Habilidades multi-agent-patterns
📦

multi-agent-patterns

Seguro

Construir Sistemas Multi-Agente

También disponible en: Asmayaseen,ChakshuGautam,muratcankoylan

Los sistemas de agente único enfrentan límites de contexto que restringen el manejo de tareas complejas. Las arquitecturas multi-agente distribuyen el trabajo entre agentes especializados con ventanas de contexto separadas, permitiendo razonamiento paralelo y coordinación más allá de las capacidades de un solo agente.

Soporta: Claude Codex Code(CC)
📊 71 Adecuado
1

Descargar el ZIP de la skill

2

Subir en Claude

Ve a Configuración → Capacidades → Skills → Subir skill

3

Activa y empieza a usar

Pruébalo

Usando "multi-agent-patterns". Diseñar un sistema multi-agente de equipo de investigación

Resultado esperado:

Un supervisor coordina cuatro especialistas: Investigador (búsqueda web, recuperación de documentos), Analista (análisis de datos, estadísticas), Verificador de hechos (verificación, validación), y Escritor (generación de informes). El supervisor descompone consultas de investigación, enruta a agentes apropiados y agrega hallazgos. Usar una herramienta forward_message para permitir respuestas directas al usuario cuando los agentes producen salida final, evitando el problema del juego de teléfono donde los supervisores parafrasean incorrectamente las respuestas de sub-agentes.

Usando "multi-agent-patterns". ¿Cuándo debo usar patrones peer-to-peer vs jerárquicos?

Resultado esperado:

Usar peer-to-peer/enjambre cuando: las tareas requieren exploración flexible, la planificación rígida es contraproducente, o los requisitos emergen dinámicamente. Ventajas: sin punto único de fallo, escala para exploración breadth-first, habilita comportamientos emergentes. Usar jerárquico cuando: proyectos a gran escala con estructura clara, flujos de trabajo empresariales con capas de gestión, o tareas necesitan tanto planificación de alto nivel como ejecución detallada. Ventajas: refleja estructuras organizacionales, separación clara de responsabilidades.

Auditoría de seguridad

Seguro
v1 • 2/25/2026

Security evaluation confirms this is a documentation skill about multi-agent architecture patterns. Static findings flagged external_commands, network, and cryptographic patterns but all are FALSE POSITIVES - the scanner misidentified markdown code blocks as shell commands, documentation URLs as HTTP requests, and coincidental keywords as cryptographic usage. The skill contains no executable code, no actual network calls, and no security vulnerabilities.

1
Archivos escaneados
263
Líneas analizadas
0
hallazgos
1
Auditorías totales
No se encontraron problemas de seguridad
Auditado por: claude

Puntuación de calidad

38
Arquitectura
100
Mantenibilidad
87
Contenido
32
Comunidad
100
Seguridad
91
Cumplimiento de la especificación

Lo que puedes crear

Automatización de Tareas de Investigación

Coordinar múltiples agentes especializados (investigador, analista, verificador de hechos, escritor) para realizar tareas de investigación exhaustivas en paralelo, con un supervisor agregando resultados.

Sistemas de Flujo de Trabajo Empresarial

Implementar estructuras de agentes jerárquicos que reflejan jerarquías organizacionales, con capas estratégicas, de planificación y ejecución manejando diferentes niveles de abstracción.

Enrutamiento de Servicio al Cliente

Implementar patrones de agentes peer-to-peer que transfieren dinámicamente solicitudes de clientes a agentes especializados (facturación, técnico, ventas) según el tipo de solicitud.

