claudio.cool
CCDV-PLecciones

CCDV-P · Arquitectura avanzada de agentes y orquestación

Evolucionar entre workflow y agente con datos, y fijar estándares de harness y frameworks

⏱ 3 min de lecturaBorrador

Un equipo lanzó un asistente de gestión de reclamos como agente autónomo. Tres meses después, los datos dicen: el 85 % de los casos sigue siempre los mismos cinco pasos, esos casos cuestan tres veces más que el promedio porque el agente “exploró” de más, y el 15 % restante es donde el agente de verdad aporta. ¿Se queda como está, se rehace como workflow o se parte en dos?

Se decide con datos, no con preferencias

En Foundations aprendiste el criterio de diseño: pasos conocidos van en código, caminos que no se pueden predecir van al modelo. A nivel Professional la pregunta es otra: con un sistema ya corriendo, qué dicen los números. Para la selección de arquitectura (architecture selection) mirás:

Señal en producción Qué sugiere
Casi todas las ejecuciones siguen la misma secuencia de herramientas esa parte pasa a workflow: más barata, más rápida, más fácil de probar
Costo y latencia muy variables, con casos largos que explican la cola acotar el agente (límite de pasos, herramientas más chicas) o sacarle lo predecible
Un workflow con muchos casos borde y ramas que crecen sin parar candidato a pasar la parte difícil a un patrón agéntico (agentic pattern)
Fallas que se concentran en un solo paso arreglar ese paso, no rediseñar todo

El camino habitual es híbrido: un workflow que enruta y, solo para el tramo impredecible, un agente acotado. Mover de a un tramo permite comparar contra la versión actual con la misma suite de evaluación antes de cambiar tráfico real.

Un cambio de arquitectura es una versión del sistema: se evalúa, se despliega de forma progresiva y se puede revertir.

Qué estandarizar

Cuando varios equipos construyen agentes, conviene acordar pocas cosas y fijarlas:

  • El harness del agente (agent harness): el loop, la gestión de contexto, los permisos, los hooks y el registro. Usar el Agent SDK o Claude Code como base da todo eso resuelto; un loop propio da control total pero hay que mantenerlo.
  • El framework, si hace falta: se justifica por lo que resuelve (estado durable, grafos de control, integraciones) y no por moda. Cada capa agregada es una capa más que depurar y que actualizar.
  • Los patrones reutilizables (reusable patterns): plantillas de supervisor, de aprobación, de reintento, con su evaluación y su telemetría ya incorporadas, para que cada equipo no las reinvente.

Criterios para elegir: qué problema medido resuelve, quién lo mantiene, cómo se observa, cómo se prueba y qué pasa al actualizarlo. Un estándar sin dueño ni evaluación se convierte en deuda.

Las trampas típicas

  • Rediseñar todo a agente (o todo a workflow) por una impresión y no por una cohorte de datos.
  • Medir solo calidad e ignorar costo y latencia, o al revés.
  • Adoptar un framework porque lo usa otro equipo, sin un problema concreto.
  • Cambiar de arquitectura sin la suite de evaluación que compare contra la actual.
  • Estándares que cada equipo interpreta distinto porque no tienen implementación de referencia.

En el examen

Si el escenario trae datos de ejecución, la respuesta suele ser mover de forma gradual la parte determinista a workflow y dejar el agente para lo impredecible, validando con evaluación. Descartá “reescribir todo” y “agregar un framework” cuando no hay un problema identificado que lo pida.

Pregunta rápida

Una pregunta del simulacro sobre este dominio. Cuenta para tu progreso.

An internal platform agent is connected to several MCP servers that together expose 180 tools: ticketing, deployments, dashboards, billing, and others. Each request starts with all the tool definitions in context, which consumes a large share of the window, and the agent often picks a similar but wrong tool, such as the staging deploy instead of the production deploy.

Most conversations use fewer than ten tools, and the team does not want to maintain a separate agent for each area or retrain users on new entry points.

Which approach best addresses both the context cost and the selection errors?

Practicá este dominio en el simulacro →