01La idea
Un orquestador reparte la tarea entre agentes con un rol claro, que comparten un state y se pasan el trabajo. Lo determinista va en código (herramientas); el criterio va en el modelo.
tarea → [Investiga] → [Analiza] → [Construye] → [Valida] → resultado
usa tools state compartido entre todos
02Corré el ejemplo en 10 segundos
El kit trae orchestrator.py — solo librería estándar de Python. Corre en modo MOCK sin API key:
cd kit
python3 orchestrator.py "Planea el lanzamiento de mi newsletter"
Para respuestas reales, poné tu OPENAI_API_KEY (funciona con cualquier API estilo OpenAI).
03Las 3 decisiones que importan
Roles con una responsabilidad
Un agente que hace todo = un prompt gigante y frágil. Dividí por verbo: investiga / analiza / construye / valida.
Estado compartido explícito
Los agentes se pasan un state (dict), no "se adivinan". Eso lo hace depurable.
Determinista vs criterio
Lo que se puede calcular va en código/tools; el juicio va en el modelo.
04Costo, latencia y errores
- Menos pasos y modelo más chico donde alcance.
- Cortá temprano: si Valida dice OK, no sigas.
- Reintentos con límite y timeout en cada llamada (nada de loops infinitos).
- Medí tokens por corrida y tiempo por agente.
05Llevátelo
Kit con orchestrator.py, .env.example y guía. Combinalo con Prompts que se comportan como software para salidas tipadas y evals.