Saltar al contenido
Henry Rincón
CV (PDF)

Métodos · Tema T2

Cómo se debe estructurar un sistema de agentes

Se imprime completa desde el navegador, en A4 o en carta.

Bloque 1

El problema

Estructurar un sistema multiagente que funcione en producción y poder demostrar, antes y después de ponerlo en producción, que funciona.

Síntesis en tres líneas

  1. Un sistema multiagente se estructura desde el proceso y no desde el framework: cada actividad se especifica con entradas, función, salidas y excepciones, y solo se vuelve agente la que necesita interpretar; lo demás es código.
  2. El trabajo se reparte entre especialistas con su propio contexto, el estado se guarda en cada paso y la autonomía es proporcional al riesgo: lo que no se puede deshacer lo aprueba una persona.
  3. Se sabe que funciona porque se evalúa antes de ponerlo en producción y después: criterios que pasan o no pasan, un caso roto a propósito para cada control y la sesión entera observada en cuatro dimensiones.
Bloque 2

El mapa

El sistema de un vistazo: de la solicitud a la persona que aprueba

Desliza para ver el mapa completo.

El sistema de un vistazo: de la solicitud a la persona que apruebaUna solicitud llega al orquestador, que sigue el grafo fijado por el contrato del proceso y delega en dos especialistas, cada uno con su propio contexto. Uno de ellos usa herramientas conectadas por MCP, con permisos mínimos. Los dos escriben en un estado que se guarda paso a paso; validadores de código lo revisan, y lo que no se puede deshacer pasa a una persona que aprueba. Cada paso deja rastro en las trazas de la sesión, que se evalúan y le informan a esa misma persona.Solicitud1Contrato delproceso2Orquestador3Especialista A4Especialista B5Herramientas porMCP6Estado guardado7Validadores decódigo8Persona queaprueba9Trazas de lasesión10Evaluación11

Leyenda de formas y colores

  • Actor — quien hace el trabajo
  • Dato — lo que se guarda y se lee
  • Control — una regla que se comprueba
  • Persona — una persona decide
  • Externo — lo que viene de afuera

Lectura del mapa, nodo por nodo

Una solicitud llega al orquestador, que sigue el grafo fijado por el contrato del proceso y delega en dos especialistas, cada uno con su propio contexto. Uno de ellos usa herramientas conectadas por MCP, con permisos mínimos. Los dos escriben en un estado que se guarda paso a paso; validadores de código lo revisan, y lo que no se puede deshacer pasa a una persona que aprueba. Cada paso deja rastro en las trazas de la sesión, que se evalúan y le informan a esa misma persona.

  1. Nodo 1 Solicitud (Externo) — Lo que llega de afuera: una pregunta, un caso, un documento por procesar.
  2. Nodo 2 Contrato del proceso (Dato) — El proceso dibujado en BPMN con cada actividad abierta: qué recibe, qué hace, qué entrega y cuándo se detiene. De aquí salen el grafo y los criterios.
  3. Nodo 3 Orquestador (Actor) — Sigue el grafo, reparte el trabajo y junta los resultados; no hace el trabajo de los especialistas.
  4. Nodo 4 Especialista A (Actor) — Trabaja dentro de su harness —el envoltorio que le fija función, fuentes, herramientas y contrato de entrada y salida— y recibe solo el contexto que su tarea necesita.
  5. Nodo 5 Especialista B (Actor) — Otro especialista con su propio harness; este además usa herramientas externas.
  6. Nodo 6 Herramientas por MCP (Externo) — Fuentes y acciones conectadas por un protocolo común (MCP), habilitadas solo si la tarea las necesita y con los permisos mínimos.
  7. Nodo 7 Estado guardado (Dato) — Cada paso se guarda: el trabajo se retoma tras una falla o una pausa. La memoria larga guarda decisiones y lecciones, no conversaciones enteras.
  8. Nodo 8 Validadores de código (Control) — Lo que exige exactitud lo comprueba código: un esquema, un cálculo, una cita que debe existir. El modelo no se califica a sí mismo.
  9. Nodo 9 Persona que aprueba (Persona) — Aprueba con una palabra exacta lo que no se puede deshacer; sin esa palabra, el sistema no sigue.
  10. Nodo 10 Trazas de la sesión (Dato) — La sesión completa: qué se pidió, con qué contexto, qué respondió cada especialista, cuánto tardó, cuánto costó y en qué estado terminó.
  11. Nodo 11 Evaluación (Control) — Criterios binarios y casos rotos a propósito antes de publicar; después, la conversación entera y el camino paso a paso.

