Resumen: La mayoría de los sistemas multiagente (MAS) basados en modelos de lenguaje grande (LLM) existentes se basan en flujos de trabajo predefinidos, donde los ingenieros humanos enumeran los estados de las tareas de antemano y especifican reglas de enrutamiento e inyecciones contextuales en consecuencia. Estos diseños impulsados por el flujo de trabajo son esencialmente árboles de decisión basados en reglas, que adolecen de dos limitaciones fundamentales: requieren un esfuerzo manual sustancial para anticipar y codificar posibles estados de las tareas, y no pueden cubrir exhaustivamente el espacio de estados de tareas complejas del mundo real. Para abordar estos problemas, proponemos un paradigma de múltiples agentes orquestados por flujo de información a través de la comunicación de agente a agente (A2A) de CORAL, en el que un orquestador de flujo de información dedicado monitorea continuamente el progreso de la tarea y coordina dinámicamente a otros agentes a través del conjunto de herramientas A2A utilizando lenguaje natural, sin depender de flujos de trabajo predefinidos. Evaluamos nuestro enfoque en el punto de referencia de propósito general GAIA, utilizando el MAS OWL representativo basado en el flujo de trabajo como base mientras controlamos los roles de los agentes y los modelos subyacentes. Con la configuración pass@1, nuestro método logra una precisión del 63,64 %, superando el 55,15 % de OWL en 8,49 puntos porcentuales con un consumo de tokens comparable. Un análisis más detallado a nivel de caso muestra que nuestro paradigma permite un monitoreo de tareas más flexible y un manejo más sólido de los casos extremos. Nuestra implementación está disponible públicamente en: esta URL https
Publicado originalmente en export.arxiv.org el 15 de enero de 2026.
Ver fuente original
