{ "slug": "multi-agent-architecture", "category": "architecture", "updated": "2026-06-21", "version": "1.0", "url": "https://santismm.com/en/knowledge/multi-agent-architecture", "urls": { "en": "https://santismm.com/en/knowledge/multi-agent-architecture", "es": "https://santismm.com/es/knowledge/multi-agent-architecture", "pt": "https://santismm.com/pt/knowledge/multi-agent-architecture" }, "evidence": { "evidenceLevel": "industry_observation", "confidenceLevel": "high", "sourceType": [ "industry_observation", "paper" ] }, "references": [ { "title": "Anthropic — Building Effective Agents (2024)", "url": "https://www.anthropic.com/research/building-effective-agents" }, { "title": "Yao et al. — ReAct (2022)", "url": "https://arxiv.org/abs/2210.03629" } ], "related": [ "agentic-ai", "ai-agent", "harness-engineering", "model-context-protocol" ], "locales": { "en": { "title": "What is a Multi-Agent Architecture?", "summary": "A multi-agent architecture divides a task among several specialized agents that collaborate, delegate or compete to reach a goal, instead of relying on one general agent. Common shapes include an orchestrator that delegates to workers, pipelines where each agent owns a stage, and debate or critic patterns. It can improve modularity and reliability for complex tasks, but adds coordination overhead and should be adopted only when a single agent demonstrably falls short.", "definition": "A multi-agent architecture is a system design in which multiple specialized AI agents coordinate — through an orchestrator, a pipeline or peer interaction — to accomplish a task that is decomposed across them.", "takeaways": [ "Several specialized agents beat one generalist for some complex tasks.", "Common patterns: orchestrator-workers, pipelines, debate/critic.", "Specialization improves modularity and focus per role.", "Coordination, latency and cost overhead are the main costs.", "Default to a single agent; go multi-agent only when measurement justifies it." ], "context": [ "As tasks grow, a single agent's context and reasoning get stretched. Splitting the work into focused roles — researcher, writer, reviewer; or planner and executors — can make each part more reliable and easier to evaluate.", "But multi-agent is not automatically better. Every added agent adds communication, failure modes and cost. The discipline is to decompose only where roles are genuinely separable and a single agent measurably underperforms." ], "architecture": [ "Orchestrator-workers: a lead agent plans and delegates subtasks to worker agents, then synthesizes results. Pipeline: agents are arranged in stages, each transforming the output of the previous. Peer patterns: agents debate, critique or vote to improve quality.", "Cross-cutting concerns — shared memory, message passing, error handling, budgets and observability — are where most multi-agent systems succeed or fail. Clear contracts between agents matter more than clever role names." ], "components": [ "Orchestrator / lead agent", "Worker / specialist agents", "Shared memory & state", "Message passing", "Tools (often via MCP)", "Guardrails & budgets", "Observability" ], "pros": [ "Modular, specialized roles that are easier to evaluate.", "Parallelism for independent subtasks.", "Separation of concerns across complex workflows.", "Critic/debate patterns can raise output quality." ], "risks": [ "Coordination overhead and added latency.", "More failure modes and harder debugging.", "Higher token cost from inter-agent communication.", "Premature complexity when one agent would suffice." ], "tools": [ "LangGraph", "CrewAI", "AutoGen", "OpenAI Agents SDK", "Model Context Protocol (MCP)" ], "examples": [ "An orchestrator delegating research, drafting and review to specialist agents.", "A pipeline that extracts, transforms and validates data across stages.", "A critic agent reviewing another agent's output before it is finalized." ], "faqs": [ { "q": "Is multi-agent always better than a single agent?", "a": "No. It adds coordination, cost and failure modes. Prefer a single agent and adopt multi-agent only when a task is clearly separable and a single agent underperforms." }, { "q": "What is the orchestrator-workers pattern?", "a": "A lead agent plans a task, delegates subtasks to specialized worker agents, and synthesizes their results into a final answer." }, { "q": "How do multi-agent systems