La orquestación de agentes es probablemente la parte más interesante de esta primera versión, ya que admite varios modelos de orquestación diferentes que brindan soporte para diferentes tipos de flujo de trabajo. La opción más sencilla es la orquestación secuencial. Se llama a los agentes uno a la vez, esperando la respuesta del primer agente antes de usarla para generar el mensaje para el siguiente. Los escenarios más complejos pueden utilizar orquestación simultánea. Los datos de la consulta inicial llaman a varios agentes al mismo tiempo, trabajando en paralelo, pasando a la siguiente fase del flujo de trabajo una vez que todos los agentes han respondido. Muchos de estos modelos de orquestación se extraen directamente de procesos de flujo de trabajo tradicionales, muy similares a los que utilizan herramientas como BizTalk. Los modelos de orquestación restantes son nuevos y dependen del comportamiento de los agentes basados en LLM.
Orquestación en un mundo de modelos lingüísticos
El primer modelo nuevo es la orquestación de chat grupal. Los agentes de un proceso pueden comunicarse entre sí, compartir resultados y actualizarlos en función de esos datos hasta que converjan en una única respuesta. La segunda, la orquestación de transferencia, es una versión más evolucionada de la orquestación secuencial, donde no solo se actualizan los datos pasados entre agentes, sino también las indicaciones, respondiendo a los cambios en el contexto del flujo de trabajo. Finalmente, hay soporte para lo que se llama flujo de trabajo «magnético». Esto implementa un agente administrador de supervisión que coordina un subconjunto de agentes, orquestándolos según sea necesario y trayendo humanos cuando sea necesario. Esta última opción está destinada a problemas complejos, que pueden no haber sido considerados para la automatización de procesos utilizando técnicas existentes que no son de IA.
Estos enfoques son bastante diferentes de cómo hemos creado flujos de trabajo en el pasado y es importante experimentar antes de implementarlos. Deberá tener cuidado con las indicaciones básicas, asegurándose de que las operaciones finalicen y que si no se puede encontrar una respuesta o un consenso, sus agentes generarán un mensaje de error adecuado en lugar de simplemente generar un resultado plausible.