Conexiones

  • de Solicitud a Orquestador
  • de Contrato del proceso a Orquestador (fija el grafo)
  • de Orquestador a Especialista A (delega)
  • de Orquestador a Especialista B (delega)
  • de Especialista B a Herramientas por MCP (usa)
  • de Especialista A a Estado guardado (escribe)
  • de Especialista B a Estado guardado (escribe)
  • de Estado guardado a Validadores de código (revisa)
  • de Validadores de código a Persona que aprueba (lo irreversible)
  • de Estado guardado a Trazas de la sesión (deja rastro)
  • de Trazas de la sesión a Evaluación (se evalúa)
  • de Evaluación a Persona que aprueba (informa)
Bloque 3

Las fases

  1. Fase 1

    Especificar el proceso

    Entradas

    • El proceso del negocio, dibujado en BPMN.
    • La decisión o la acción que el sistema debe habilitar.

    Actividades

    • Abrir cada actividad: entradas, función, salidas, fuentes, herramientas y cuándo detenerse.
    • Escribir las excepciones: falta información, hay contradicción, una herramienta no responde.
    • Separar lo que necesita interpretar (agente) de lo que exige exactitud (código).

    Artefactos

    • El contrato de cada actividad.
    • La lista de excepciones con su respuesta.
    Quién decide
    El responsable del proceso, con quien construye.
    Control que cierra la fase
    Cada actividad traza a un elemento del proceso; ninguna queda sin dueño.
    Evidencia

    En Vesting esta descomposición —entradas, reglas, fuentes, herramientas, salidas y cuándo pedir a una persona— fue la antesala del proceso core de once etapas con el que se construyeron 27 agentes.

  2. Fase 2

    Repartir y fijar la autonomía

    Entradas

    • El contrato de cada actividad.

    Actividades

    • Decidir si basta un agente o hace falta un grafo de especialistas.
    • Asignar a cada actividad un nivel: consultar, recomendar o ejecutar.
    • Dar a cada especialista solo las fuentes y las herramientas que su tarea necesita.

    Artefactos

    • El grafo: quién hace qué y qué pasa entre ellos.
    • El nivel de autonomía escrito por actividad.
    Quién decide
    El responsable del proceso; lo irreversible queda en una persona.
    Control que cierra la fase
    Ninguna acción irreversible sin un punto de aprobación humana en el grafo.
    Evidencia

    En Vesting los tres niveles —consultar, recomendar, ejecutar— se decidían caso por caso y quedaban escritos antes de construir.

  3. Fase 3

    Construir con contratos

    Entradas

    • El grafo y los niveles de autonomía.

    Actividades

    • Escribir la constitución de cada agente: sus leyes, sus comandos y sus fuentes.
    • Escribir criterios de aceptación que pasan o no pasan, sin juicio intermedio.
    • Preparar, para cada control, un caso roto a propósito que demuestre que dispara.
    • Resolver con código lo que exige exactitud: cálculos, formatos, consultas.

    Artefactos

    • El harness de cada especialista.
    • Los criterios binarios y su carnada, el caso roto de cada control.
    Quién decide
    Quien construye, dentro del contrato.
    Control que cierra la fase
    Cada control se ve fallar con su caso roto antes de darse por bueno.
    Evidencia

    Así nacen los once agentes que este sitio muestra y que corren sobre Claude Code: una constitución en un CLAUDE.md, el harness con sus criterios binarios —20 en el Constructor de Tableros Power BI, 44 en el Paper Computacional— y una carnada por control.