fail?", "a": "Through unclear contracts between agents, lost context, runaway loops, and compounding errors — which is why budgets and observability are essential." }, { "q": "How does MCP relate to multi-agent systems?", "a": "MCP standardizes how each agent connects to tools and data, making integrations reusable across the agents in the system." } ] }, "es": { "title": "¿Qué es una Arquitectura Multiagente?", "summary": "Una arquitectura multiagente divide una tarea entre varios agentes especializados que colaboran, delegan o compiten para alcanzar un objetivo, en lugar de depender de un único agente general. Formas habituales: un orquestador que delega en trabajadores, pipelines donde cada agente posee una etapa, y patrones de debate o crítico. Puede mejorar la modularidad y la fiabilidad en tareas complejas, pero añade coste de coordinación y solo debe adoptarse cuando un solo agente se queda corto de forma demostrable.", "definition": "Una arquitectura multiagente es un diseño de sistema en el que varios agentes de IA especializados se coordinan —mediante un orquestador, un pipeline o interacción entre pares— para realizar una tarea descompuesta entre ellos.", "takeaways": [ "Varios agentes especializados superan a uno generalista en ciertas tareas complejas.", "Patrones habituales: orquestador-trabajadores, pipelines, debate/crítico.", "La especialización mejora la modularidad y el foco por rol.", "El coste principal es la coordinación, la latencia y el gasto.", "Por defecto, un solo agente; ir a multiagente solo cuando la medición lo justifique." ], "context": [ "A medida que crecen las tareas, el contexto y el razonamiento de un solo agente se tensan. Dividir el trabajo en roles enfocados —investigador, redactor, revisor; o planificador y ejecutores— puede hacer cada parte más fiable y fácil de evaluar.", "Pero multiagente no es automáticamente mejor. Cada agente añadido suma comunicación, modos de fallo y coste. La disciplina es descomponer solo donde los roles sean realmente separables y un solo agente rinda peor de forma medible." ], "architecture": [ "Orquestador-trabajadores: un agente líder planifica y delega subtareas a agentes trabajadores, y luego sintetiza los resultados. Pipeline: los agentes se disponen en etapas, cada una transformando la salida de la anterior. Patrones entre pares: los agentes debaten, critican o votan para mejorar la calidad.", "Las preocupaciones transversales —memoria compartida, paso de mensajes, gestión de errores, presupuestos y observabilidad— son donde la mayoría de sistemas multiagente triunfan o fracasan. Los contratos claros entre agentes importan más que los nombres ingeniosos de roles." ], "components": [ "Orquestador / agente líder", "Agentes trabajadores / especialistas", "Memoria y estado compartidos", "Paso de mensajes", "Herramientas (a menudo vía MCP)", "Guardarraíles y presupuestos", "Observabilidad" ], "pros": [ "Roles modulares y especializados, más fáciles de evaluar.", "Paralelismo para subtareas independientes.", "Separación de responsabilidades en flujos complejos.", "Los patrones de crítico/debate pueden elevar la calidad." ], "risks": [ "Coste de coordinación y latencia añadida.", "Más modos de fallo y depuración más difícil.", "Mayor coste de tokens por la comunicación entre agentes.", "Complejidad prematura cuando bastaría un agente." ], "tools": [ "LangGraph", "CrewAI", "AutoGen", "OpenAI Agents SDK", "Model Context Protocol (MCP)" ], "examples": [ "Un orquestador que delega investigación, redacción y revisión a agentes especialistas.", "Un pipeline que extrae, transforma y valida datos por etapas.", "Un agente crítico que revisa la salida de otro agente antes de finalizarla." ], "faqs": [ { "q": "¿Multiagente es siempre mejor que un solo agente?", "a": "No. Añade coordinación, coste y modos de fallo. Prefiere un solo agente y adopta multiagente solo cuando la tarea sea claramente separable y un agente rinda peor." }, { "q": "¿Qué es el patrón orquestador-trabajadores?", "a": "Un agente líder planifica una tarea, delega subtareas a agentes trabajadores especializados y sintetiza sus resultados en una respuesta final." }, { "q": "¿Cómo fallan los sistemas multiagente?", "a": "Por contratos poco claros entre agentes, pérdida de contexto, bucles descontrolados y acumulación de errores; por eso presupuestos y observabilidad son esenciales." }, { "q": "¿Cómo se relaciona