Agente Supervisor
Un agente supervisor es el agente de IA que dirige un sistema multiagente. Recibe la petición, la divide en subtareas, entrega cada una a un agente trabajador especializado (un subagente) con las herramientas adecuadas, revisa lo que vuelve y combina los resultados en una sola respuesta. Los trabajadores ejecutan; el supervisor decide quién hace qué y cuándo está terminado el trabajo.
Comprendiendo Agente Supervisor
A medida que los sistemas de IA abordan tareas cada vez más complejas, las arquitecturas de agente único alcanzan sus límites. Un solo agente que gestione todos los aspectos de un flujo de trabajo complejo, planificación, ejecución de herramientas, revisión de calidad y síntesis, se vuelve difícil de razonar y más propenso a errores. Las arquitecturas multiagente resuelven esto mediante la especialización.
En una arquitectura supervisor-trabajador, el agente supervisor recibe una tarea de alto nivel y determina cómo descomponerla. Identifica qué subagentes especializados deberían encargarse de cada componente, les asigna el trabajo, supervisa su progreso, gestiona fallos y combina los resultados. El supervisor se centra en la coordinación; los trabajadores, en la ejecución.
Esto refleja cómo funcionan las organizaciones humanas. Un director de proyecto no escribe código, diseña interfaces y prueba software al mismo tiempo. Coordina a especialistas, cada uno con experiencia profunda en su campo. Los agentes supervisores aplican este mismo principio a la IA.
LangGraph, el marco que sustenta el sistema de agentes de GAIA, admite patrones supervisor-trabajador de forma nativa. Cada nodo en el grafo puede representar a un agente especializado, y la estructura del grafo codifica la lógica de coordinación.
Cómo funciona el patrón supervisor, paso a paso: el supervisor lee la petición y planifica las subtareas; envía cada subtarea a un trabajador, normalmente llamándolo como si fuera una herramienta con la tarea por escrito; los trabajadores se ejecutan, solos o en paralelo, cada uno con su propio prompt, herramientas y ventana de contexto; los resultados vuelven al supervisor, que decide si encarga más trabajo, reintenta o termina; y el supervisor redacta la respuesta final. Como cada trabajador solo ve su tarea, el contexto del supervisor se mantiene pequeño y la salida larga de una herramienta nunca inunda la conversación principal.
Supervisor frente a otros patrones multiagente: en una cadena secuencial, los agentes se pasan el trabajo en un orden fijo sin nadie que decida en el centro. En un patrón de red (o enjambre), cualquier agente puede ceder el control directamente a otro. En un patrón jerárquico, unos supervisores dirigen a otros, cada uno al frente de un equipo. El patrón supervisor es el más fácil de depurar porque todas las decisiones pasan por un solo punto. Su coste es una llamada extra al modelo por cada decisión de enrutamiento y un punto único de fallo: si el supervisor entiende mal la tarea, todos los trabajadores hacen el trabajo equivocado. LangGraph (con su librería langgraph-supervisor), el proceso jerárquico de CrewAI y el enfoque de agentes como herramientas del OpenAI Agents SDK lo implementan.
Cuándo no usarlo: si un solo agente con unas pocas herramientas resuelve el trabajo, un supervisor solo añade latencia y coste. El patrón compensa cuando las tareas abarcan dominios distintos, necesitan herramientas o permisos diferentes, o generan más salida intermedia de la que cabe en una sola ventana de contexto.
No es lo mismo que la IA para supervisores de un centro de contacto: allí, agentes y supervisores son personas, y las herramientas de IA para supervisores o de asistencia al agente ayudan a un supervisor humano a seguir llamadas en directo, orientar a su equipo y detectar escalados. Es una categoría de producto distinta de un agente supervisor dentro de un sistema de IA.
Cómo GAIA usa Agente Supervisor
GAIA reparte el papel de supervisor en dos niveles. El agente de comunicación es con el que hablas: entiende la petición y entrega todo el trabajo real al agente ejecutor, que trabaja en segundo plano para que la conversación siga fluida. El ejecutor es el supervisor en sentido clásico. Planifica la tarea, carga las integraciones que necesita (Gmail, Google Calendar, Notion y otras) y usa sus herramientas directamente, y lanza subagentes para trabajos voluminosos y autocontenidos o pasa el trabajo a un subagente para cada servidor MCP personalizado que hayas conectado. Los subagentes informan al ejecutor, se les puede enviar mensajes o cancelar mientras trabajan y no pueden lanzar trabajadores propios, así que la jerarquía tiene un solo nivel.
Conceptos relacionados
IA agéntica
La IA agéntica describe sistemas de inteligencia artificial diseñados para operar de forma autónoma, tomando decisiones y ejecutando tareas de varios pasos con una supervisión humana mínima.
Bucle de agente
Un bucle de agente es el ciclo de ejecución iterativo de un agente de IA en el que razona sobre el estado actual, selecciona y ejecuta una acción (a menudo llamando a una herramienta), observa el resultado y repite hasta completar la tarea o alcanzar una condición de parada.
Agente autónomo
Un agente autónomo es un programa de inteligencia artificial que recibe un objetivo y lo persigue por su cuenta: decide qué pasos dar, usa herramientas (buscar en la web, leer el correo, llamar a una API, escribir código), revisa el resultado de cada paso y continúa hasta terminar, sin que una persona le indique cada acción. Los agentes autónomos de IA actuales usan un modelo de lenguaje grande (LLM) como núcleo que planifica y elige la siguiente acción.
Orquestación de IA
La orquestación de IA es la coordinación de varios agentes, modelos y herramientas de IA para trabajar conjuntamente en la realización de tareas complejas y con múltiples pasos que ningún componente podría manejar por sí solo.
Subagente
Un subagente es un agente de IA que otro agente pone en marcha para ocuparse de una parte de una tarea más grande. El agente principal (a menudo llamado supervisor u orquestador) le da una tarea por escrito, un conjunto acotado de herramientas y un contexto nuevo propio; el subagente trabaja en esa parte de forma independiente y devuelve solo su resultado. Repartir el trabajo así permite ejecutar varios subagentes en paralelo y mantiene limpio el contexto del agente principal.
Enrutamiento semántico
El enrutamiento semántico consiste en clasificar la entrada del usuario según su significado e intención para dirigirla al agente, manejador o estrategia de respuesta apropiada, lo que permite que una sola interfaz de IA gestione inteligentemente diversos tipos de solicitudes.
