El patrón de orquestador ligero de Meta para agentes de IA fiables

Los ingenieros de Meta mejoraron la fiabilidad de sus agentes de IA de producción adoptando una arquitectura de "orquestador ligero" que separa la lógica de enrutamiento del razonamiento de dominio. El estudio de caso, publicado el 19 de octubre de 2026, detalla cómo un router determinista de 1.300 líneas gestiona ahora más de 20 flujos de trabajo a través de 14 agentes especializados, reduciendo significativamente los errores causados por la sobrecarga de contexto.

Qué ocurrió

Cuando Meta intentó por primera vez automatizar la incorporación de columnas de datos para sus sistemas de recomendación, el equipo construyó un único agente de IA cargado con un conocimiento exhaustivo del dominio. Este agente debía navegar por tres repositorios de código, tres lenguajes de programación y hasta seis etapas de pipeline. Aunque el enfoque funcionaba en demostraciones controladas, fallaba en producción debido a frecuentes alucinaciones. El agente mezclaba conceptos, aplicando incorrectamente convenciones de nomenclatura o patrones de generación de código de un subsistema a otro.

El equipo de ingeniería se dio cuenta de que añadir más contexto degradaba el rendimiento en lugar de mejorarlo. Evaluaron un enfoque alternativo de agente único que requería ingeniería manual de prompts para cada tarea, logrando solo una tasa de éxito del 70-80% con una fuerte intervención humana, y cayendo al 10-20% sin ella. Citando investigaciones del Departamento de Inteligencia Artificial y Salud Humana Windreich del Mount Sinai, señalaron que los sistemas multiagente pueden mantener una mayor precisión aislando las tareas, mientras que los agentes individuales luchan contra la interferencia de contexto.

Para resolver esto, Meta dividió el sistema en dos capas distintas. La primera es un orquestador determinista que maneja la clasificación de intenciones, la recopilación de campos y las comprobaciones de fiabilidad sin realizar ningún trabajo de dominio. La segunda capa consiste en 14 subagentes especializados, cada uno actuando como un experto completo en su dominio con contexto aislado. Por ejemplo, un agente gestiona las configuraciones de esquema mientras otro se encarga de la población de código para fuentes de datos específicas. Ningún agente individual ve el panorama completo, lo que previene la contaminación cruzada que plagaba el diseño monolítico inicial.

Cómo funciona

El orquestador ligero sigue un protocolo fijo de siete pasos para cada solicitud, asegurando que el razonamiento del modelo de lenguaje grande (LLM) se utilice solo donde sea necesario. Los pasos del uno al cinco y el paso siete son deterministas: el router lee archivos de instrucciones, comprueba duplicados, recopila campos del usuario, descubre automáticamente tipos de repositorio y ejecuta puertas de fiabilidad. Solo el paso seis implica delegar la tarea a un subagente, donde el razonamiento del LLM ocurre dentro de un contexto aislado cargado con conocimiento específico del dominio.

Esta arquitectura se basa en plantillas de flujo de trabajo, que son máquinas de estado deterministas que definen la secuencia de operaciones. Plantillas como "Incorporación de Columnas" o "Migración de Pipeline" reutilizan el mismo conjunto de 14 subagentes en diferentes órdenes. Esta separación permite al equipo añadir nuevas capacidades escribiendo nuevas plantillas de flujo de trabajo en lugar de construir nuevos agentes. Cada subagente sigue una estructura estandarizada con fuentes de conocimiento definidas, listas de verificación de pre-recopilación y protocolos de manejo de errores, haciendo el sistema modular y fácil de extender.

Los archivos de conocimiento se cargan bajo demanda en tiempo de ejecución en lugar de estar incrustados en el orquestador. Esto significa que cuando se actualiza un archivo de conocimiento, la siguiente sesión utiliza automáticamente la última versión sin requerir cambios en el código del orquestador. El sistema mantiene actualmente más de 25 archivos de conocimiento organizados por dominio de flujo de trabajo, permitiendo que las actualizaciones surtan efecto inmediatamente en todas las implementaciones de la plataforma.

Detalles clave

• El orquestador es un router determinista de 1.300 líneas que no realiza ningún trabajo de dominio por sí mismo.
• El sistema enruta más de 20 flujos de trabajo hacia 14 agentes de IA especializados, cada uno con contexto aislado.
• La preparación de configuración para una nueva columna de datos pasó de tres a cuatro días manuales a menos de una hora.
• Aproximadamente dos tercios de los cambios del sistema se implementan sin ediciones humanas significativas.
• Las plantillas de flujo de trabajo permiten soportar nuevos casos de uso secuenciando los agentes existentes de manera diferente.
• La investigación citada muestra que los sistemas multiagente mantuvieron una precisión del 65,3% en lotes de 80 tareas frente al 16,6% de los agentes individuales.

Por qué importa

Para los ingenieros de software que construyen sistemas de IA de producción, este patrón destaca los riesgos de sobrecargar un único agente con contexto. A medida que crecen las ventanas de contexto, la tentación es volcar todo el conocimiento disponible en un solo prompt, pero esto a menudo conduce a un rendimiento degradado y alucinaciones. Al trazar una clara frontera entre el enrutamiento determinista y el razonamiento probabilístico, los equipos pueden crear sistemas más fáciles de depurar y más fiables a escala. Los fallos quedan contenidos dentro de subagentes específicos, evitando que un único error corrompa todo el flujo de trabajo.

El enfoque también cambia cómo los equipos gestionan el mantenimiento y las actualizaciones. Dado que el conocimiento se carga en tiempo de ejecución y los agentes son estructuralmente uniformes, añadir nuevas capacidades se convierte en una tarea basada en plantillas en lugar de una revisión arquitectónica mayor. Esta modularidad permite que diferentes partes del sistema mejoren de forma independiente. Un modelo subyacente mejorado mejora simultáneamente todos los subagentes, mientras que las actualizaciones de conocimiento surten efecto inmediatamente sin redesplegar el orquestador central.

Qué puedes hacer

• Separa el enrutamiento del razonamiento asegurando que tu orquestador tome solo decisiones deterministas como la clasificación de intenciones.
• Diseña subagentes como especialistas estructuralmente uniformes con entradas, pasos de ejecución y manejo de errores consistentes.
• Usa plantillas de flujo de trabajo para secuenciar los agentes existentes para nuevos casos de uso en lugar de construir nuevos agentes desde cero.
• Carga el conocimiento de dominio en tiempo de ejecución en lugar de incrustarlo en el orquestador para permitir actualizaciones inmediatas.
• Define explícitamente la frontera entre las tareas de enrutamiento determinista y las tareas de razonamiento probabilístico en tu arquitectura.
• Aísla el contexto para cada subagente para prevenir la contaminación cruzada de conceptos de diferentes dominios.