Red de agentes: El futuro de la colaboración escalable de IA
Aunque se ha escrito mucho sobre las arquitecturas de agentes, las implementaciones de producción de nivel real siguen siendo limitadas. Este artículo destaca la red de IA de agentes, un concepto introducido recientemente en McKinsey. 1
Examinaremos los desafíos que surgen en entornos de producción y demostraremos cómo nuestra arquitectura propuesta permite un escalado controlado de las capacidades de IA.
Desafíos en los sistemas de agentes
A medida que los equipos pasan de probar y experimentar con agentes de IA a implementar casos de uso escalables y del mundo real, surgen varios desafíos:
- Lagunas de integración: Durante la experimentación, los equipos utilizan soluciones preconstruidas que aceleran el desarrollo, pero estas soluciones a menudo carecen de un enfoque consistente al escalar. Como resultado, surgen problemas de integración y coordinación, lo que genera brechas en la cobertura. Por ejemplo, hemos visto que al intentar escalar chatbots impulsados por IA, diferentes sistemas para datos e interacciones de clientes no logran sincronizarse.
- Aislamiento de agentes: La mayoría de los agentes hoy en día trabajan de forma independiente con información local. Por ejemplo, un agente Planificador, Recuperador y Ejecutor conectado mediante APIs puede carecer de un contexto unificado. A medida que las organizaciones escalan a ecosistemas de múltiples agentes, la ausencia de memoria compartida y coordinación se convierte en un desafío clave.
- Limitaciones operativas: Las aplicaciones de agentes de IA pueden generar resultados impredecibles y comportamientos no deterministas, generando respuestas inconsistentes o fallando en ofrecer soluciones precisas.
Presentación de la arquitectura de red de agentes
La red de IA imagina un «Internet para Agentes», donde múltiples agentes pueden razonar, colaborar y actuar de forma autónoma a través de una red distribuida de sistemas y herramientas.
A diferencia de las pipelines de RAG o las APIs de microservicios, crea un sistema de registro para el comportamiento de los agentes: cada invocación de herramienta, error y resultado se distribuye a través de la red de eventos y se preserva mediante la capa de coordinación.
Con el tiempo, este historial compartido se convierte en una base de conocimientos más rica, permitiendo que los agentes se alineen en torno a un contexto común y colaboren de manera más efectiva.
¿Cómo funciona una red de agentes:
1. Composibilidad:
Cualquier agente, herramienta o modelo (por ejemplo, un nuevo LLM) puede conectarse a la red sin requerir cambios en otros componentes.
Este diseño modular apoya el escalado al permitir que las organizaciones agreguen o reemplacen capacidades de forma incremental, sin interrumpir los flujos de trabajo existentes.
2. Razonamiento paralelo de agentes:
La red permite que el razonamiento se distribuya entre múltiples agentes. Esto aumenta la complejidad, pero permite que agentes especializados manejen partes de una tarea más grande en lugar de depender de un solo LLM.
Esta división del trabajo facilita el escalado de los sistemas de IA, ya que las cargas de trabajo pueden distribuirse entre agentes que se ejecutan en paralelo.
3. Acoplamiento en capas:
La red separa funciones clave (por ejemplo, lógica, memoria, orquestación e interfaces) en capas distintas. Esto significa que el razonamiento de un agente puede operar de forma independiente de su almacenamiento de datos o interfaz de usuario.
4. Neutralidad del proveedor:
La red no está vinculada a un solo proveedor o plataforma. Los componentes pueden reemplazarse o actualizarse de forma independiente, con una preferencia por estándares abiertos como el Protocolo de Contexto de Modelo (MCP) y Agente2Agente (A2A) sobre APIs propietarias.
Por ejemplo, el A2A de Google define un formato de mensaje común y un mecanismo de descubrimiento para la colaboración entre marcos, mientras que el MCP de Anthropic proporciona una forma universal para que los agentes obtengan datos. Similar a USB, estos estándares permiten la interoperabilidad para que los equipos puedan mezclar herramientas y modelos de diferentes proveedores sin trabajo de integración adicional.
5. Autonomía gobernada:
Los agentes en la red actúan por sí mismos, pero dentro de límites, políticas integradas y otras restricciones. En otras palabras, cada acción autónoma está pre-gobernada por reglas.
Capacidades operativas: ¿Cómo funciona la red en la práctica?
Cada una de estas capacidades abarca toda la red (no está vinculada a una sola plataforma) y a menudo se asemeja a conceptos de entornos de nube o microservicios, como registros de servicios o registros de auditoría.
A continuación, describimos cada capacidad y cómo opera en la práctica:
Descubrimiento de agentes y flujos de trabajo:
La red mantiene un directorio central de todos los agentes y flujos de trabajo disponibles. Esto asegura que los equipos puedan encontrar, reutilizar e integrar fácilmente las capacidades existentes en lugar de reconstruirlas desde cero. Los agentes también pueden publicar «tarjetas de capacidad» estandarizadas que describen lo que pueden hacer, las cuales pueden ser consultadas por otros agentes u operadores humanos.
