Glosario
71 términos de «Colaboración multiagente». Pasa el cursor sobre la primera aparición en la lección para ver la definición.
| Término | Definición | Fuente |
|---|---|---|
| contaminación de contexto | Un error o un fragmento irrelevante que se recoge temprano en la tarea se mezcla en el único contexto del que depende todo el razonamiento posterior, y a la información correcta que llega después le cuesta lavarlo del todo. | Effective context engineering for AI agents (Anthropic Engineering) |
| dilución de la atención | Cuanto más contenido se amontona en una sola ventana de contexto, menos atención puede darle el modelo a cada pieza individual, así que se equivoca o deja cosas fuera en tareas que necesitan sostener muchos detalles con precisión a la vez. | Effective context engineering for AI agents (Anthropic Engineering) |
| presupuesto de atención | La forma en que Anthropic plantea el fondo finito de atención del que tira un modelo al procesar grandes volúmenes de contexto; cada token nuevo agota una parte de él. | Effective context engineering for AI agents (Anthropic Engineering) |
| gradiente de rendimiento | La descripción de Anthropic de cómo se manifiesta en realidad la degradación por contexto: la calidad decae de forma gradual a medida que el contexto crece, en lugar de funcionar perfecto hasta cierto umbral y luego fallar de golpe. | Effective context engineering for AI agents (Anthropic Engineering) |
| sistema multiagente | Varios agentes —LLM que usan herramientas de forma autónoma en un bucle— trabajando juntos en una misma tarea, cada uno con su propio contexto. | How we built our multi-agent research system (Anthropic Engineering) |
| sobrecarga de coordinación | El tiempo y los tokens de más que se gastan en que varios agentes se repartan el trabajo y colaboren: partir la tarea, agregar los resultados y reconciliar salidas contradictorias. | How we built our multi-agent research system (Anthropic Engineering) |
| paralelización | Entregar a distintos agentes las partes de una tarea que son de verdad separables —las que no dependen de los resultados intermedios de las demás— para que trabajen a la vez. | How we built our multi-agent research system (Anthropic Engineering) |
| tarea en profundidad | Una tarea cuya respuesta vive en una sola cadena de razonamiento que hay que recorrer paso a paso, con pasos muy acoplados que se resisten a cortarse limpiamente en piezas para distintos agentes. | How we built our multi-agent research system (Anthropic Engineering) |
| tarea en amplitud | Una tarea cuya respuesta se reparte entre unas cuantas direcciones relativamente independientes que de verdad se pueden perseguir por separado, sin depender de los resultados intermedios de las demás. | How we built our multi-agent research system (Anthropic Engineering) |
| ventana de contexto | El tramo de información que un modelo puede sostener en una sola pasada de inferencia; los sistemas multiagente alivian la contaminación y la dilución dándole a cada agente la suya, separada. | How we built our multi-agent research system (Anthropic Engineering) |
| sistema de un solo agente | Sacar la tarea adelante de principio a fin con un solo agente, sin partirla ni introducir colaboración multiagente. | Building effective agents (Anthropic Engineering) |
| regla de escalado | La regla práctica de Anthropic para dimensionar la cantidad de agentes contra la complejidad de la tarea: una búsqueda de datos simple necesita 1 agente con 3 a 10 llamadas a herramientas, una comparación directa de 2 a 4 subagentes con 10 a 15 llamadas cada uno, y solo una investigación lo bastante compleja como para dividir responsabilidades limpiamente pasa de 10 subagentes. | How we built our multi-agent research system (Anthropic Engineering) |
| viables económicamente | La condición de que un sistema multiagente solo vale la pena cuando el valor propio de la tarea es lo bastante alto como para pagar el costo extra en tokens que viene con la ganancia de rendimiento. | How we built our multi-agent research system (Anthropic Engineering) |
| separación de responsabilidades | El término de Anthropic para lo que te compran los subagentes: herramientas, prompts y rutas de exploración distintas por agente, lo que reduce la dependencia de la ruta para que el callejón sin salida de un agente no dirija a los demás. | How we built our multi-agent research system (Anthropic Engineering) |
| orquestador-subagente | Una arquitectura donde un LLM central descompone dinámicamente las tareas, las delega a LLM trabajadores y sintetiza sus resultados. | Building effective agents (Anthropic Engineering) |
