Eduardo H. Ramirez, PhD

Demos de agentes y orquestación

En los siguientes demos podrás analizar a través de ejemplos y animaciones paso a paso los componentes de un agente (prompts, harness, modelo, etc.) así como las principales estrategias de orquestación y uso de funciones.

Idioma Español English

1. Anatomía de un agente

Un solo agente por dentro: qué responde el modelo, qué ejecuta el harness, cómo regresan las observaciones y cómo crece el prompt en cada iteración.

Anatomía · caso 1
Agente de precios
Ciclo básico de acción y observación con un motor de búsqueda y una calculadora.
Anatomía · caso 2
Function Calling
Estado de un pedido: el modelo devuelve una llamada en JSON y el programa la ejecuta.
Anatomía · caso 3
ReAct
Queja por cobro duplicado: pensamiento, acción y observación en cinco iteraciones.

2. Patrones de orquestación multi-agente

Cada demo muestra el flujo a nivel workflow: qué agente recibe qué contexto, qué escribe en el estado compartido, quién decide el siguiente paso y dónde intervienen el código y las personas. Cada agente tiene un chip system prompt: al pasar el cursor o hacer clic se muestran sus instrucciones y herramientas hipotéticas. Los nombres de personas, empresas, folios y cifras son ficticios.

Patrón 1
Secuencial
Generación de un contrato
Fuente: Microsoft
Patrón 2
Routing por clasificación
Mensajes de servicio al cliente
Fuente: Anthropic
Patrón 3
Coordinator/dispatcher
Cargo no reconocido y falla del módem
Fuente: Google ADK
Patrón 4
Handoff
Internet sin servicio y bonificación
Fuente: Microsoft
Patrón 5
Sectioning y fan-out/gather
Revisión de un pull request
Fuente: Google ADK
Patrón 6
Voting
Detección de vulnerabilidades
Fuente: Anthropic
Patrón 7
Selección dinámica y agregación
Análisis de una acción ficticia
Fuente: Microsoft
Patrón 8
Orchestrator-workers
Incidentes de soporte por región
Fuente: Anthropic
Patrón 9
Hierarchical decomposition
Reporte trimestral de satisfacción
Fuente: Google ADK
Patrón 10
Magentic
Respuesta a un incidente de SRE
Fuente: Microsoft
Patrón 11
Evaluator-optimizer y maker-checker
Traducción literaria
Fuente: Anthropic
Patrón 12
Generator-critic
Validación de una consulta SQL
Fuente: Google ADK
Patrón 13
Iterative refinement
Optimización de una función
Fuente: Google ADK
Patrón 14
Group chat
Evaluación de un parque
Fuente: Microsoft
Patrón 15
Human-in-the-loop
Reembolso por cobro duplicado
Fuente: Google ADK y Microsoft
Patrón 16
Patrones compuestos
Falla de sincronización de una app
Fuente: Google ADK

Convenciones de notación de los traces

EtiquetaSignificado
PATRÓNPatrón que ilustra el trace
AGENTESAgentes que participan, con sus herramientas o su función
ESTADO COMPARTIDOClaves donde los agentes escriben sus resultados
PASO, TURNO, ITERACIÓN, RONDAUnidad de avance según el patrón
RecibeContexto que entra al agente en ese paso
Acción / ObservaciónLlamada a una herramienta y su resultado
GATEVerificación programática entre pasos
HANDOFFTransferencia del control completo a otro agente
PAUSA / REANUDAPunto de aprobación humana

Referencias

Anthropic. (2024, 19 de diciembre). Building effective agents. https://www.anthropic.com/engineering/building-effective-agents

Cognition. (2025, 12 de junio). Don't build multi-agents (W. Yan). https://cognition.com/blog/dont-build-multi-agents

Google. (2025, 16 de diciembre). Developer's guide to multi-agent patterns in ADK (S. Saboo). Google Developers Blog. https://developers.googleblog.com/developers-guide-to-multi-agent-patterns-in-adk/

Microsoft. (2026, 12 de febrero). AI agent orchestration patterns (C. Kittel y C. Siemens). Azure Architecture Center. https://learn.microsoft.com/en-us/azure/architecture/ai-ml/guide/ai-agent-design-patterns

Ramirez, E. (2026). Function Calling vs. ReAct: traces de ejemplo [Material del curso].

Yan, W. (2026, 22 de abril). Multi-agents: What's actually working [Publicación en X]. https://x.com/walden_yan/status/2047054554433462360