agentes: el especialista recibe solo el último mensaje y vuelve a preguntar lo que el cliente ya dijo.
  • Orquestador que activa a todos "por si acaso": el costo sube sin mejorar la respuesta.
  • Sin rastreo por agente: cuando algo falla, nadie sabe si fue el enrutamiento o el especialista. Mira qué monitorear en gobernanza de IA en la atención.
  • Confundir workflow con agente: Anthropic separa los workflows, que siguen caminos definidos en código, de los agentes, que deciden sus propios pasos. Muchas tareas que parecen pedir varios agentes son un flujo fijo con un agente en un solo punto.

Tabla de decisión: ¿qué arquitectura usar en cada caso?

La regla general: agente único por defecto, workflow cuando el camino es fijo y multiagente cuando hay dominios independientes o trabajo en paralelo.

EscenarioArquitectura recomendadaPor qué
Dudas de producto y estado de pedido en WhatsAppAgente únicoUn dominio, contexto continuo, respuesta rápida
Calificación de leads con agendaAgente único con herramientasPocas herramientas, una conversación
Proceso con etapas fijas (abrir ticket, notificar, registrar)Workflow con agente en un puntoEl camino es conocido; la IA solo interpreta
Soporte, cobranza y ventas con reglas y sistemas distintosMultiagente con enrutamientoDominios y permisos separados
Investigación en muchas fuentes o análisis de documentos en loteMultiagente con orquestadorTrabajo paralelizable
Acción de impacto (reembolso, cancelación)Cualquiera, con aprobación humanaEl riesgo pide human-in-the-loop

Para estimar el costo de cada diseño, mira cuánto cuesta implementar un agente de IA.

¿Dónde entra Tolky?

Tolky es un AI CRM conversacional en el que la empresa configura agentes de IA por misión (como soporte, ventas y relación comercial o engagement) y los conecta a automatizaciones, Flujos, CRM y al equipo, sin código de orquestación. La decisión de esta guía se vuelve configuración.

  • El agente: en la identidad del agente eliges la misión y escribes el alcance y los límites, los temas prohibidos y qué hacer cuando no puede resolver. Para empezar, hay prompts de agente de IA listos.
  • El camino fijo: en las automatizaciones, cada módulo tiene una regla en lenguaje natural de cuándo ejecutarse y una acción, como crear un ticket. En los Flujos, el paso Decisión separa los caminos y el paso Agentes pone la IA solo donde quieres.
  • Los sistemas: solicitud HTTP, webhooks, herramientas MCP y más de 1.000 apps en el nodo Integración; la lista está en integraciones.
  • La persona: reglas de traspaso en lenguaje natural y el paso Transferir a humano, que entrega el historial y el resumen de la conversación.

Pantalla Automatizaciones de Tolky con el módulo Falla en la Prueba de Placa: la regla en lenguaje natural de cuándo ejecutarse, la acción Crear Ticket y las instrucciones del ticket, con la opción de crearlo también en HubSpot (interfaz en portugués)

Lo que Tolky no es: un framework para montar cualquier grafo de agentes en código. Para investigación autónoma o documentos en lote, un framework de agentes es el camino correcto. Para conversaciones con clientes en WhatsApp, el sitio web, el correo electrónico, Teams y voz, mira la atención con IA en WhatsApp.

Preguntas frecuentes

¿Qué es la arquitectura de agente único?

Es el diseño en el que un solo agente de IA, un modelo de lenguaje con instrucciones, memoria y herramientas, recibe el pedido y ejecuta la tarea completa. Decide los pasos en ciclo hasta terminar o hasta pasar el caso a una persona.

¿Qué hace un agente orquestador?

El agente orquestador recibe el pedido, identifica la intención, decide qué agentes especializados activar y en qué orden, y combina los resultados en una respuesta. Por eso, un error suyo afecta a todos los especialistas.

¿Multiagente siempre es mejor que agente único?

No. Multiagente usa más tokens, suma latencia cuando los agentes corren en secuencia y es más difícil de depurar. Vale la pena cuando hay dominios independientes, permisos que deben aislarse o trabajo que puede correr en paralelo.

¿Cuál es la diferencia entre handoff entre agentes y traspaso a humano?

En el handoff entre agentes, un agente pasa la conversación a otro agente especializado. En el traspaso a humano, la IA sale de la conversación y una persona asume con el historial y el resumen. Ambos exigen que el contexto viaje con la conversación.

¿Cuántas herramientas aguanta un agente único?

No hay un número fijo. Molestan más las herramientas parecidas, que el modelo confunde, que la cantidad. Describe cada una con claridad y separa por dominio si los errores persisten.

¿Tolky usa agente único o multiagente?

Tolky no te pide elegir la arquitectura en código: configuras agentes por misión, automatizaciones y Flujos con decisiones y traspaso a humano.


Conclusión

Elegir entre una arquitectura de agente único y una multiagente es un equilibrio entre simplicidad y especialización. Empieza con un agente bien integrado, mide resolución y costo, y divide solo cuando aparezcan las señales: instrucciones llenas de excepciones, herramientas que se confunden, permisos en conflicto o trabajo paralelizable. En cualquier diseño, el traspaso a una persona con contexto sigue siendo parte de la arquitectura. ¿Hablamos?

Mira los planes, conoce los Flujos, lee la guía de orquestación o habla con el equipo →

Compartir

Etiquetas

  • arquitectura de agente único
  • agente único vs multiagente
  • agente orquestador
  • arquitectura de agentes de ia
  • sistema multiagente
  • handoff entre agentes
  • orquestación de agentes
  • #CRM conversacional

Sobre el autor

Cofundador de Tolky

Marlos Carmo es un emprendedor en IA y fundador de Tolky, la infraestructura y AI CRM de la era conversacional que unifica el servicio inteligente, la omnicanalidad (como WhatsApp y voz), el CRM en vivo y la inteligencia operativa en un único ecosistema. Es finalista del SXSW Innovation Awards e integrante de la Francesco's Economy, una red global de jóvenes emprendedores enfocados en la innovación y el impacto social. Trabaja conectando la Inteligencia Artificial y la transformación digital en proyectos para grandes organizaciones.

Siguiente paso

¿Quieres llevar esto a tu operación?

Tati, la asistente de IA de Tolky, entiende tu escenario en pocas preguntas, sugiere el mejor camino y te conecta con una persona del equipo con todo el contexto.

Compartir

Lea también: comparativos y listas de plataformas