Patrón CEO/Worker, cuando un agente no basta
Por qué los sistemas de IA profesionales en 2026 son casi siempre multi-agente. Y cómo funciona en la práctica.
El problema con los agentes individuales
Un agente solo se vuelve peor cuanto más compleja es la tarea. No es teoría, es realidad de código.
¿Por qué? La ventana de contexto se llena con cada llamada a tool. Tras 20 llamadas, el agente ha leído 15.000 tokens de historial y sus decisiones se vuelven borrosas. Tras 50 llamadas pierde el hilo por completo.
Con una ventana de contexto grande (Claude Opus con 1M tokens, Gemini 2.5 Pro con 2M) aguanta más, pero el problema sigue ahí.
La solución: dividir en especialistas
En lugar de que un agente haga todo, construyes un director que llama a trabajadores especializados. Cada trabajador tiene un prompt corto y enfocado y hace solo una cosa.
Es el patrón CEO/Worker.
CEO (a veces "Orchestrator" o "Planner"):
- Recibe la meta grande.
- Decide qué trabajadores hacen qué.
- Recoge los resultados y produce el output final.
Worker:
- Recibe una subtarea concreta.
- Tiene sus propias tools, su pequeño contexto propio.
- Devuelve un resultado claro.
El CEO nunca ve los datos crudos, solo los resúmenes. Eso mantiene su ventana de contexto limpia.
Por qué funciona
Cada llamada a worker es un sub-agente con contexto fresco. El historial vive solo en el CEO. Un worker no sabe nada del cuadro grande, hace solo su trabajo.
Ejemplo tarea de research para post de blog:
- CEO recibe: "Escribe un post de blog sobre la adopción de MCP en 2026."
- CEO → Research Worker 1: "Busca 10 artículos recientes sobre el protocolo MCP."
- CEO → Research Worker 2: "Busca cifras de adopción en empresas."
- CEO → Critic Worker: "Comprueba estas 3 tesis en busca de debilidades."
- CEO → Writer Worker: "Escribe el post basado en este material."
Cada llamada a worker es aislada, el CEO solo tiene los resultados, sin historial de detalle. El sistema puede correr largo tiempo sin asfixiarse a sí mismo.
Soporte de herramientas 2026
Claude Agent SDK tiene la tool Task: se invoca un sub-agente con su propio prompt, trabaja, devuelve resultado.
OpenAI Agents SDK tiene handoffs: el agente A dice "le paso a B", que toma el relevo.
Claude Code lo lleva incorporado: la tool Agent, con subagents especializados para code exploration, code review, research, general purpose.
Cómo lo construyes (en la práctica)
La receta mínima:
- Define los roles de worker. ¿Cuáles son los especialistas típicos que necesitas? Research, Critic, Analyst, Writer, Reviewer? Para tu proyecto.
- Escribe un system prompt por rol. 5-10 frases: quién eres, cuál es tu input, cuál debe ser tu output, cuáles son las reglas.
- Construye el prompt del CEO. Recibe la meta grande + la lista de workers disponibles + cómo se llaman.
- Test. Dale al CEO una tarea real. Mira los logs para ver quién llamó a qué cuándo. Iterar hasta que la división sea clara.
Siguiente lección
Los tres roles clásicos de worker que aparecen en cada sistema serio: Research, Critic, Analyst. Por qué precisamente estos tres y qué los distingue.