MCP con los sistemas multiagente?", "a": "MCP estandariza cómo cada agente se conecta a herramientas y datos, haciendo las integraciones reutilizables entre los agentes del sistema." } ] }, "pt": { "title": "O que é uma Arquitetura Multiagente?", "summary": "Uma arquitetura multiagente divide uma tarefa entre vários agentes especializados que colaboram, delegam ou competem para alcançar um objetivo, em vez de depender de um único agente geral. Formas comuns: um orquestrador que delega a trabalhadores, pipelines em que cada agente possui uma etapa, e padrões de debate ou crítico. Pode melhorar a modularidade e a confiabilidade em tarefas complexas, mas adiciona custo de coordenação e só deve ser adotada quando um único agente fica aquém de forma demonstrável.", "definition": "Uma arquitetura multiagente é um design de sistema em que vários agentes de IA especializados se coordenam — por um orquestrador, um pipeline ou interação entre pares — para realizar uma tarefa decomposta entre eles.", "takeaways": [ "Vários agentes especializados superam um generalista em certas tarefas complexas.", "Padrões comuns: orquestrador-trabalhadores, pipelines, debate/crítico.", "A especialização melhora a modularidade e o foco por papel.", "O custo principal é a coordenação, a latência e o gasto.", "Por padrão, um único agente; ir para multiagente só quando a medição justificar." ], "context": [ "À medida que as tarefas crescem, o contexto e o raciocínio de um único agente se esticam. Dividir o trabalho em papéis focados — pesquisador, redator, revisor; ou planejador e executores — pode tornar cada parte mais confiável e fácil de avaliar.", "Mas multiagente não é automaticamente melhor. Cada agente adicionado soma comunicação, modos de falha e custo. A disciplina é decompor só onde os papéis sejam realmente separáveis e um único agente tenha desempenho mensuravelmente pior." ], "architecture": [ "Orquestrador-trabalhadores: um agente líder planeja e delega subtarefas a agentes trabalhadores, e depois sintetiza os resultados. Pipeline: os agentes são dispostos em etapas, cada uma transformando a saída da anterior. Padrões entre pares: os agentes debatem, criticam ou votam para melhorar a qualidade.", "As preocupações transversais — memória compartilhada, passagem de mensagens, tratamento de erros, orçamentos e observabilidade — são onde a maioria dos sistemas multiagente tem sucesso ou falha. Contratos claros entre agentes importam mais que nomes engenhosos de papéis." ], "components": [ "Orquestrador / agente líder", "Agentes trabalhadores / especialistas", "Memória e estado compartilhados", "Passagem de mensagens", "Ferramentas (muitas vezes via MCP)", "Guard-rails e orçamentos", "Observabilidade" ], "pros": [ "Papéis modulares e especializados, mais fáceis de avaliar.", "Paralelismo para subtarefas independentes.", "Separação de responsabilidades em fluxos complexos.", "Padrões de crítico/debate podem elevar a qualidade." ], "risks": [ "Custo de coordenação e latência adicional.", "Mais modos de falha e depuração mais difícil.", "Maior custo de tokens pela comunicação entre agentes.", "Complexidade prematura quando bastaria um agente." ], "tools": [ "LangGraph", "CrewAI", "AutoGen", "OpenAI Agents SDK", "Model Context Protocol (MCP)" ], "examples": [ "Um orquestrador que delega pesquisa, redação e revisão a agentes especialistas.", "Um pipeline que extrai, transforma e valida dados por etapas.", "Um agente crítico que revisa a saída de outro agente antes de finalizá-la." ], "faqs": [ { "q": "Multiagente é sempre melhor que um único agente?", "a": "Não. Adiciona coordenação, custo e modos de falha. Prefira um único agente e adote multiagente só quando a tarefa for claramente separável e um agente tiver desempenho pior." }, { "q": "O que é o padrão orquestrador-trabalhadores?", "a": "Um agente líder planeja uma tarefa, delega subtarefas a agentes trabalhadores especializados e sintetiza seus resultados numa resposta final." }, { "q": "Como os sistemas multiagente falham?", "a": "Por contratos pouco claros entre agentes, perda de contexto, laços descontrolados e acúmulo de erros; por isso orçamentos e observabilidade são essenciais." }, { "q": "Como o MCP se relaciona com sistemas multiagente?", "a": "O MCP padroniza como cada agente se conecta a ferramentas e dados, tornando as integrações reutilizáveis entre os agentes do sistema." } ] } } }