Supervisores jerárquicos (orquestador y trabajadores)
Un supervisor planifica y delega; los trabajadores ejecutan e informan de los resultados: un patrón sólido para tareas complejas.
Supervisores jerárquicos (orquestador y trabajadores) es una lección gratuita de AI Agents en CoddyKit. Esta es la lección 2 de 4. Puedes leer la lección completa abajo gratuitamente — luego la practicas en el navegador con un editor de código integrado y un tutor de IA 24/7. Forma parte de la ruta de aprendizaje de AI Agents, y tu progreso se sincroniza en la web y la app de CoddyKit. El curso de AI Agents incluye 4 lecciones en total.
Partes de esta lección aún no han sido traducidas y se muestran en inglés.
El patrón del supervisor
Un agente "supervisor" decide qué hacer y delega en agentes "trabajadores" especializados. Los trabajadores informan de sus resultados y el supervisor los sintetiza.
Se parece más a la forma en que trabajan los equipos humanos que las conversaciones libres.
Estructura
Dos niveles (a veces más):
- Supervisor: ve la consulta del usuario, la divide en partes, elige a los trabajadores e integra los resultados
- Trabajadores: agentes especializados (investigación, programación y matemáticas), cada uno con sus propias herramientas e indicaciones
¿Por qué una jerarquía?
- Razonamiento más claro: el supervisor ve la visión general
- Especialización: cada trabajador es pequeño y está centrado
- Evaluación más sencilla: pruebe los trabajadores de forma independiente
- Es más fácil añadir nuevas capacidades: basta con registrar un nuevo trabajador
LangGraph Implementation
from langgraph.graph import StateGraph, END
from typing import TypedDict, Annotated
import operator
class State(TypedDict):
messages: Annotated[list, operator.add]
next: str
def supervisor(state):
# Ask LLM which worker should handle this
decision = supervisor_llm.invoke(state['messages']).content # 'researcher' / 'coder' / 'FINISH'
return {'next': decision}
def researcher(state):
result = research_agent.run(state['messages'][-1].content)
return {'messages': [{'role': 'tool', 'content': result}], 'next': 'supervisor'}
def coder(state):
result = code_agent.run(state['messages'][-1].content)
return {'messages': [{'role': 'tool', 'content': result}], 'next': 'supervisor'}Wiring the Graph
g = StateGraph(State)
g.add_node('supervisor', supervisor)
g.add_node('researcher', researcher)
g.add_node('coder', coder)
g.set_entry_point('supervisor')
g.add_conditional_edges(
'supervisor',
lambda s: s['next'],
{'researcher': 'researcher', 'coder': 'coder', 'FINISH': END}
)
g.add_edge('researcher', 'supervisor')
g.add_edge('coder', 'supervisor')
app = g.compile()Independencia de los trabajadores
Cada trabajador es un miniagente autónomo. Desarrolle y pruebe cada uno de forma aislada; después, compóngalos bajo el supervisor.
Conjuntos de herramientas por trabajador
Limite cada trabajador ÚNICAMENTE a las herramientas que necesita:
- Investigador: search, fetch
- Programador: read_file, write_file, run_python
- Base de datos: list_tables, run_sql
Descripciones de herramientas más claras y menos confusión.
Formato de comunicación
Los trabajadores devuelven resúmenes estructurados al supervisor, no transcripciones completas. Ahorrará tokens y facilitará la integración por parte del supervisor:
class WorkerResult(BaseModel):
summary: str
citations: list[str]
next_step_suggestion: str = ''Finalización
El supervisor decide cuándo detenerse. Normalmente:
- La confianza supera el umbral
- Un trabajador envía una señal de tarea completada
- Se supera el contador de pasos
Jerarquías multinivel
Para tareas muy complejas, añada una tercera capa: un supervisor "líder de equipo" para ingeniería, otro para investigación, etc. Cada uno delega en trabajadores de su área.
Perfil de costes
Cada decisión del supervisor es una llamada al LLM. Cada trabajador tiene su propio bucle. El coste total es aproximadamente N_decisiones_del_supervisor × coste_por_decisión + N_bucles_de_trabajadores × coste_por_bucle.
Cuándo usarlo
- Tareas complejas con subdominios claramente definidos
- Tareas que necesitan estilos de indicación diferentes en cada paso
- Sistemas en los que desea añadir capacidades de forma incremental
Antipatrones
- El supervisor realiza todo el trabajo: anula el propósito del patrón
- Los trabajadores llaman a otros trabajadores sin que el supervisor lo sepa: se pierde el control
- Demasiados trabajadores (>10): la selección del supervisor deja de ser fiable
Papel del supervisor
¿Cuál es la función principal del supervisor en este patrón?
Resumen
Supervisor + trabajadores es mejor que un único agente grande. Cada trabajador es pequeño, está centrado y se puede probar de forma independiente. El supervisor decide quién se ocupa de cada tarea.
Aprende AI Agents con un tutor de IA — gratis
Escribe y ejecuta código real en tu navegador, obtén ayuda instantánea de un tutor de IA disponible 24/7 y continúa donde lo dejaste en la web o en la aplicación.
- Cursos
- 60
- Lecciones
- 239
Preguntas frecuentes
¿La lección «Supervisores jerárquicos (orquestador y trabajadores)» es gratis?
Sí — el texto completo de «Supervisores jerárquicos (orquestador y trabajadores)» es gratis para leer aquí en la web. Para practicarla de forma interactiva (editor de código integrado y tutor de IA 24/7) y desbloquear el resto del curso de AI Agents, actualiza a CoddyKit PRO. El curso de AI Agents incluye 4 lecciones en total.
¿Qué aprenderé en «Supervisores jerárquicos (orquestador y trabajadores)»?
Un supervisor planifica y delega; los trabajadores ejecutan e informan de los resultados: un patrón sólido para tareas complejas. Practicas AI Agents con código real que ejecutas directamente en el navegador, y un tutor de IA 24/7 responde tus preguntas mientras trabajas en la lección.
¿Necesito experiencia previa para empezar AI Agents?
No se requiere experiencia previa. AI Agents en CoddyKit está estructurado para principiantes hasta estudiantes avanzados, así que puedes empezar aquí o desde el inicio y avanzar a tu ritmo. Esta es la lección 2 de 4.
¿Cuánto tiempo toma la lección «Supervisores jerárquicos (orquestador y trabajadores)»?
La mayoría de las lecciones de CoddyKit toman alrededor de 5–10 minutos. Cada una es compacta e interactiva, así que avanzas constantemente y retomas exactamente por donde dejaste en la web y la app.
¿Puedo escribir y ejecutar código en esta lección de AI Agents?
Sí. Cada lección de AI Agents incluye un editor de código integrado, así que escribes y ejecutas código real directamente en tu navegador y obtienes retroalimentación instantánea de IA — sin configuración local necesaria.
Todas las lecciones de este curso
- Multiagente basado en conversaciones (AutoGen)
- Supervisores jerárquicos (orquestador y trabajadores)
- Roles y especializaciones de los agentes
- Protocolos de comunicación (buses de mensajes)