Enterprise Agentic Architecture and Design Patterns aporta estructura a las posibilidades de las arquitecturas de múltiples agentes, identificando y resaltando cómo se pueden combinar funciones novedosas para los agentes de IA para entregar soluciones de agentes fiables, repetibles, ampliables y gestionables. Inspirándonos en “Patrones de diseño” para la programación orientada a objetos, establecemos patrones que se pueden combinar y ampliar para resolver los muchos desafíos emocionantes que antes de las tecnologías de agentes se encontraban fuera del ámbito de los sistemas comerciales construidos sobre tecnologías deterministas tradicionales.

Tras la discusión de la justificación para arquitecturas de múltiples agentes, presentamos numerosos patrones agentes, desde patrones simples que aprovechan el procesamiento de lenguaje natural para determinar la intención del usuario, a patrones de múltiples agentes que proporcionan la separación de preocupaciones entre agentes, a patrones agentes de UX que aportan razonamiento agente a la presentación e interacción con sistemas, información y contenido.

En primer lugar, obtendrá una nueva forma de pensar acerca de agentes - agentes como componentes, agentes como compositores, agentes como actores, agentes como colaboradores y, lo más importante, agentes dentro de una arquitectura más grande que actúan con intención y actúan dentro de su ámbito individual de preocupaciones.

Obtendrá los indicadores que necesita para concebir soluciones de agentes enriquecidos que abarcan trayectorias de usuarios e informan experiencias de agentes significativas, experiencias que nunca antes habían sido posibles.

Las secciones iniciales de este documento proporcionan la justificación para arquitecturas de múltiples agentes. Lea estos para una mejor comprensión de los desafíos y oportunidades que presentan las arquitecturas de múltiples agentes.

A continuación se muestran definiciones y descripciones de patrones de agentes, desde simples a complejos, que cubren patrones que admiten interacciones, patrones para agentes especializados, patrones para operaciones en segundo plano y patrones de larga ejecución. Cada patrón incluye un diagrama de los componentes clave que realizan el patrón, además de recomendaciones de uso y casos de uso representativos.

Por último, el apéndice incluye ejemplos de cómo estos patrones se combinan en soluciones holísticas de agentes que admiten una experiencia de agentes más grande, por ejemplo, para dar cobertura al Servicio al cliente o Ventas intermediadas. Haga referencia a esta sección para ver cómo una experiencia de agente enriquecido aprovecha la descomposición y la separación de problemas a nivel de agente y acción para dirigir la reutilización a nivel de interacción, con agentes compartidos que admiten partes integrantes internas y externas, tanto en modo de asistencia como autónomo.

Como los arquitectos empresariales integran la IA generativa en sus ecosistemas, deben abordar un conjunto común de preguntas de diseño:

• ¿Cuántos agentes se requieren?
• ¿Cómo interoperarán los agentes?
• ¿Cuál es la división del trabajo entre agentes y humanos?
• ¿Cómo se reúnen estos componentes en un sistema coherente?

Este documento presenta una metodología basada en patrones para diseñar y crear soluciones de agentes.

Los agentes monolíticos son el punto de partida para la mayoría de las soluciones de agentes. Los agentes (y más específicamente, los agentes Agentforce) tienen un rendimiento capaz en una variedad de temas. Para casos de uso comunes, comience con un único agente.

A medida que crece su organización, las arquitecturas de múltiples agentes son el enfoque preferido. La arquitectura de múltiples agentes permite una mayor escala, control y flexibilidad en comparación con sistemas monolíticos de un solo agente.

La arquitectura de múltiples agentes proporciona estos beneficios clave:

• Rendimiento aumentado y desglose de complejidad: Un sistema de múltiples agentes especializados proporciona mayores capacidades y simplifica la adhesión a las instrucciones.
• Modularidad y extensibilidad: Los agentes individuales se pueden agregar, sustituir, modificar y probar con mayor facilidad, lo que promueve la agilidad.
• Resistencia y tolerancia a fallos: El fallo de un único componente no compromete todo el sistema, lo que lleva a una mejor resiliencia general.
• Gobernanza descentralizada: La solución de problemas y la gestión pueden aislarse de agentes específicos y sus aplicaciones correspondientes, lo que simplifica el mantenimiento y la supervisión.

