El programador dejó de ser despachador de agentes de IA: Multica se hace cargo de los traspasos rutinarios
Cuando hay varios agentes de IA en marcha, el programador acaba haciendo de despachador sin darse cuenta: resume el contexto y traslada resultados de una sesión a otra. El autor de Habr delegó esta tarea en el orquestador Multica: un agente líder de equipo reparte las tareas, dos revisores con modelos distintos comprueban el código y las preguntas para la persona llegan a la Inbox. Hace falta un revisor independiente porque la autocomprobación de GPT-4 sin prueba bajó la precisión del 95,5 % al 91,5 %. Automatiza los traspasos cuando se han convertido en rutina.
Procesado por IA desde Habr AI; editado por Hamidun News
Un agente de IA es cómodo: le das una tarea, lo discutes y revisas el código. Cuando hay varias sesiones en paralelo, el programador se convierte sin darse cuenta en despachador. Los agentes siguen escribiendo código con rapidez, pero trasladar el resultado de la planificación a la implementación, resumir el contexto y explicar al revisor qué debe comprobar siguen siendo tareas humanas.
El autor del análisis en Habr se descubría cada 20–30 minutos mirando la ventana de los agentes: ¿se había quedado alguno bloqueado con una pregunta?, ¿estaba dando vueltas en círculo? La salida la encontró en el orquestador Multica, un programa en el que los agentes tienen un tablero de tareas, roles (por ejemplo, líder de equipo y revisores) y reglas comunes, y el contexto pasa entre ellos sin intervención humana.
A continuación, lo que cambió y las conclusiones que se pueden extraer.
¿Para qué un segundo agente si el contexto ya tiene un millón de tokens?
Incluso con una ventana de contexto enorme, un solo agente verifica mal su propio trabajo. Imagine una lista de registros con un filtro por estado. Al principio de una sesión larga, el agente asumió que sin filtro solo se muestran los registros activos, escribió el código y las pruebas con esa suposición, y todo salió en verde. Un revisor independiente recibe solo el criterio «sin filtro, mostrar todos los registros» y el diff (la lista de cambios en el código). No conoce la suposición anterior y ve la discrepancia de inmediato.
Las cifras de la investigación respaldan este enfoque. En el trabajo «Lost in the Middle», GPT-3.5-Turbo respondió correctamente en el 75,8 % de los casos cuando el documento necesario estaba en primer lugar, y en el 53,8 % cuando estaba en medio, en una prueba con 20 documentos. Y en el trabajo de Jie Huang y coautores, GPT-4, tras autocomprobarse sin una señal externa en 200 problemas de GSM8K (problemas matemáticos escolares), bajó del 95,5 % al 91,5 %: el modelo «corrigió» parte de sus respuestas correctas. Por eso el autor vincula la verificación a una prueba reproducible o a un revisor independiente con contexto vacío.
Un segundo agente se justifica en tres casos: cuando se necesita una mirada nueva (mejor otro modelo y otro proveedor), cuando hay subtareas independientes para copias de trabajo distintas del repositorio (worktree) o cuando se quieren separar los modelos por coste: el código lo escribe uno barato y la revisión la hace uno caro. Si se ponen dos agentes en el mismo frontend, generarán conflictos al fusionar.
Qué queda de decenas de orquestadores
Hay muchas herramientas: en el catálogo awesome-agent-orchestrators había 350 proyectos activos el 19 de noviembre, y en diez días se añadieron 36 nuevos. El autor los clasifica según lo que gestionan: sesiones (Paseo), tareas en segundo plano que devuelven un diff (Codex en la nube, Devin), equipos con roles (Multica, Paperclip, Agent Swarm) o asistentes personales (Hermes Agent, OpenBot).
Cada herramienta la pone a prueba con un mismo escenario: conectar el entorno de ejecución, asignar una tarea, recibir una notificación de bloqueo donde se espera, aceptar el resultado. Agent Swarm no superó esta prueba: el asistente de configuración informaba de que todo estaba verificado, pero la primera tarea falló con un error de la pasarela, y los registros no permitieron averiguar la causa. Multica y OpenBot funcionaron a la primera. La conclusión del autor es que una interfaz clara y un comportamiento predecible importan más que una larga lista de funciones.
Cómo funciona el equipo, cuánto cuesta y dónde está la trampa
En Multica, el líder de equipo del autor es el punto de entrada único: conoce los proyectos, recoge el resultado tras el ejecutor y decide adónde enviar la tarea después. De ahí la diferencia en los contadores de ejecuciones del 19 de noviembre: 763 del líder frente a 208 del desarrollador. Junto a él hay dos revisores en entornos de ejecución distintos: uno a través de Claude (claude-opus-5-5, 48 ejecuciones) y otro a través de Pi (83 ejecuciones). Cuando hace falta una decisión humana, el líder la menciona y la pregunta llega a la Inbox.