| orquestador | El agente central que decide cómo dividir el trabajo, quién recibe qué pieza y cómo coser varios resultados devueltos en una sola respuesta que se sostenga como un todo. | Building effective agents (Anthropic Engineering) |
| subagente | Un agente que el orquestador despacha para completar una tarea delegada dentro de una ventana de contexto fresca y aislada, devolviendo su resultado al terminar. | Create custom subagents (Claude Code Docs) |
| aislamiento de contexto | Confinar el ámbito de trabajo de cada agente a su propia ventana de contexto, de modo que la contaminación de contexto dentro de un agente no se propague a otro. | Create custom subagents (Claude Code Docs) |
| repartir (fan-out) | El orquestador distribuyendo en paralelo las subtareas ya partidas a un número equivalente de subagentes, para que todos empiecen a trabajar a la vez en lugar de ponerse en cola uno tras otro. | Building effective agents (Anthropic Engineering) |
| agregar | El paso posterior al repartir, donde el orquestador pone varios resultados producidos de forma independiente uno al lado del otro, los compara, resuelve la duplicación o contradicción que aparezca y los reorganiza en la forma del entregable final. | Create custom subagents (Claude Code Docs) |
| devolver solo la conclusión | El principio de que un subagente debería devolver su conclusión final y defendible junto con la evidencia clave que la respalda, no todo el rastro de razonamiento con sus rodeos y autocorrecciones. | Create custom subagents (Claude Code Docs) |
| fork | Un subagente que hereda toda la conversación hasta ese momento en lugar de arrancar de cero; sus propias llamadas a herramientas siguen quedándose fuera de la conversación principal y solo vuelve su resultado final. | Create custom subagents (Claude Code Docs) |
| patrón Manager | El nombre que el Agents SDK de OpenAI le da a la estructura orquestador-subagente: un manager central invoca subagentes especializados como herramientas y retiene el control de la conversación. | Agents (OpenAI Agents SDK) |
| descomponer | La primera de las tres acciones del orquestador: mirar una tarea grande y averiguar en qué trozos se parte. | Building effective agents (Anthropic Engineering) |
| delegar | La segunda de las tres acciones del orquestador: entregar cada trozo, junto con el trasfondo que necesita, a un subagente para que lo lleve a cabo. | Building effective agents (Anthropic Engineering) |
| sintetizar | La tercera de las tres acciones del orquestador: una vez que los subagentes han devuelto sus resultados, combinarlos en la respuesta final. | Building effective agents (Anthropic Engineering) |
| teléfono descompuesto | La pérdida de fidelidad que se acumula cuando el resultado de un subagente se parafrasea y se comprime de camino a través del orquestador; escribir la salida del subagente directo a un sistema de archivos es una forma de evitarlo. | How we built our multi-agent research system (Anthropic Engineering) |
| autocontenido | Una propiedad de un prompt de delegación: tras leerlo, el subagente no necesita trasfondo extra para deducir con precisión qué debería hacer. | Create custom subagents (Claude Code Docs) |
| orientación sobre las fuentes | La parte de un prompt de delegación que le dice al subagente dónde buscar la respuesta: la página oficial de precios, un sitio externo de comparación, o ambos con uno teniendo prioridad. | How we built our multi-agent research system (Anthropic Engineering) |
| límites de la tarea | La parte de un prompt de delegación que le dice al subagente que esta ejecución cubre solo esta porción y que no se pase de ahí. | How we built our multi-agent research system (Anthropic Engineering) |
| un dominio de problema, un agente | El principio de que cada subagente debería ser dueño solo de una clase de problema con límites claros, en lugar de hacer malabares con varias cosas sin relación a la vez. | How we built our multi-agent research system (Anthropic Engineering) |
| CitationAgent | Un subagente dedicado del sistema en producción de Anthropic que procesa los documentos y el informe de investigación para identificar las ubicaciones concretas de las citas, garantizando que las afirmaciones se atribuyan correctamente a sus fuentes. | How we built our multi-agent research system (Anthropic Engineering) |
| prompt de delegación | El informe de tarea que el orquestador le entrega a un subagente; su techo de calidad fija el techo de calidad de lo que el subagente produce. | How we built our multi-agent research system (Anthropic Engineering) |