  4. Fase 4

    Evaluar antes de ponerlo en producción

    Entradas

    • El agente construido y sus criterios.
    • Escenarios habituales, excepciones conocidas y condiciones límite.

    Actividades

    • Correr la batería de escenarios contra los criterios.
    • Comparar contra una línea base declarada, con la misma muestra y la misma métrica.
    • Comprobar que el agente se abstiene o pasa el caso cuando la evidencia no alcanza.
    • Probar las transiciones entre especialistas, no solo a cada uno por separado.

    Artefactos

    • El informe de criterios: cuáles pasan y cuáles no.
    • La comparación con la línea base: muestra, métrica y resultado.
    Quién decide
    Quien responde por el resultado, con la definición de terminado acordada al inicio.
    Control que cierra la fase
    Se juzga lo que se escribió, no si el agente «se ve bien».
    Evidencia

    Con ARKHÉ se compararon 120 escenarios contra un agente generalista que recibía todo en cada ejecución: en mediciones propias del autor, 52 % menos tokens y el cumplimiento de instrucciones del 71 % al 93 %, sin un artefacto publicado.

  5. Fase 5

    Operar y aprender

    Entradas

    • El agente publicado.
    • Los eventos de cada sesión.

    Actividades

    • Reconstruir la sesión completa: solicitud, contexto, respuesta, tiempo, costo y estado final.
    • Mirar cuatro dimensiones a la vez: operativa, de uso, económica y funcional.
    • Convertir cada falla en un caso nuevo de la batería.

    Artefactos

    • Tableros de operación por agente.
    • Casos nuevos para la siguiente evaluación.
    Quién decide
    Producto y operación, con el tablero delante.
    Control que cierra la fase
    Una señal avisa antes de que el usuario lo note.
    Evidencia

    En Vesting la plataforma llegó a vigilar hasta 23 agentes a la vez, en tiempo real, con la sesión como unidad de análisis y esas cuatro dimensiones.

Bloque 4

Las decisiones de diseño

  1. Un agente o un grafo de especialistas

    Cuándo sí
    Cuando las tareas necesitan contextos, fuentes o herramientas distintas, o se pueden hacer en paralelo.
    Cuándo no
    Cuando todos los pasos comparten el mismo contexto o dependen mucho unos de otros: ahí repartir solo suma costo.

    Por qué

    Estado del campo

    Según Anthropic, un sistema multiagente gasta unas quince veces los tokens de una conversación, y los dominios donde todos los agentes comparten el mismo contexto o dependen mucho entre sí hoy no le sientan bien.[1]

    Evidencia

    ARKHÉ evita al agente generalista que recibe todo el conocimiento, todas las herramientas y todas las responsabilidades: reparte el trabajo entre capacidades especializadas con reglas explícitas de coordinación.

  2. Qué es agente y qué es código

    Cuándo sí
    Agente, cuando la tarea necesita interpretar, sintetizar o coordinar de forma flexible.
    Cuándo no
    Cuando la tarea exige exactitud, repetibilidad o una validación inequívoca: un cálculo, un formato, una consulta.

    Por qué

    Estado del campo

    Microsoft lo deja escrito en la documentación de su Agent Framework: si puedes escribir una función que resuelva la tarea, hazlo en vez de usar un agente.[2]

    Evidencia

    En el Experto Fiscal la aritmética corre en Python con Decimal y el modelo no toca una cifra; en el Constructor de Tableros Power BI cada medida DAX se prueba con una consulta antes de pasar de fase.

  3. Dónde vive el estado

    Cuándo sí
    Estado guardado, cuando el trabajo dura más que una conversación, puede fallar a mitad de camino o debe esperar a una persona.
    Cuándo no
    Cuando todo termina en una sola pasada y repetirla cuesta menos que guardarla.