La racionalización de una arquitectura de múltiples agentes comienza con la proyección de principios arquitectónicos principales en las capacidades y la estructura de los agentes. Las arquitecturas de múltiples agentes resultantes son entonces una manifestación del diseño del sistema principal y los principios de arquitectura del sistema que están alineados con el “grano” único de las tecnologías de IA.

Los principios clave que dirigen esta arquitectura incluyen:

• Gestionar la complejidad a través de la descomposición
• Mejorar la resiliencia y reducir la fragilidad a través del desacoplamiento
• Mejorar la fiabilidad y la eficiencia a través de la reutilización de código
• Mejore la fiabilidad de los agentes limitando el ámbito de preocupación de cualquier agente
• Mejorar el mantenimiento y la evolución del sistema a través de la modularidad y la extensibilidad
• Simplificar la gestión y la rendición de cuentas de los agentes mediante la especialización

A diferencia de las arquitecturas de agentes más primitivas (por ejemplo, las que se centran en los LLM como construcción arquitectónica básica), Agenciaforce se concibió para orquestar agentes múltiples desde su creación. La orquestación de múltiples agentes subyace en el motor de Razonamiento de Atlas y el razonamiento de agentes para crear rutas de programación dinámicas y efectivas en una respuesta de agentes para ampliar drásticamente la capacidad de entregar un aumento de agentes amplio y profundo a la experiencia de usuario (UX).

En Agentforce este tipo de coordinación se activa mediante estos protocolos clave abiertos e interoperables y Productos de Salesforce:

• Agentforce proporciona un subsistema Agent para encapsular todos los elementos clave de un agente: temas, instrucciones, acciones, barandillas, contexto, invocaciones, salidas, detalles de ejecución, registros, etc.
• Acciones: Proporcione ganchos para acceder a datos, flujos de llamadas, invocar sistemas externos y llamar a otros agentes.
• Data 360: proporciona una capa de virtualización de datos para aportar contexto específico e individualizado al agente (aprovechando el perfil unificado y la cadena clave de Data 360 para extraer información específica de toda la empresa).

Además, para agentes de toda la empresa o para acceder a agentes o recursos, apoyamos:

• Model Context Protocol (MCP): es una capa de comunicación segura que conecta agentes con herramientas empresariales, datos y Knowledge para garantizar la precisión del contexto.
• Protocolo A2A: es un apretón de manos estandarizado para la delegación entre agentes que permite la coordinación segura y gobernada entre sistemas, organizaciones y proveedores.

Estos principios proporcionan la base para construir un sistema ampliable y gobernable de inteligencia orquestada.

Las soluciones sólidas de agentes requieren enfoques claros para los requisitos no funcionales que sustentan la entrega de tecnología efectiva:

• Seguridad y gobernanza (Gestión de identidad y acceso, Privacidad de datos, Seguridad de datos y Modelado de amenazas).
• Observabilidad y supervisión (Rastreo distribuido, Registro centralizado, Mediciones y Paneles).
• Operacionalización y gestión del ciclo de vida (Especificación, Generación de casos de prueba, Pruebas, Comentarios, Aprendizaje continuo, Desaprobación).

Estas son consideraciones arquitectónicas clave para crear soluciones de Enterprise Agentic que no se tratan en este documento técnico; sin embargo, se abordarán en publicaciones futuras.

Para gestionar un panorama de agentes de toda la empresa, los arquitectos deben clasificar a los agentes a través de dos lentes complementarias: función técnica e impacto comercial.

Esta taxonomía categoriza las funciones funcionales que los agentes pueden asumir dentro de una arquitectura.

• Funciones de canal/UX: Defina la modalidad de interacción (por ejemplo, Sin encabezado, Solicitud, Chats y mensajes o Espacios de trabajo gestionados por IA).
• Funciones especializadas: Encapsule Knowledge de dominio profundo (por ejemplo, Experto de dominio, Knowledge Minion, Asistente o Planificador).
• Funciones de servicios públicos: Realice tareas transaccionales discretas (por ejemplo, Generación, Resumen, Transformación o Configuración).
• Funciones de mantenimiento y servicio proactivo: Céntrese en el estado y la calidad de los datos (por ejemplo, depuración, conformación, calidad de los datos o enriquecimiento de los datos).
• Funciones de larga duración: Gestione procesos durante periodos de tiempo prolongados (por ejemplo, Conserje, Gerente de proyecto, Nutridor o Observador/Alterador).