Prueba estos prompts

Patrón Supervisor Básico 
Diseñar un sistema de agente supervisor que coordina tres agentes especialistas para [TASK]. Incluir cómo el supervisor descompone la tarea, enruta a los especialistas apropiados y agrega resultados.
Diseño de Transferencia Peer-to-Peer 
Crear una arquitectura de agentes peer-to-peer para [USE_CASE] donde los agentes pueden transferirse dinámicamente entre sí. Definir los protocolos de transferencia y mecanismos de paso de estado.
Arquitectura Jerárquica 
Diseñar un sistema de agentes jerárquico de tres capas para [DOMAIN]: capa de estrategia para definición de objetivos, capa de planificación para descomposición de tareas, y capa de ejecución para tareas atómicas.
Implementación de Mecanismo de Consenso 
Implementar un mecanismo de consenso para [SCENARIO] que usa votación ponderada por puntuaciones de confianza del agente. Incluir protocolos de debate para crítica adversarial e intervención basada en disparadores para detección de sicofancia.

Mejores prácticas

  • Diseñar para aislamiento de contexto como beneficio principal - los sub-agentes deben tener contextos limpios y enfocados en lugar de llevar historia acumulada
  • Elegir el patrón de arquitectura basado en necesidades de coordinación, no metáforas organizacionales - el patrón supervisor proporciona control, peer-to-peer proporciona flexibilidad, jerárquico proporciona abstracción
  • Implementar protocolos explícitos de transferencia con paso de estado para prevenir fugas de contexto entre agentes

Evitar

  • Crear sub-agentes que imitan roles organizacionales (CEO, gerente, trabajador) en lugar de enfocarse en particionamiento de contexto - esto antropomorfiza agentes sin beneficio funcional
  • Permitir que el supervisor parafrasee respuestas de sub-agentes (el problema del juego de teléfono) que pierde fidelidad en sistemas multi-agente
  • Usar votación por mayoría simple sin ponderar por confianza o experiencia - las alucinaciones de modelos débiles obtienen peso igual al razonamiento de modelos fuertes

Preguntas frecuentes

¿Cuál es el beneficio principal de las arquitecturas multi-agente?
El beneficio principal es el aislamiento de contexto. Cada sub-agente opera en una ventana de contexto limpia enfocada en su sub-tarea sin llevar contexto acumulado de otras tareas. Esto aborda el cuello de botella de contexto que limita los sistemas de agente único.
¿Cuánto más caros son los sistemas multi-agente comparados con agente único?
Los sistemas multi-agente consumen aproximadamente 15x más tokens que las líneas base de agente único debido a sobrecarga de coordinación, ventanas de contexto paralelas y agregación de resultados. Sin embargo, habilitan capacidades más allá de los límites de agente único.
¿Qué patrón de arquitectura debo elegir?
Elegir supervisor/orquestador para control centralizado y descomposición clara de tareas. Elegir peer-to-peer/enjambre para exploración flexible y requisitos emergentes. Elegir jerárquico para sistemas a gran escala con capas de abstracción claras.
¿Cómo prevengo cuellos de botella del supervisor?
Implementar restricciones de esquema de salida para que los trabajadores devuelvan solo resúmenes destilados. Usar checkpointing para persistir estado del supervisor sin llevar historia completa. Considerar mecanismos de paso directo permitiendo a sub-agentes responder a usuarios cuando sea apropiado.
¿Qué mecanismos de consenso funcionan para sistemas multi-agente?
Votación ponderada (ponderar por confianza o experiencia), protocolos de debate (crítica adversarial en múltiples rondas), e intervención basada en disparadores (detectar marcadores de estancamiento o sicofancia). Evitar votación por mayoría simple que trata alucinaciones de modelos débiles igualmente.
¿Qué frameworks implementan estos patrones?
LangGraph usa máquinas de estado basadas en grafos con nodos y aristas explícitos. AutoGen usa patrones conversacionales/impulsados por eventos con GroupChat. CrewAI usa flujos de proceso basados en roles con estructuras de crew jerárquicas.

Detalles del desarrollador

Autor

sickn33

Licencia

MIT

Repositorio

https://github.com/sickn33/antigravity-awesome-skills/tree/main/skills/multi-agent-patterns

Ref.

main

Estructura de archivos

📄 SKILL.md