    Por qué

    Estado del campo

    LangGraph 1.0 guarda el estado de la ejecución automáticamente y permite pausar para que una persona revise, modifique o apruebe, y retomar desde ahí.[3]

    Evidencia

    En ARKHÉ la memoria se diseña por función: decisiones que persisten, resultados reutilizables, contexto temporal y detalle que se descarta; en los agentes publicados toma forma de bitácora, lecciones de cada corrida y decisiones de arquitectura registradas.

  4. Cuánta autonomía, y dónde se detiene ante una persona

    Cuándo sí
    Que ejecute solo, cuando la acción es reversible, verificable y de bajo impacto.
    Cuándo no
    Cuando la consecuencia es significativa, difícil de revertir o poco observable: ahí el agente recomienda y una persona decide.

    Por qué

    Estado del campo

    OWASP llama agencia excesiva a darle a un agente más funciones, permisos o autonomía de los necesarios, y recomienda la aprobación humana de las acciones de alto impacto y la autorización en el sistema de destino, no en el criterio del modelo.[4]

    Evidencia

    En los agentes del autor el punto de aprobación es mecánica, no un recordatorio: el agente se detiene hasta que la persona escribe una palabra literal. El Constructor de Tableros Power BI tiene 5 de esos gates.

  5. Del BPMN a la orquestación

    Cuándo sí
    Cuando el proceso ya existe y está aprobado: el diagrama es la mejor especificación inicial del grafo.
    Cuándo no
    Cuando la tarea es abierta y no tiene pasos definidos: un diagrama inventado solo da falsa precisión.

    Por qué

    Criterio

    Un diagrama muestra la secuencia, pero no lo que cada actividad recibe, transforma y entrega. Si el proceso está aprobado, lo que corre debe trazar a él caja por caja; si no, lo aprobado y lo que corre se separan sin que nadie lo vea.

    Evidencia

    FORJA, una de las investigaciones del autor, abre cada actividad del BPMN con entradas, función y salidas y compila el diagrama a una orquestación de agentes que conserva la estructura del BPMN: en el paper sellado conservó el 99,5 %, y el único elemento de 204 que quedó sin trazar estaba fuera del subconjunto especificado.

  6. Cómo se juzga un resultado

    Cuándo sí
    Criterio binario, cuando el resultado se puede comprobar: un formato, una fuente citada, una herramienta bien elegida, una abstención correcta.
    Cuándo no
    Cuando el criterio es difuso: ahí ayuda un modelo como juez, calibrado contra el juicio de una persona y nunca como único control.

    Por qué

    Estado del campo

    Anthropic describe tres formas de que un agente verifique su trabajo —reglas, retroalimentación visual y un modelo como juez— y advierte que el juez, en general, no es un método muy robusto.[5]

    Criterio

    Conviene más un criterio que pasa o no pasa que una nota de 1 a 5: la nota se discute, el criterio se cumple o no.

  7. Qué modelo para cada paso

    Cuándo sí
    Un modelo grande, para el paso que coordina, planea o razona sobre mucha información.
    Cuándo no
    Para los pasos acotados y repetitivos: ahí un modelo pequeño basta y cuesta menos.

    Por qué

    Estado del campo

    El enrutador de modelos de Microsoft Foundry (antes Azure AI Foundry) usa modelos más pequeños y baratos cuando bastan y reserva los grandes para lo complejo; el sistema de investigación de Anthropic dirige con un modelo mayor y delega en subagentes de un modelo menor.[6][1]

    Evidencia

    En ARKHÉ el ahorro no vino de un modelo más barato: en mediciones propias del autor, el 52 % menos de tokens salió de mandar menos contexto inútil en cada llamada.