Para facilitar un diseño y una comunicación claros, el mapa de agentes es la plantilla estándar para describir soluciones de agentes. Define entidades clave, sistemas e interacciones dentro de un patrón de diseño específico.

Estos son los componentes de plantilla de mapa agente:

• Las capas de usuario definen los actores humanos en el sistema (por ejemplo, clientes, empleados autenticados (SF-Users) y empleados no autenticados).
• Las capas de agentes describen agentes requeridos, patrones mostrados, relaciones entre sí e instrucciones que se utilizan para actualizar patrones específicos.
• Contexto/Acciones son los recursos, las funciones o las acciones que gestiona o accede el agente.
• Los orígenes son los datos, las aplicaciones, las bases de Knowledge subyacentes y otros sistemas a los que se conectan los agentes.

Los apéndices A y B ilustran patrones de agentes a nivel del sistema demostrando su composición en los planos de baño de la plantilla de mapa de agentes.

En Salesforce, utilizamos una biblioteca de patrones de agentes para organizar y entregar soluciones agentes fiables y predecibles. Estos patrones son nuestros planes para resolver problemas arquitectónicos comunes.

Se agrupan en cuatro categorías principales:

• Patrones de interacción: Céntrese en la implicación de agentes y la experiencia de usuario (UX).
• Patrones de especialistas/trabajadores: Encapsule Knowledge profundo o habilidades específicas dentro de un dominio concreto.
• Patrones de utilidades y gestión de datos: Realice tareas específicas, a menudo repetibles, que admiten otros agentes o procesos.
• Patrones de larga ejecución: Gestione procesos y flujos de trabajo que se producen durante periodos prolongados, incluyendo múltiples pasos.

Las siguientes secciones detallan patrones clave de cada categoría. Cada descripción de patrón proporciona una Descripción general, Tipo de salida, Orientación de uso de patrón, Casos de uso representativos y un Diagrama de solución, así como asignación a la Rúbrica de madurez de Salesforce Agentic.

Los patrones de interacción son diseños fundamentales que se centran en la implicación de agentes y la experiencia de usuario.

• Descripción general: El patrón Greeter es un patrón sencillo y fácil de implementar que utiliza lenguaje natural para determinar la intención del usuario. A continuación, dirige al usuario al agente humano apropiado.

• Tipo de salida: Traspaso/Distribución al siguiente recurso.

• Valor comercial: Facilite un primer contacto sencillo y eficiente para los clientes mientras maximiza la resolución de intenciones y la recopilación de contexto para los proveedores de servicio.

• Directrices de uso: Configure el agente como el recurso de implicación principal para canales de marca. Proporcione instrucciones sobre la marca, los productos y los servicios que están emparejados con instrucciones de enrutamiento basadas en la intención del usuario. El agente recopila y resume la intención de entregar una transferencia cálida.

• Caso de uso representativo: Imagine una página web que utiliza un bot de chat para presentar un menú de opciones donde los usuarios deben hacer clic en todas las opciones antes de que se les enrute a un humano. Para mejorar la productividad y eficiencia de back-office, los chatbots a menudo utilizan interacciones y rutas de trabajo complejas y complicadas. Esto lleva a un escenario de fatiga de “llenar, elegir y hacer clic” para los clientes que a menudo da como resultado frustración si su contexto se encuentra fuera de las opciones de menú disponibles. Al sustituir los chatbots tradicionales con la Puerta principal de Agentic (que utiliza interacciones de lenguaje natural), alivia la carga y proporciona una interacción similar a la humana.

• Receta Agentforce:

  • Agente de servicio Agentforce: Crear un Agente de servicio
    • El Agente de servicio empaquetado tiene funciones de transferencia configurables que admiten la transferencia:
      • A agentes humanos
      • A agentes de IA
      • A agentes externos
  • Patrones específicos del sector que contienen ejemplos de código

• Diagrama:

• Madurez de Salesforce Agentic: Nivel 1 (o Nivel 0 si utiliza el Agente de servicio listo para su uso con transferencia y distribución integradas)

• Descripción general: El patrón Operador se basa en el patrón Greeter enrutando solicitudes al agente especializado o humano apropiado e intención de negociación (si es necesario).

• Tipo de salida: Traspaso/Transferencia al siguiente recurso.

• Directrices de uso: Combine instrucciones específicas de marca y servicio con instrucciones sobre dónde enviar al usuario basándose en la intención. Defina recursos de distribución, que pueden ser humanos u otros agentes.

