Agentes de IA

Google y Cursor lanzan sistemas rivales de codificación multiagente para equipos

Swarm de Google coordina agentes para un solo desarrollador, mientras que los Proyectos multijugador de Cursor permiten que los agentes de los compañeros de equipo se coordinen entre tareas.

Ilustración de redes de coordinación de agentes de IA para un solo desarrollador versus a nivel de equipo
Ilustración generada para este artículo

Traducido automáticamente del original en inglés.

El 12 de noviembre de 2026, Google y Cursor revelaron estrategias competitivas para gestionar múltiples agentes de IA de codificación simultáneamente. Google introdujo Swarm dentro de su plataforma Antigravity para organizar agentes para un único desarrollador, mientras que Cursor lanzó la funcionalidad multijugador para su función Projects para permitir la coordinación entre agentes que trabajan para diferentes miembros del equipo. Estos lanzamientos abordan el creciente caos que ocurre cuando los trabajadores paralelos de IA duplican esfuerzos o entran en conflicto con los cambios de otros.

Qué ocurrió

Los agentes de codificación se han vuelto competentes en tareas paralelas, como escribir endpoints de API, actualizar pruebas y corregir errores simultáneamente. Sin embargo, sin una coordinación adecuada, estos agentes a menudo se estorban mutuamente, lo que lleva a trabajo duplicado y errores de integración que requieren una intervención humana significativa. Para resolver esto, los principales laboratorios de IA y creadores de herramientas están desarrollando métodos para poner orden en las flotas de agentes, con Google y Cursor adoptando enfoques distintos el mismo día.

Cursor, adquirida por SpaceX por 60 mil millones de dólares en agosto de 2026, expandió su función Projects con capacidades multijugador. Anteriormente, Projects permitía a un solo desarrollador delegar grandes trabajos a un agente coordinador que dividía las tareas entre agentes trabajadores. La nueva actualización permite a los desarrolladores invitar a compañeros de equipo a un proyecto, donde cada persona conserva su propio coordinador y trabajadores. Estos coordinadores pueden mensajearse directamente para compartir planes, señalar superposiciones y acordar el orden de ejecución, como determinar qué cambio en el esquema de base de datos debe aplicarse primero.

Simultáneamente, Google desplegó Gemini 4 Carbon en Antigravity, su plataforma consolidada de herramientas de codificación, junto con una vista previa de Swarm. Esta característica permite a un solo desarrollador asignar una tarea compleja a un coordinador, que luego divide el trabajo entre múltiples agentes trabajadores y asigna un verificador para revisar los resultados. Los trabajadores se comunican en un tablero compartido para coordinar cambios, como actualizar el middleware de autenticación y los verificadores de tokens en worktrees de Git separados antes de entregarlos para pruebas.

Cómo funciona

La distinción principal radica en el alcance de la coordinación. Swarm de Google se centra en la coordinación intra-desarrollador, dividiendo una única asignación entre muchos agentes que hablan entre sí para asegurar que sus contribuciones individuales encajen. Varun Mohan, director de ingeniería de software en Google DeepMind, señaló que el personal interno ya está utilizando enjambres de cientos de agentes para construir grandes sistemas desde un solo prompt.

El enfoque de Cursor apunta a la coordinación inter-equipos. En Projects multijugador, los agentes pertenecientes a diferentes humanos colaboran en asignaciones separadas. Los coordinadores intercambian mensajes para alinearse sobre recursos compartidos y dependencias, con el objetivo de reducir la carga de coordinación manual para los desarrolladores. Parker Smith, ingeniero en SpaceXSI, declaró que esto permite a los agentes obtener el contexto necesario de los agentes de los compañeros sin bloquear el progreso ni requerir mediación humana.

Detalles clave

  • Swarm de Google está disponible en vista previa para suscriptores de Google AI Pro y Ultra.
  • Los Projects multijugador de Cursor están actualmente en beta para usuarios con cuenta de equipo.
  • Swarm utiliza un modelo coordinador-trabajador-verificador donde los trabajadores se mensajean en un tablero compartido.
  • Los coordinadores de Cursor tratan los mensajes de los agentes de los compañeros como entrada no confiable y piden permiso antes de compartir archivos privados.
  • La investigación de Anthropic indica que los grupos de agentes por usuario pueden rendir entre 10 y 45 puntos porcentuales peor que las configuraciones de un solo agente en entornos de recursos compartidos.
  • GitHub Copilot y AWS Kiro Crew también ofrecen funciones de distribución de tareas multiagente o entre repositorios.

Por qué importa

Para los líderes de ingeniería de software y fundadores técnicos, estas herramientas representan un cambio de la asistencia individual de IA hacia la automatización a nivel de equipo. La capacidad de los agentes para coordinarse a través de los límites del equipo promete ciclos de desarrollo más rápidos al eliminar cuellos de botella humanos en el intercambio de contexto. Sin embargo, también introduce nuevos riesgos respecto a la propagación de errores y la seguridad. Si un agente comete un error, los sistemas multijugador podrían potencialmente extender ese error a todo el flujo de trabajo del equipo si no se contiene adecuadamente.

La seguridad y la gobernanza se vuelven críticas a medida que los agentes ganan autonomía. Cursor aborda esto aislando secretos y credenciales en chats separados y tratando los mensajes externos de agentes como no confiables. No obstante, quedan preguntas sobre el control de acceso basado en roles para los intercambios entre agentes. Los equipos deben establecer reglas y habilidades compartidas para garantizar la consistencia, ya que los comportamientos divergentes de los agentes podrían llevar a conflictos o afirmaciones infundadas sobre la intención del usuario, como destacó la reciente investigación de Anthropic.

Qué puedes hacer

  • Evalúa si los flujos de trabajo de tu equipo se benefician más del escalado de agentes para un solo desarrollador o de la coordinación entre equipos.
  • Define reglas y habilidades compartidas para tus agentes de IA para prevenir comportamientos inconsistentes en entornos multijugador.
  • Revisa los protocolos de seguridad para asegurarte de que los agentes no compartan inadvertidamente credenciales sensibles o archivos privados.
  • Monitorea las interacciones de los agentes para detectar propagación de errores, especialmente cuando múltiples agentes acceden a recursos compartidos como colas de fusión de código.
  • Prueba proyectos multijugador a pequeña escala para identificar posibles bloqueos antes de implementarlos en equipos más grandes.
  • Mantente actualizado sobre las funciones de gobernanza, ya que la documentación actual puede no abordar completamente el acceso basado en roles para la comunicación agente-agente.
  • #ai agents
  • #google swarm
  • #cursor
  • #software engineering
  • #multi-agent systems

Herramientas de la Tienda de Bytechap

$79

WorkBento

Suite de RR. HH. y gestión del entorno laboral impulsada por IA que puedes alojar tú mismo.

Demo en vivo

Seguir leyendo

Todos los artículos