Bloque 5

Lo innovador en 2026

  • Estado del campo

    Ejecución durable: el estado se guarda en cada paso

    Qué cambia frente a la práctica común

    Un trabajo largo sobrevive a una falla o a la espera de una persona y se retoma desde el último paso guardado, en vez de empezar de cero. LangGraph 1.0 guarda el estado automáticamente y Agent Framework 1.0 lo ofrece en sus flujos con puntos de guardado.[3][7][1]

    Criterio

    La regla: si un paso va a esperar a una persona, el estado se guarda antes de preguntarle.

  • Estado del campo

    Ingeniería de contexto, no solo de prompts

    Qué cambia frente a la práctica común

    La pregunta deja de ser cómo redactar la instrucción y pasa a ser qué entra al contexto de cada llamada. El contexto se trata como un recurso finito: se compacta cuando se llena, se anota fuera de la ventana y se reparte entre subagentes con contexto limpio que devuelven solo un resumen.[8][5]

    Evidencia

    Es la idea con la que trabaja ARKHÉ: ningún componente recibe información solo porque está disponible; recibe lo que su tarea necesita, recuperado de fuentes autorizadas.

  • Estado del campo

    Protocolos comunes: MCP para herramientas, A2A entre agentes

    Qué cambia frente a la práctica común

    Una herramienta se conecta una vez por un estándar y la usan agentes de cualquier framework; los servidores se descubren en un registro abierto, y agentes de plataformas distintas pueden hablarse. En su revisión de julio de 2026, MCP se volvió sin estado y llevó las tareas largas a una extensión oficial.[9][10][11]

    Evidencia

    El Constructor de Tableros Power BI crea las medidas, columnas y relaciones por el servidor MCP de modelado, probando cada medida en DAX antes de seguir.

  • Estado del campo

    Evaluar la conversación entera y el camino, no solo la respuesta

    Qué cambia frente a la práctica común

    Lo que se prueba antes de publicar solo cubre lo que uno anticipó; por eso la evaluación sigue en producción sobre la conversación completa —si el agente logró el objetivo— y sobre el proceso paso a paso: qué herramienta eligió, con qué parámetros y qué hizo con el resultado.[12][13]

    Evidencia

    En Vesting la sesión ya era la unidad de análisis: se reconstruía evento por evento para ver en qué momento una interacción se había desviado.

  • Estado del campo

    Trazas con OpenTelemetry de punta a punta

    Qué cambia frente a la práctica común

    La traza del agente viaja por el mismo estándar abierto que el resto del sistema, así que una falla se sigue desde la solicitud hasta la herramienta aunque cruce frameworks y servidores.[14][9][7]

  • Estado del campo

    Frameworks que convergen y una plataforma que los aloja

    Qué cambia frente a la práctica común

    Microsoft unió Semantic Kernel y AutoGen en Agent Framework 1.0, con flujos en grafo, aprobaciones humanas, MCP y A2A. Microsoft Foundry aloja agentes escritos con él o con LangGraph y le da a cada uno su propia identidad, con el estado de sesión y la observabilidad gestionados.[7][15]

    Evidencia

    En la Fundación CTIC, Microsoft Agent Framework y Claude Agent SDK se usan para experimentar y construir prototipos; el autor trabaja allí con el ecosistema de LangChain junto con n8n.

  • Estado del campo

    La agencia excesiva, riesgo de primera línea

    Qué cambia frente a la práctica común

    En el anuncio de su Top 10 2026 para aplicaciones con LLM, OWASP recoge, por boca de un colaborador del proyecto, que la agencia excesiva está ahora en el número tres (en la edición 2025 era el LLM06): darle a un agente más funciones, permisos o autonomía de los que necesita queda entre los tres riesgos primeros de la lista.[16][4]