• Caso de uso representativo: Utilice la Puerta de entrada para escenarios donde hay un alto grado de especialización entre representantes humanos o de IA.

• Diagrama:

• Madurez de Salesforce Agentic: Nivel 2

• Descripción general: El patrón Orquestador gestiona un "Enjambre" de agentes de IA. Cuando recibe una solicitud de usuario, pasa la expresión a uno o más agentes especializados y luego agrega las respuestas para el usuario. A diferencia del patrón Operador, sigue siendo el primer punto de contacto (POC).

• Tipo de salida: Recopile y prepare respuestas de agentes de trabajadores.

• Directrices de uso: Configurado como el implicador principal. Proporcione instrucciones para cada agente de trabajo de asistencia (por ejemplo, un Priorizador o una PYME de dominio) que permita al orquestador transmitirles expresiones.

• Caso de uso representativo: Utilice el Patrón de orquestador como la puerta principal de agente para ayudar a los clientes que pueden necesitar debatir múltiples temas por conversación, lo que requiere soluciones de múltiples agentes e interacciones coherentes. En una arquitectura de múltiples sistemas, considere el Patrón de orquestador para coordinar respuestas entre sistemas y con la colaboración de agentes externos.

• Diagrama:

• Madurez de Salesforce Agentic: Nivel 3

• Descripción general: El patrón Escucha/Noticias aflora contexto y perspectivas durante el flujo de una conversación. El oyente se desencadena durante cada turno de conversación para buscar y mostrar información relevante para un empleado.

• Tipo de salida: Proporcione contexto relevante basado en la conversación, que puede tener formato para su efecto (por ejemplo, realizando comparaciones o resaltando puntos clave).

• Directrices de uso: Adjunte el oyente a un canal por turnos (por ejemplo, chat, voz o SMS). Defina temas para cada área de asunto. El agente consume la transcripción, identifica temas e invoca acciones para buscar y publicar contenido relevante en noticias en tiempo real en ejecución para el empleado.

• Caso de uso representativo: Utilice el Asistente universal para ayudar a los representantes de Servicio al cliente o Ventas.

• Diagrama:

• Madurez de Salesforce Agentic: Nivel 3

• Descripción general: El patrón Espacio de trabajo gestiona un UX de un solo panel de vidrio con capacidad de respuesta en el flujo de una conversación. Procesa cada expresión para actualizar partes de la UX con contenido relevante.

• Tipo de salida: Proporcione contexto relevante ubicado en un portlet en una vista de un solo panel de vidrio más grande.

• Directrices de uso: Un agente de Orquestador pasa expresiones a un conjunto de agentes de Tema. Cada agente de Tema evalúa la declaración para determinar si es necesaria una actualización de UX. Si es así, envía actualizaciones dinámicas al LWC correspondiente.

• Caso de uso representativo: Esto funciona como una puerta principal de agente avanzado.

• Diagrama:

• Madurez de Salesforce Agentic: Nivel 3

Los patrones de especialistas encapsulan Knowledge profundo o habilidades en un dominio concreto, y normalmente están orquestados por patrones de interacción.

• Descripción general: El patrón de bots es un patrón efectivo para el autoservicio que utiliza GenAI para determinar el lenguaje natural para la recuperación de Knowledge, no solo palabras clave.

• Tipo de salida: Knowledge resumido y referencias/citas a materiales de apoyo.

• Directrices de uso: Organice e introduzca materiales de origen fiables (por ejemplo, Knowledge Stores o Preguntas más frecuentes) para configurar el agente. Posicione al agente en sitios web corporativos o en portales internos. Supervise preguntas para identificar y solucionar brechas Knowledge.

• Caso de uso representativo: Facilitar las búsquedas de lenguaje natural en un sitio web corporativo, interactuar con un bot de beneficios de RRHH y proporcionar componentes de autoservicio para todos los integrantes.

• Diagrama:

• Madurez de Salesforce Agentic: Nivel 1

• Descripción general: El patrón PYME de dominio es un patrón fundamental que proporciona un frontend de lenguaje natural para un dominio comercial (por ejemplo, Pedidos o Reclamaciones).

• Tipo de salida: Proporcione contenido relevante, temas, datos e información con formato acerca del dominio.

• Directrices de uso: Utilice este patrón para encapsular un asunto o dominio comercial. Configure el agente con la capacidad de realizar operaciones CRUD apropiadas. Haga que estos agentes estén disponibles a través de patrones de interacción (por ejemplo, - Orquestador u Oyente).