Al hacer cumplir una taxonomía común y estándares de metadatos, las organizaciones también pueden aplicar políticas de gobernanza, como restringir ciertas tareas sensibles solo a agentes certificados.
Registro de activos de IA:
El registro de activos proporciona un repositorio para todos los activos de IA críticos que dan forma al comportamiento de los agentes. Esto incluye prompts, definiciones de herramientas, configuraciones de modelos, conjuntos de datos y políticas. Todo en el repositorio está controlado por versiones, auditable y sujeto a gobernanza.
Los activos esenciales a menudo incluyen:
- Prompts e instrucciones probados contra jailbreaks o sesgos.
- Configuraciones de agentes que especifican qué herramientas, APIs y modelos están permitidos.
- Configuraciones de LLM que definen los modelos y parámetros disponibles.
- Definiciones de herramientas y servidores MCP con controles de acceso integrados.
- Ejemplos de entrada/salida dorados que forman referencias confiables para el aprendizaje y la evaluación.
Gestión de retroalimentación:
Los bucles de retroalimentación están integrados en la red para que cada ejecución de flujo de trabajo se convierta en una fuente de aprendizaje. Se recopilan métricas como latencia, precisión, tasas de error o incluso calificaciones humanas y se retroalimentan en el sistema.
Cumplimiento y gestión de riesgos:
Cada flujo de trabajo de agente debe operar dentro de reglas y restricciones definidas. Las herramientas de cumplimiento y gestión de riesgos están integradas directamente en la red para garantizar esto.
Por ejemplo,
- Los agentes de cumplimiento pueden auditar acciones contra estándares organizacionales o regulatorios antes de que se finalicen los resultados.
- Las políticas pueden requerir que las tareas sensibles incluyan verificaciones de agentes de privacidad o seguridad, mientras que los registros de auditoría registran cada acción para su revisión posterior.
Sistemas de evaluación:
Las pipelines de evaluación funcionan como pruebas de integración para flujos de trabajo de agentes. Su objetivo es garantizar que los flujos de trabajo permanezcan robustos incluso cuando cambian los LLM subyacentes o las condiciones externas cambian.
Cuando ocurre una implementación o actualización de modelo, ejecutan suites de pruebas estructuradas para validar la corrección.
Suelen incluir:
- Pruebas a nivel de paso (por ejemplo, ¿se invocó la API/herramienta correcta?).
- Pruebas a nivel de flujo de trabajo (por ejemplo, ¿el proceso general produjo el resultado esperado?).
- Pruebas adversarias (por ejemplo, inyección de prompt, mal uso, denegación de servicio).
Observabilidad:
En una red de agentes, la observabilidad garantiza que cada interacción y flujo de trabajo de los agentes pueda rastrearse, registrarse y analizarse. Esta capacidad proporciona visibilidad de extremo a extremo sobre cómo colaboran los agentes, qué herramientas se invocan y qué recursos se consumen.
Al centralizar métricas y registros de eventos, las organizaciones pueden detectar anomalías, controlar costos y verificar que los resultados se mantengan dentro de las políticas de gobernanza.
Estándares emergentes como OpenTelemetry para agentes están ayudando a hacer que la observabilidad sea interoperable entre diferentes entornos de ejecución.
Autenticación y autorización:
En una red de agentes, cada llamada de agente a agente o de agente a servicio debe autenticarse y autorizarse. Piense en ello como emitir insignias de seguridad temporales: los agentes solo obtienen los permisos exactos que necesitan, y estos expiran rápidamente.
El uso de estándares como OAuth 2.0, JWT y acceso de mínimo privilegio mantiene las interacciones seguras y limita el impacto si un componente se ve comprometido.
¿Por qué esto importa?
En conjunto, estas capacidades convierten a los agentes débilmente conectados en una red coherente y bien gobernada. Los flujos de trabajo se vuelven supervisados, auditable y adaptables, mientras que mantienen la flexibilidad para integrar nuevos agentes, herramientas o modelos según sea necesario.
Por ejemplo, un agente construido por Atlassian podría descubrir e invocar sin problemas un agente especialista de Salesforce a través de la red, con identidades y flujos de datos gestionados por protocolos compartidos.
Esto es lo que distingue a una red de agentes de los sistemas tradicionales de gestión de flujos de trabajo. Los orquestadores convencionales pueden conectar APIs y tareas, pero generalmente carecen de la gobernanza integrada, la retroalimentación continua y los mecanismos de cumplimiento que proporciona la red.
Añadir como fuente preferidaCasos de uso de la red de agentes
Los conceptos de red de agentes están ganando tracción, pero las implementaciones del mundo real de nivel de producción siguen siendo limitadas. La mayoría de los ejemplos actuales son implementaciones tempranas o pruebas de concepto. Dicho esto, varios proveedores están comenzando a mostrar casos de uso prácticos:
Kubernetes y control de entrada
En lugar de depender únicamente de controladores de entrada estáticos, en un sistema de red de agentes, los agentes de IA pueden extender entornos nativos de Kubernetes permitiendo que los agentes gestionen el tráfico, apliquen seguridad y optimicen cargas de trabajo a través de APIs y flujos de eventos.