Bloque 6

Modos de falla y cómo anticiparlos

  • Qué se rompe
    El agente responde, pero no resuelve
    Cómo se ve venir
    Sesiones que terminan sin el estado esperado o con una persona interviniendo.
    Control que la atrapa
    La dimensión funcional del monitoreo: estados finales y sesiones que necesitaron intervención, por agente.
  • Qué se rompe
    El contexto se llena de ruido
    Cómo se ve venir
    Suben los tokens por tarea completada sin que suba el cumplimiento.
    Control que la atrapa
    Tokens por tarea completada medidos junto con el cumplimiento de instrucciones, contra la línea base.
  • Qué se rompe
    Un especialista le entrega al siguiente algo incompleto
    Cómo se ve venir
    Cada pieza pasa sus pruebas y el conjunto falla.
    Control que la atrapa
    Contratos de entrada y salida entre especialistas, con pruebas de la transición y no solo de cada uno.
  • Qué se rompe
    El agente hace más de lo que le tocaba
    Cómo se ve venir
    Una acción con consecuencias aparece en las trazas sin una aprobación al lado.
    Control que la atrapa
    Permisos mínimos por especialista y un punto de aprobación con palabra literal antes de lo irreversible.
  • Qué se rompe
    El modelo inventa una cifra o una fuente
    Cómo se ve venir
    Una afirmación verificable sin el fragmento que la sostiene.
    Control que la atrapa
    Fuente autorizada o vacío declarado: un validador rechaza la salida que cita lo que no existe.
  • Qué se rompe
    Un control que nunca falla
    Cómo se ve venir
    Una prueba siempre en verde que nadie ha visto ponerse en rojo.
    Control que la atrapa
    Una carnada por control: el caso roto a propósito que demuestra que dispara.
  • Qué se rompe
    El costo crece en silencio
    Cómo se ve venir
    Reintentos, sesiones abandonadas o relecturas masivas que no producen nada.
    Control que la atrapa
    Costo en tokens por sesión y por agente, visto junto a lo que resuelve, con un umbral escrito para cada patrón.
  • Qué se rompe
    Una instrucción entra por una herramienta
    Cómo se ve venir
    Un texto leído de una página o de un documento le pide algo al agente.
    Control que la atrapa
    Lo que dice una fuente es dato, no instrucción: se ignora, se registra, y la autorización vive en el sistema de destino.
Bloque 7

Métricas y controles

  • Qué se mide
    Criterios de aceptación cumplidos
    Umbral
    Todos en verde: un criterio binario no se negocia.
    Quién aprueba el paso a producción
    Quien responde por el resultado, contra la definición de terminado acordada al inicio.
  • Qué se mide
    Controles con una carnada que dispara
    Umbral
    Todos los controles críticos; el que no la tenga se declara como tal.
    Quién aprueba el paso a producción
    Quien construye, revisado por alguien que no construyó.
  • Qué se mide
    Cumplimiento de instrucciones en la batería de escenarios
    Umbral
    Igual o mejor que la línea base declarada, sobre la misma muestra.
    Quién aprueba el paso a producción
    Quien responde por el resultado.
  • Qué se mide
    Tokens por tarea completada
    Umbral
    No peor que la línea base, y nunca a costa del cumplimiento.
    Quién aprueba el paso a producción
    Quien paga la operación.
  • Qué se mide
    Abstenciones correctas
    Umbral
    En cada caso sin evidencia, el agente declara el vacío o pasa el caso; un solo dato inventado frena el paso.
    Quién aprueba el paso a producción
    El responsable del proceso.
  • Qué se mide
    Sesiones que necesitaron intervención humana
    Umbral
    Por debajo del tope acordado para la versión; si lo pasa, la versión vuelve a evaluación.
    Quién aprueba el paso a producción
    Producto y operación, con el tablero delante.
  • Qué se mide
    Acciones irreversibles sin aprobación
    Umbral
    Cero.
    Quién aprueba el paso a producción
    El responsable del proceso.

Los umbrales son ejemplos del método, no cifras de un proyecto concreto.

Bloque 8

Evidencia en proyectos

  • EvidenciaNivel: Uso real

    Vesting: 27 agentes en producción

    Se definió, documentó y validó el proceso core de once etapas con el que una startup construyó 27 agentes para 12 clientes sobre n8n, y se diseñó en Microsoft Fabric la plataforma que llegó a vigilar 23 a la vez, en tiempo real.