• Caso de uso representativo: Mantener un dominio de datos comerciales, proporcionar un "Agente de pedidos" o "Agente de inventario" y proporcionar una interfaz agente para un dominio comercial.

• Diagrama:

• Madurez de Salesforce Agentic: Nivel 2

• Descripción general: El patrón de interrogador es un agente de PYME que puede ser interrogado sobre un tema para reunir contexto desde múltiples orígenes para responder a preguntas. La capacidad de agente clave aprovechada es la capacidad de extraer contexto y conectar conceptos entre un cuerpo de contenido, de la forma en que lo haría un humano después de leer e internalizar el contenido. Este patrón mitiga la necesidad de "integración de silla giratoria".

• Tipo de salida: Proporcione respuestas a preguntas.

• Directrices de uso: A menudo se configura como un widget de consola conectado al contexto actual del usuario de modo que pueda formular preguntas directamente. También se utiliza junto con recursos Knowledge como Preguntas más frecuentes, Políticas y Catálogos de productos. Empareje el patrón de interrogador con solicitudes estándar para ampliar respuestas comunes a preguntas comunes.

• Caso de uso representativo: Utilizar como agente asistente de contratos; asistente de consultas de beneficios o agente de trabajador especializado en patrones de múltiples agentes (por ejemplo, Oyente o Espacio de trabajo).

• Diagrama:

• Madurez de Salesforce Agentic: Nivel 2

• Descripción general: El patrón Priorizador se utiliza para ordenar un conjunto de tareas u objetos de trabajo basándose en un objetivo definido. Aprovecha GenAI para análisis cualitativo, análisis de datos no estructurados o análisis integrador entre múltiples dominios de datos.

• Tipo de salida: Proporcione perspectivas generativas.

• Directrices de uso: Utilice lenguaje natural para describir las cualidades deseadas para la priorización. Fundamente el agente utilizando un conjunto de opciones seleccionables. Combine con el patrón Oyente para crear una "Siguiente mejor acción" con capacidad de respuesta en el flujo de trabajo.

• Caso de uso representativo: Utilice como generador de Next Best Action o agente de trabajo especializado en patrones de larga ejecución o de múltiples agentes.

• Diagrama:

• Madurez de Salesforce Agentic: Nivel 2

Los patrones de utilidades realizan tareas específicas y repetibles que admiten otros agentes o procesos.

• Descripción general: El patrón Generador es un patrón básico para crear nuevo contenido (por ejemplo, resúmenes de casos o borradores de correo electrónico) a partir de entradas y estándares existentes. A menudo se implementa como una solicitud y puede incrustarse en otros agentes.

• Tipo de salida: Proporcione contenido generado que se ajuste al formato y la intención solicitados.

• Directrices de uso: El patrón Generador se puede utilizar en la mayoría de los otros patrones o como un patrón independiente. El contexto se puede proporcionar a través de la solicitud, la hidratación durante la ejecución o pasos de enriquecimiento adicionales.

• Caso de uso representativo: Proporcione resúmenes de casos, borradores de correo electrónico, artículos de Knowledge o propuestas/respuestas a QBR.

• Diagrama:

• Madurez de Salesforce Agentic: Nivel 1

• Descripción general: El patrón Data Steward es un patrón autónomo en segundo plano que introduce un paso agente en las operaciones de datos para garantizar una calidad, conformidad y enriquecimiento coherentes de los datos.

• Tipo de salida: Proporcione campos de datos y registro actualizados antes de guardar.

• Directrices de uso: Integre la calidad de los datos en el punto de creación de datos agregando administradores de datos que registran flujos desencadenadores antes de guardar datos. Ayuda a garantizar la aplicación coherente de datos de categorización, resumen y estado.

• Caso de uso representativo: Garantizar actualizaciones de estilo "Pizza-Tracker" coherentes, enriquecer datos de cuentas y eliminar direcciones y códigos postales no coincidentes.

• Diagrama:

• Madurez de Salesforce Agentic: Nivel 2

• Descripción general: El patrón Zen Data Gardener es un patrón en segundo plano programado que se utiliza para preparar y estandarizar datos, aprovechando el razonamiento de bajo coste para validar, enriquecer y conformar datos entre dominios de datos no conectados.

• Tipo de salida: Proporcione registros actualizados y/o tareas de gestión de datos.

