Orquestación multiagente práctica en Codex

@pvncher
INGLÉShace 1 día · 24 jul 2026
112K
1.0K
70
41
2.0K

TL;DR

Un análisis técnico profundo sobre Multi-Agent V2 de OpenAI, que explica cómo orquestar agentes GPT-5.6 Sol mediante el uso de esfuerzos de razonamiento variables y gestión de contexto para la ejecución de tareas complejas.

GPT-5.6 Sol se vuelve especialmente interesante cuando tiene un equipo con el que trabajar. Las nuevas herramientas Multi-Agent V2 de Codex le dan a Sol y Terra una forma natural de delegar tareas, compartir actualizaciones y coordinarse a través de tareas complejas.

Ultra hace que la coordinación de agentes sea la opción predeterminada y se reserva mejor para trabajos de alto riesgo, donde la ambigüedad o el contexto disperso justifican la profundidad adicional.

Para otras tareas, un prompt breve o una habilidad pueden fomentar el mismo comportamiento colaborativo de Sol Medium, ya que se mantiene en conversación contigo mientras organiza el trabajo entre bastidores. Con el empujón adecuado, Sol puede convertir solicitudes amplias en asignaciones enfocadas, convocar a otros agentes y decidir cuándo un problema requiere un razonamiento más profundo.

Iguala el razonamiento al trabajo

Si bien es posible que Sol delegue en otro modelo como Terra, la configuración más simple mantiene una sola familia de modelos y ajusta solo el esfuerzo de razonamiento, con roles dedicados como los siguientes:

  • Explorador — GPT-5.6 Sol Light. Responde preguntas estrechas y de solo lectura: localiza archivos, rastrea una ruta de código o encuentra pruebas relevantes.
  • Trabajador — GPT-5.6 Sol Medium. Implementa cambios delimitados, ejecuta comprobaciones o maneja trabajo de apoyo.
  • Trabajador inteligente — GPT-5.6 Sol High. Asume implementaciones difíciles, resuelve ambigüedades o coordina ayuda cuando sea útil.

Trata estos roles como valores predeterminados útiles. Sol Light conserva el criterio para encontrar contexto útil sin gastar tanto razonamiento en el descubrimiento.

Deja que el equipo se coordine

El coordinador actúa como el delegador principal: asigna trabajo sustancial, evita investigaciones duplicadas y realiza un seguimiento de lo que hace cada agente. Los exploradores pueden investigar en paralelo, mientras que los trabajadores pueden compartir la implementación cuando las responsabilidades están claras.

Los agentes también pueden enviarse mensajes directamente a través de un sistema de mensajería común con bandejas de entrada separadas. Cuando un explorador descubre algo que un trabajador necesita, puede reconocer la dependencia y transmitir sus hallazgos sin esperar a que el coordinador los reenvíe.

La concurrencia es configurable por hilo y, por defecto, es de cuatro agentes, incluido el coordinador. Dentro de ese presupuesto, un trabajador inteligente podría coordinar a un explorador y a otro trabajador, o el coordinador podría enviar a tres exploradores a investigar preguntas separadas.

Elige qué contexto heredan los agentes

Bifurcar el historial de la conversación ayuda a los agentes a comprender el objetivo general y las decisiones anteriores. Comenzar con fork_turns: "none" le da a un agente una asignación nueva y enfocada. Los agentes con contexto nuevo aún pueden reconocer cuándo un compañero de equipo necesita información y contactarlo de forma independiente.

Los agentes que heredan el contexto de su padre también pueden ver sus instrucciones de orquestación. Cuando un agente debe permanecer como hoja, dale un límite breve:

Completa esta asignación directamente. No generes otros agentes; las instrucciones de delegación de tu padre se aplican solo a tu padre.

Los agentes con contexto nuevo no heredarán los límites de herramientas o seguridad específicos de la tarea, por lo que debes incluir cualquier restricción esencial directamente en sus asignaciones.

Captura el patrón en una habilidad

Una habilidad práctica puede darle al coordinador algunas instrucciones permanentes:

Permanece disponible para el usuario mientras delegas trabajo sustancial. Envía exploradores enfocados y de solo lectura en paralelo con reasoning_effort: "low" y fork_turns: "none". Usa reasoning_effort: "medium" para implementación rutinaria y reasoning_effort: "high" para problemas más difíciles. Dale a cada agente una propiedad clara, evita asignaciones superpuestas e indica a los trabajadores hoja que no deleguen. Reúne los resultados y mantén las aprobaciones con el usuario.

Experimenta con los controles

Comienza con estos valores predeterminados y luego experimenta con el esfuerzo de razonamiento, la herencia de contexto, la autoridad de delegación y cómo colaboran los agentes. El objetivo es comprender qué configuraciones ayudan a un equipo a avanzar en el trabajo sin gastar más razonamiento del que la tarea requiere.

Recrear en YouMind

Turn one viral article into a full content workflow

Collect the source, decode the pattern, create assets, draft the story, and distribute from one AI workspace.

Explore YouMind
Para creadores

Convierte tu Markdown en un artículo de 𝕏 impecable

Cuando publicas tus propios textos largos, dar formato en 𝕏 a imágenes, tablas y bloques de código es un fastidio. YouMind convierte un borrador completo en Markdown en un artículo de 𝕏 impecable y listo para publicar.

Prueba Markdown a 𝕏

Más patrones por descifrar

Artículos virales recientes

Explorar más artículos virales