    Ver dónde
  • EvidenciaNivel: Uso real

    ARKHÉ: el ecosistema agéntico del autor

    Harnesses especializados que fijan a cada agente función, fuentes, herramientas y contrato. En mediciones propias del autor sobre 120 escenarios, frente a un generalista: 52 % menos tokens y cumplimiento de instrucciones del 71 % al 93 %. Es de uso personal; no se presenta como producción.

    Ver dónde
  • EvidenciaNivel: Prototipo

    FORJA: del BPMN a una orquestación de agentes

    FORJA es una de las investigaciones del autor: un compilador que convierte un proceso dibujado en BPMN en una orquestación de agentes. Del BPMN conserva la estructura —cada actividad se abre con entradas, función y salidas, y cada elemento traza a su realización—: en el paper sellado conservó el 99,5 %. Verificadores de distintas familias vigilan la conformidad. El demostrador existe.

    Ver dónde
  • EvidenciaNivel: Uso real

    Los agentes del portafolio, sobre Claude Code

    Doce sistemas de trabajo con constitución, harness, criterios binarios, carnadas y gates humanos con palabra literal; cinco están sellados. Son de uso personal, con entregables y evidencia.

    Ver dónde
  • EvidenciaNivel: Uso real

    Constructor de Tableros Power BI

    Crea medidas, columnas y relaciones por el servidor MCP de modelado, probando cada medida en DAX, y escribe el reporte en el JSON nativo de Power BI; 20 criterios y 5 gates humanos, y ninguna corrida cierra sin el render aprobado por una persona.

    Ver dónde
  • EvidenciaNivel: Uso real

    Experto ISO 42001

    Cada afirmación normativa cita apartado y página o declara el vacío, y ningún dictamen con consecuencias avanza sin la aprobación de una persona. Es el que se usa en la estrategia de IA de la Fundación CTIC, en la versión inicial (v1.0.0) de su ficha.

    Ver dónde
  • EvidenciaNivel: Uso real

    LangChain, LangGraph, LangSmith y Langflow

    Son, con n8n, los frameworks de agentes con los que se trabaja en la Fundación CTIC. Ese trabajo no tiene un entregable publicado en este sitio.

    Ver dónde
  • EvidenciaNivel: Prototipo

    Microsoft Agent Framework y Claude Agent SDK

    Con ellos se experimenta y se construyen prototipos en la Fundación CTIC.

  • EvidenciaNivel: Uso real

    El chat de este sitio

    Recupera del corpus, cita lo que recuperó y, si no encuentra, lo dice. Desde septiembre de 2026 guarda una fila por respuesta: quién preguntó, qué se contestó, con qué fuentes, con qué proveedor, cuántos tokens y cuántos milisegundos.

Bloque 9

Límites y alcance

  • Evidencia

    La palabra «producción» se reserva para los 27 agentes de Vesting. Los de ARKHÉ y los del portafolio son sistemas de trabajo de uso personal: no han tenido usuarios distintos de su autor.

  • Evidencia

    Las cifras de ARKHÉ son cálculos propios del autor, sin un artefacto publicado: miden menos contexto inútil y más obediencia a la especificación, no la calidad en abstracto, y no sirven para comparar con otro ecosistema sin repetir los mismos escenarios.

  • Evidencia

    Con Microsoft Agent Framework y Claude Agent SDK hay experimentación y prototipos, no producción. El autor trabaja con el ecosistema de LangChain en la Fundación CTIC, sin un entregable publicado aquí.

  • Evidencia

    El autor no ha operado agentes en contenedores: Docker y Kubernetes en producción no están en su experiencia profesional.

  • Evidencia

    Con Microsoft Foundry, la experiencia es el adaptador de proveedor del chat de este sitio y el estudio del AI-103, que está en curso; un sistema de agentes alojado allí no forma parte de la experiencia del autor.