Antes de trabajar, el agente resume la tarea con sus propias palabras, como lo haría un junior, y a menudo ya en ese resumen se ve que se dispone a resolver otra cosa. Todo lo que se verifica con pruebas, linter y una lista de criterios lo gestiona el equipo por sí mismo. Las migraciones de datos, la seguridad y las decisiones de producto las reserva el autor.
Kief Morris, de Thoughtworks, llama a este régimen «humano sobre el bucle»: no se corrige cada línea de código, sino el andamiaje, es decir, las especificaciones, las comprobaciones y las reglas. Además, el modelo económico DeepSeek Flash revisa una vez al día las tareas bloqueadas y genera un resumen de los proyectos.
El sentido común sigue siendo necesario en la aceptación. En una ocasión, un revisor llegó a la decimocuarta ronda de revisión en seis horas, lo que indica que el planteamiento estaba roto, y hubo que devolver la tarea al arquitecto. En otra, el agente propuso aumentar el tiempo límite de las pruebas de mutación, que tardaban 180 minutos, en lugar de rehacer las propias pruebas.
En cuanto al dinero: la pantalla de gastos mostró unos 1000 $ en una semana, pero es una estimación según los precios de la API, mientras que el autor pagaba con suscripciones (Claude a 100 $ y OpenCode Go, de donde toma DeepSeek). La semana fue de máxima actividad, pero aun así conviene vigilar los tokens: la suscripción oculta el apetito del orquestador, y un usuario de Paperclip contó que sus tokens se le «evaporaron» al instante.
Las limitaciones importan. Los plugins suelen funcionar fuera del entorno aislado y con los permisos del usuario, así que no conviene instalarlos en dispositivos corporativos sin revisión. La licencia de Multica, basada en Apache-2.0, permite el uso interno dentro de una sola organización, pero prohíbe alojar el servicio para terceros e integrarlo en un producto comercial; OpenBot, con licencia PolyForm Noncommercial, no admite uso comercial.
Consejo práctico: empiece con una sola tarea, un ejecutor y una regla de aceptación verificable. Añada un segundo agente cuando tenga claro para qué lo necesita. El orquestador compensa cuando los traspasos manuales entre sesiones se han convertido en el cuello de botella.
- 21 nov 2026Un desarrollador encargó a Claude instalar 900 aplicaciones y creó un limpiador gratuito para Mac
- 21 nov 2026Apple prepara un agente de IA y complica el acceso a los de terceros: el permiso ahora requiere 14 pasos, no 4
- 21 nov 2026Qwen3-0.6B afinada en un Mac mini: los errores en las respuestas bajaron de 9 a 3 de cada 30
- 21 nov 2026Un desarrollador prescinde de Pinecone: búsqueda en 72 450 fragmentos de código en 50 ms
Preguntas frecuentes sobre la noticia
¿Para qué un segundo agente si el contexto ya tiene un millón de tokens?
Incluso con una ventana de contexto enorme, un solo agente verifica mal su propio trabajo. Imagine una lista de registros con un filtro por estado. Al principio de una sesión larga, el agente asumió que sin filtro solo se muestran los registros activos, escribió el código y las pruebas con esa suposición, y todo salió en verde. Un revisor independiente recibe solo el criterio «sin filtro, mostrar todos los registros» y el diff (la lista de cambios en el código).
¿Qué se sabe sobre Qué queda de decenas de orquestadores?
Hay muchas herramientas: en el catálogo awesome-agent-orchestrators había 350 proyectos activos el 19 de noviembre, y en diez días se añadieron 36 nuevos. El autor los clasifica según lo que gestionan: sesiones (Paseo), tareas en segundo plano que devuelven un diff (Codex en la nube, Devin), equipos con roles (Multica, Paperclip, Agent Swarm) o asistentes personales (Hermes Agent, OpenBot).
Cómo funciona el equipo, cuánto cuesta y dónde está la trampa?
En Multica, el líder de equipo del autor es el punto de entrada único: conoce los proyectos, recoge el resultado tras el ejecutor y decide adónde enviar la tarea después. De ahí la diferencia en los contadores de ejecuciones del 19 de noviembre: 763 del líder frente a 208 del desarrollador. Junto a él hay dos revisores en entornos de ejecución distintos: uno a través de Claude (claude-opus-5-5, 48 ejecuciones) y otro a través de Pi (83 ejecuciones).
Test Frontier LLMs & Autonomous Agents in One Workspace
Run Claude Opus 5.5, GPT-6, Gemini 3.1, and DeepSeek side-by-side in Nomad AI (nomadnet.ai) — unified model routing, deep research, and multimodal workflows under one subscription.
Lo esencial de la IA — una vez por semana
Siete historias que de verdad importaron, elegidas a mano. Sin ruido ni notas de prensa.
¡Listo! Revisa tu correo para la confirmación.