• Directrices de uso: Utilice el patrón para activar la validación y revisión periódica de datos. Para datos que cambian lentamente, programe el agente en una cadencia lenta (por ejemplo, mensualmente). Combine con el Patrón de administrador de datos para proporcionar operaciones de calidad de datos prospectivas y retrospectivas.

• Caso de uso representativo: Garantizar la alineación entre los beneficios vendidos y el sistema de reclamaciones, así como la validación periódica de licencias de corredor con registros nacionales.

• Diagrama:

• Madurez de Salesforce Agentic: Nivel 4

• Descripción general: El patrón Configurar genera artefactos de configuración (por ejemplo, SQL/SOQL, JSON y CSV) desde requisitos de lenguaje natural. También puede ejecutarse de forma inversa para validar una configuración existente frente a requisitos.

• Tipo de salida: Proporcione registros actualizados, tareas de gestión de datos o cree problemas/errores para correcciones.

• Directrices de uso: Fundamente el agente utilizando estándares, directrices o ejemplos específicos. Configure requisitos de construcción utilizando orígenes como contratos o especificaciones de productos. Conecte el patrón Configurador al sistema de destino para distribuir la configuración generada.

• Caso de uso representativo: Generación de registros de configuración de productos para productos de seguro médico y validación de condiciones de contrato/pago para proveedores de salud.

• Diagrama:

• Madurez de Salesforce Agentic: Nivel 4

• Descripción general: El patrón Juez y jurado está diseñado para minimizar las alucinaciones utilizando un conjunto de agentes "jurados" y un agente "juez" que evalúa la congruencia de las respuestas para garantizar que son coherentes y fundamentadas materialmente.

  • El Enfoque de conjunto está integrado en Agentforce y el motor de razonamiento Atlas para abordar la veracidad y pertinencia de las respuestas. El patrón Juez y Jurado se basa en esta función cuando es esencial un alto nivel de precisión.
  • La combinación de Fundamentación de datos (por ejemplo, “encuentre su respuesta en estos registros/documentos”) y Ingeniería de solicitudes (por ejemplo, “solo devuelve una respuesta si se encuentra en estos registros” o “valide su respuesta en esta fuente externa”) también son formas efectivas de minimizar las alucinaciones.

• Tipo de salida: Proporcione perspectivas generativas.

• Directrices de uso: Utilizar cuando existe una gran necesidad de resultados generativos coherentes y fundamentados. Un agente del juez compila una solicitud fundamentada y la pasa a dos o más agentes del jurado, y luego el juez evalúa las respuestas. Para obtener mejores resultados, utilice diferentes modelos (por ejemplo, uno de OpenAI y otro de Anthropic) para cada agente del jurado.

• Caso de uso representativo: Proporcione respuestas de alta fidelidad y fundamentadas en hechos para minimizar las alucinaciones.

• Diagrama:

• Madurez de Salesforce Agentic: Nivel 2

• Descripción general: El patrón Modelo de modelos aprovecha múltiples agentes expertos para generar una amplia gama de perspectivas y luego extrae el consenso. A diferencia del patrón Juez y jurado, este patrón abarca múltiples puntos de vista para mejorar la riqueza.

  • Este patrón también puede denominarse patrón Panel de expertos cuando existen modelos expertos con diferentes puntos de vista (POV) que puede ser útil tocar.
  • A diferencia del patrón Juez y Jurado donde la intención es garantizar que la respuesta agente converge en una “verdad” accesible comúnmente, el patrón Modelo de modelos amplía el ámbito de la respuesta aprovechando la diversidad en el entorno agente.
  • Este patrón asume que hay agentes adicionales que tienen un POV distinto. Por ejemplo, en un entorno de múltiples organizaciones y múltiples agentes o un entorno con múltiples agentes proporcionados por proveedores entre pilas de tecnología, el patrón Modelo de modelos proporciona una estructura para integrar múltiples POV.
  • Al considerar este patrón, también considere otros enfoques, a menudo más ligeros:
    • En vez de definir múltiples agentes expertos, especifique múltiples solicitudes y haga que el sistema trabaje como un conjunto de solicitudes.
    • Aproveche la “fundamentación” a través de acciones que acceden a datos apropiados contextualmente.

• Tipo de salida: Proporcione perspectivas generativas.