  • Evidencia

    FORJA tiene su demostrador —compilador, cinco procesos, línea base y compuertas de aprobación—, pero que los profesionales lo usen se demuestra con profesionales, y esa prueba falta.

  • Criterio

    Lo que conviene hacer distinto hoy: trazas con un estándar abierto desde el primer agente, para seguir una sesión aunque cruce frameworks, y la conversación entera evaluada en línea, no solo antes de publicar.

  • Criterio

    Y no conviene empezar por un grafo de muchos agentes: mejor empezar con uno, medirlo contra una línea base y solo repartir el trabajo donde el contexto o el paralelismo lo justifiquen.

Bloque 10

Fuentes y fecha de revisión

  1. [1]
    How we built our multi-agent research system

    Anthropic ·

    https://www.anthropic.com/engineering/multi-agent-research-system

  2. [2]
    Microsoft Agent Framework Overview

    Microsoft Learn ·

    https://learn.microsoft.com/en-us/agent-framework/overview/

  3. [3]
    LangChain and LangGraph Agent Frameworks Reach v1.0 Milestones

    LangChain ·

    https://www.langchain.com/blog/langchain-langgraph-1dot0

  4. [4]
    LLM06:2025 Excessive Agency (OWASP Top 10 for LLM Applications 2025)

    OWASP GenAI Security Project ·

    https://genai.owasp.org/llmrisk/llm062025-excessive-agency/

  5. [5]
    Building agents with the Claude Agent SDK

    Anthropic ·

    https://claude.com/blog/building-agents-with-the-claude-agent-sdk

  6. [6]
    Model router for Microsoft Foundry concepts

    Microsoft Learn ·

    https://learn.microsoft.com/en-us/azure/foundry/openai/concepts/model-router

  7. [7]
    Microsoft Agent Framework Version 1.0

    Microsoft ·

    https://devblogs.microsoft.com/agent-framework/microsoft-agent-framework-version-1-0/

  8. [8]
    Effective context engineering for AI agents

    Anthropic ·

    https://www.anthropic.com/engineering/effective-context-engineering-for-ai-agents

  9. [9]
    Model Context Protocol specification 2026-07-28: Key Changes

    Model Context Protocol ·

    https://modelcontextprotocol.io/specification/2026-07-28/changelog

  10. [10]
    Introducing the MCP Registry

    Model Context Protocol ·

    https://blog.modelcontextprotocol.io/posts/2025-09-08-mcp-registry-preview/

  11. [11]
    Linux Foundation Launches the Agent2Agent Protocol Project to Enable Secure, Intelligent Communication Between AI Agents

    Linux Foundation ·

    https://www.linuxfoundation.org/press/linux-foundation-launches-the-agent2agent-protocol-project-to-enable-secure-intelligent-communication-between-ai-agents

  12. [12]
    Improve agent quality with Insights Agent and Multi-turn Evals, now in LangSmith

    LangChain ·

    https://www.langchain.com/blog/insights-agent-multiturn-evals-langsmith

  13. [13]
    Agent Evaluators for Generative AI

    Microsoft Learn ·

    https://learn.microsoft.com/en-us/azure/foundry/concepts/evaluation-evaluators/agent-evaluators

  14. [14]
    Introducing End-to-End OpenTelemetry Support in LangSmith

    LangChain ·

    https://www.langchain.com/blog/end-to-end-opentelemetry-langsmith

  15. [15]
    Hosted agents in Foundry Agent Service

    Microsoft Learn ·

    https://learn.microsoft.com/en-us/azure/foundry/agents/concepts/hosted-agents

  16. [16]
    OWASP GenAI Security Project Unveils 2026 Top 10 for LLM Applications, New Agent Control Standard and Sponsors as Community Tops 30,000 Members

    OWASP GenAI Security Project ·

    https://genai.owasp.org/announcement/owasp-genai-security-project-unveils-2026-top-10-for-llm-applications-new-agent-control-standard-and-sponsors-as-community-tops-30000-members/