Áreas de aplicación:
- Control de entrada: Los agentes aplican autenticación, terminación TLS y reglas de política para proteger APIs del acceso no autorizado.
- Orquestación consciente del clúster: Los agentes escalan las cargas de trabajo hacia arriba o hacia abajo y ajustan las estrategias de enrutamiento según la disponibilidad de recursos.
Ejemplo del mundo real:
Optimización de sistemas backend
Una red de agentes puede ayudar a optimizar los sistemas backend permitiendo que los agentes gestionen el tráfico, apliquen políticas y equilibren las cargas de trabajo en tiempo real.
Áreas de aplicación:
- Gestión de tráfico: Aplique límites de velocidad, cuotas y controles de picos granulares para evitar la sobrecarga.
- Balanceo de carga: Distribuya las llamadas entrantes de API y el tráfico de flujos de eventos entre servidores para mantener servicios receptivos.
- Prevención de cuellos de botella: Detecte y limite las solicitudes excesivas de API o flujos de datos para garantizar un rendimiento consistente.
- Optimización de la resiliencia y el tiempo de actividad: Mejore la tolerancia a falhos redirigiendo solicitudes fallidas de API/eventos.
Ejemplo del mundo real:
La compañía ferroviaria Eurostar utiliza una red de agentes para optimizar los sistemas backend. Gestionan el acceso de los clientes a APIs de manera granular para un control de tráfico más seguro y una distribución de carga.5
Gestión centralizada de API
Una red de agentes ayuda a las organizaciones a centralizar APIs, flujos de eventos y agentes de IA en una plataforma unificada.
Áreas de aplicación:
- Soporte para múltiples gateways: Integre APIs de varias plataformas como AWS, Azure y Apigee
- Autenticación de nivel empresarial: Asegure el control de acceso adecuado para gestionar quién puede interactuar con APIs y agentes.
Ejemplo del mundo real:
SKF, una empresa manufacturera, utiliza una plataforma de red de agentes para centralizar y gestionar sus APIs. 6
Gestión y exposición de datos en tiempo real y flujos de eventos
Una red de agentes ayuda a las organizaciones a gestionar y asegurar el acceso a datos en tiempo real y flujos de eventos, proporcionando una integración y control sin problemas. Piense en ello como un centro centralizado donde diferentes sistemas, como APIs y brokers de eventos, pueden comunicarse y compartir datos de manera eficiente.
Áreas de aplicación:
- Seguridad centralizada: Asegure que todos los datos y APIs sean seguros y cumplan con los estándares organizacionales.
- Mediación de protocolos: Convierta diferentes tipos de flujos de datos (por ejemplo, Kafka, MQTT) en formatos comunes y fáciles de usar como REST o WebSocket.
- Descubrimiento de API y eventos: Proporcione un portal único para que los desarrolladores encuentren y utilicen datos y APIs.
- Gestión unificada: Maneje todos los tipos de APIs y flujos de datos, incluidos REST y WebSocket, en un solo lugar.
El futuro de la red de agentes: ¿Solo otra moda?
La red de agentes promete una forma transformadora para que los agentes de IA autónomos colaboren dentro de un ecosistema estructurado. Sin embargo, existe el riesgo de que se convierta en solo otro marco técnico, dominado por soluciones de infraestructura como redes de servicios y tejidos de integración:
- Un patrón similar surgió con el concepto de red de datos. Cuando Zhamak Dehghani lo introdujo, la idea revolucionó la gestión de datos al centrarse en la propiedad, la gobernanza y el tratamiento de los datos como un producto. Sin embargo, los proveedores rebrandearon rápidamente las soluciones existentes como Data Mesh.7
- La misma tendencia es ahora visible con la red de agentes. Si bien la conversación se centra en aspectos técnicos como la comunicación/orquestación segura, estos son principalmente componentes de infraestructura.
Para evitar reducirlo a solo otra Service Mesh 2.0 o Data Fabric 2.0 con IA, la verdadera oportunidad radica en centrarse en la creación de valor, no solo en la infraestructura subyacente.
Es esencial asegurar que los dominios de negocio asuman la responsabilidad de sus agentes, no solo depender de proveedores de middleware. Si las organizaciones adoptan la propiedad del dominio, la administración y la gobernanza federada, la red de agentes puede convertirse en una herramienta poderosa para la transformación.
Cita esta investigación
Elige el formato que se ajuste al lugar donde vas a publicar. Pegar la versión con enlace en tu CMS conserva el enlace de retroceso.
@misc{dilmegani2026,
author = {Dilmegani, Cem},
title = {{Red de agentes: El futuro de la colaboración escalable de IA}},
year = {2026},
month = jun,
howpublished = {\url{https://aimultiple.com/agentic-mesh}},
note = {AIMultiple. Recuperado el 8 de Junio de 2026}
}Enlaces de referencia
Sé el primero en comentar
Tu dirección de correo electrónico no será publicada. Todos los campos son obligatorios. Los comentarios se dejan en su idioma original.