| instrucción vaga | Un informe como «investiga la escasez de semiconductores» que no fija rango de tiempo, ángulo, fuente ni entregable, dejando a los subagentes improvisar. | How we built our multi-agent research system (Anthropic Engineering) |
| formato de salida | La parte de un prompt de delegación que indica qué forma debería tener el entregable del subagente, lo que decide si el orquestador puede usar el resultado directamente. | How we built our multi-agent research system (Anthropic Engineering) |
| malinterpretar la tarea | El fallo donde un subagente, trabajando desde una descripción de tarea que no era lo bastante detallada, lee mal el requisito y produce algo desviado de lo que el orquestador quería. | How we built our multi-agent research system (Anthropic Engineering) |
| pipeline | Un patrón de colaboración que descompone una tarea en una secuencia de pasos, donde cada llamada al LLM procesa la salida de la anterior. | Building effective agents (Anthropic Engineering) |
| encadenamiento de prompts | El nombre oficial del patrón pipeline, que subraya que la tarea se descompone en una secuencia de pasos ejecutados en orden. | Building effective agents (Anthropic Engineering) |
| productor-revisor | Un patrón de colaboración donde una llamada al LLM genera una respuesta mientras otra aporta evaluación y retroalimentación en un bucle, repitiendo hasta converger. | Building effective agents (Anthropic Engineering) |
| evaluador-optimizador | El nombre oficial del patrón productor-revisor, que subraya que una llamada genera mientras otra evalúa y da retroalimentación. | Building effective agents (Anthropic Engineering) |
| votación multiperspectiva | Un patrón de colaboración donde varios agentes juzgan cada uno el mismo contenido ya existente de forma independiente y en paralelo, y el contenido queda marcado en cuanto cualquiera de ellos encuentra un problema. | Building effective agents (Anthropic Engineering) |
| handoff | Un estilo de colaboración descentralizado donde agentes de igual rango ceden el control a un agente especializado que toma el relevo de la conversación. | Agents (OpenAI Agents SDK) |
| Peer agents | Agentes de igual rango en un montaje de estilo handoff, sin relación fija de superior a subordinado, que se pasan el control directamente entre ellos. La Lección 4 conserva el término en inglés dentro de la cita oficial; en español equivale a «agentes pares» o «agentes de igual rango». | Agents (OpenAI Agents SDK) |
| decentralized | El rasgo que define la colaboración de estilo handoff: el control no lo sostiene todo el tiempo un nodo central, sino que se pasa directamente entre agentes de igual rango. La Lección 4 conserva el término en inglés dentro de la cita oficial; en español, «descentralizado». | Agents (OpenAI Agents SDK) |
| el control de la conversación | La autoridad para dirigir lo que viene después; el orquestador la retiene todo el tiempo en orquestador-subagente, mientras que un handoff se la transfiere al agente receptor. | Agents (OpenAI Agents SDK) |
| una sola ejecución | El límite dentro del que se mantiene un handoff: la transferencia de control vale para esta ejecución y no se traslada a una ejecución posterior e independiente. | Handoffs (OpenAI Agents SDK) |
| brecha de confiar-entonces-verificar | El modo de fallo con nombre propio donde un modelo produce una implementación de apariencia plausible que no maneja los casos límite; el arreglo es proveer siempre verificación, y si no puedes verificarlo, no lo entregues. | Best practices for Claude Code (Claude Code Docs) |
| estándar comprobable | Un criterio de verificación concreto definido para la tarea específica, contra el que la salida se puede medir ítem por ítem en lugar de puntuarse por impresión. | How we built our multi-agent research system (Anthropic Engineering) |
| LLM juez | El rol en el sistema en producción de Anthropic que evalúa cada salida de subagente contra los criterios de una rúbrica. | How we built our multi-agent research system (Anthropic Engineering) |
| exactitud factual | Uno de los criterios de la rúbrica del LLM juez: ¿las afirmaciones de la salida coinciden con las fuentes que cita? | How we built our multi-agent research system (Anthropic Engineering) |
| exactitud de las citas | Uno de los criterios de la rúbrica del LLM juez: ¿las fuentes citadas coinciden de verdad con las afirmaciones a las que van atadas? | How we built our multi-agent research system (Anthropic Engineering) |
| calidad de las fuentes | Uno de los criterios de la rúbrica del LLM juez: ¿el subagente usó fuentes primarias en lugar de fuentes secundarias de menor calidad? | How we built our multi-agent research system (Anthropic Engineering) |
| trabajo duplicado | Varios subagentes cubriendo el mismo terreno y produciendo salidas que se solapan fuertemente, algo que normalmente solo aflora en el momento en que se agregan los resultados. | How we built our multi-agent research system (Anthropic Engineering) |
| resultados en conflicto | Dos subagentes investigando de forma independiente y devolviendo conclusiones que se contradicen, algo que no se puede zanjar eligiendo una al azar ni partiendo la diferencia. | How we built our multi-agent research system (Anthropic Engineering) |
| atribución errónea | El error de la etapa de integración de apuntar los datos que encontró un subagente como conclusión sobre la porción de la que se encargaba otro subagente. | How we built our multi-agent research system (Anthropic Engineering) |
| etapa de integración | El paso de cierre donde el orquestador fusiona el contenido duplicado, verifica o marca las conclusiones contradictorias y comprueba que cada afirmación se remonte a la fuente correcta. | How we built our multi-agent research system (Anthropic Engineering) |
| deduplicar | La parte de la integración que fusiona el contenido solapado entre varias salidas de subagentes para que el resultado final no diga lo mismo dos veces. | How we built our multi-agent research system (Anthropic Engineering) |
| resultado de revisión estructurado | Una revisión devuelta en campos fijos como `{approved, issues}` en lugar de un veredicto generalizado en lenguaje natural, para que el código que sigue pueda leerla y actuar sobre ella. | How we built our multi-agent research system (Anthropic Engineering) |
| MAX_ROUNDS | El techo de cuántas rondas de productor-revisor va a ejecutar el pipeline, que impide que los dos agentes se pulan de ida y vuelta para siempre. | Building effective agents (Anthropic Engineering) |
| válvula de seguridad | El mecanismo que garantiza que un bucle termina; en el pipeline de esta lección, `MAX_ROUNDS` cumple ese papel. | Building effective agents (Anthropic Engineering) |
| REVIEW_CRITERIA | La lista de comprobación explícita que se le entrega al revisor en el código de esta lección, que enumera los estándares concretos contra los que tiene que comprobar el borrador uno por uno. | How we built our multi-agent research system (Anthropic Engineering) |
| runProducer | La función del código de esta lección que genera o corrige el borrador; en una nueva ejecución lleva la versión anterior completa más las notas de revisión, para que el productor corrija en lugar de arrancar de cero. | Using the Messages API (Claude API) |
| runReviewer | La función del código de esta lección que comprueba el borrador contra `REVIEW_CRITERIA` ítem por ítem y devuelve el resultado de la revisión. | How we built our multi-agent research system (Anthropic Engineering) |
| parseReview | La función del código de esta lección que convierte la respuesta de texto del revisor en un objeto estructurado, devolviendo un rechazo siempre que el parseo falla o la forma de los campos es incorrecta. | Best practices for Claude Code (Claude Code Docs) |
| extractJson | El ayudante del código de esta lección que le quita a la respuesta del modelo la cerca de bloque de código markdown, si la hay, para que el JSON de dentro se pueda parsear. | Structured outputs (Claude API) |
| approved | El campo booleano del resultado de la revisión que dice si este borrador pasó los criterios de revisión. | Structured outputs (Claude API) |
| issues | El campo de tipo arreglo del resultado de la revisión que lista cada criterio fallido y su problema específico; vacío cuando todo pasa. | Structured outputs (Claude API) |
| parseo defensivo | Escribir tus propias comprobaciones alrededor de la respuesta de un modelo —quitar cercas, atrapar errores de parseo, validar tipos de campo— en lugar de confiar en que va a coincidir con el formato acordado. | Structured outputs (Claude API) |
| salidas estructuradas | La función oficial que restringe la respuesta de un modelo para que coincida estrictamente con un esquema a nivel de muestreo, garantizando una salida válida y parseable. | Structured outputs (Claude API) |
| sin estado | La propiedad de la API de Messages por la que cada petición debe llevar el historial de conversación completo que necesita, porque la API no guarda estado entre peticiones. | Using the Messages API (Claude API) |
| runPipeline | La función del código de esta lección que conecta productor, revisor y parser en un bucle acotado por `MAX_ROUNDS`, y entrega el último borrador con los problemas sin resolver si se llega al tope. | Building effective agents (Anthropic Engineering) |