• Directrices de uso: La función de un agente Agregador es formar y devolver un POV enriquecido basándose en los conceptos clave que devolvieron los agentes Modelo. Los agentes de modelo determinan una respuesta basándose en su POV exclusivo.

• Caso de uso representativo: Utilizar en situaciones que pueden beneficiarse de la combinación de puntos de vista dispares para aumentar la calidad de las respuestas. Por ejemplo, un entorno agente multisistema donde los agentes privilegiados (por ejemplo, un agente ERP) pueden tener un POV valioso y de otro modo inaccesible.

• Diagrama:

• Madurez de Salesforce Agentic: Nivel 2

Los patrones de procesos de larga ejecución gestionan procesos que se producen durante periodos prolongados e implican múltiples pasos y actores.

• Descripción general: El patrón Gestor de proyectos es un patrón complejo que supervisa un proyecto de larga ejecución. Coordina actividades, realiza un seguimiento de la finalización, notifica a los usuarios y representa el estado del proyecto a las partes interesadas.

• Tipo de salida: Existen múltiples salidas (por ejemplo, casos, tareas, actualizaciones de estado y notificaciones).

• Directrices de uso: Utilice como patrón de paraguas para admitir actividades regulares, repetidas y de múltiples pasos. El patrón Gestor de proyectos toma una plantilla/esquema de entrada de un proyecto (incluyendo tareas, funciones y dependencias), luego crea una instancia de casos y actividades y los asigna a usuarios.

• Caso de uso representativo: Se utiliza para la gestión de la instalación de cuentas y la implicación de ventas de empresa.

• Diagrama:

• Madurez de Salesforce Agentic: Nivel 4

Aunque los patrones describen funciones de agentes, los arquetipos de orquestación definen los planes a nivel del sistema para el modo en que colabora una flota de agentes. Estos arquetipos aclaran las funciones de Agenteforce como cerebro de orquestación y MuleSoft como conector y adaptador universal.

Arquetipo 1: SOMA (organización única, múltiples agentes)

• Definición: Múltiples agentes colaboran en una organización de Salesforce que utiliza datos y gobernanza compartidos.
• Flujo arquitectónico: En Agentforce, un agente Supervisor actúa como una única puerta principal, enrutando solicitudes a agentes Especialistas dentro de la organización. Para funciones externas, los agentes utilizan el cliente Agentforce MCP con MuleSoft actuando como un contenedor de MCP para API no activadas por MCP.
• Consideraciones clave: Este patrón centraliza la lógica de orquestación en Salesforce (similar al contexto de CRM y Data 360) para preservar la gobernanza, identidad, permisos y observabilidad unificados.

Arquetipo 2: MOMA (organización múltiple, múltiples agentes)

• Definición: Los agentes colaboran entre múltiples organizaciones de Salesforce, lo que requiere una coordinación segura entre los datos y los límites de permisos.
• Flujo arquitectónico: Un agente Supervisor en una organización delega una tarea a un agente en otra organización a través del protocolo estandarizado agente a agente (A2A). Este apretón de manos garantiza Trust a nivel de organización, flujo de identidad de usuario y contexto de conversación compartido.
• Consideraciones clave: Este patrón mantiene la autonomía de la organización al tiempo que activa flujos de trabajo de toda la empresa, lo que proporciona una base para operaciones de agentes coherentes en estados complejos de múltiples organizaciones.

Arquetipo 3: Proveedores múltiples A2A (orquestación dirigida por Salesforce)

• Definición: Un agente Supervisor en Salesforce coordina el trabajo entre una mezcla de agentes nativos de Salesforce y agentes de otros proveedores (por ejemplo, Google/Vertex o LangGraph) a través del protocolo A2A.
• Flujo arquitectónico: El agente Supervisor procesa la solicitud y orquesta un plan, invocando agentes de proveedores internos y externos a través del protocolo A2A. Para sistemas externos que no tienen capacidad A2A, MuleSoft puede exponer una "fachada de agente ligera" que envuelve la herramienta existente y se comunica con A2A.
• Consideraciones clave: Este arquetipo mantiene el cerebro de orquestación cerca de CRM y Data 360 utilizando A2A para producir una composición limpia y gobernable sin un nivel de orquestación separado.

Arquetipo 4: Proveedor múltiple A2A (Orquestación dirigida por MuleSoft)

• Definición: La orquestación se inicia desde un punto de entrada que no es de Salesforce, que requiere un orquestador externo neutro para realizar el razonamiento y el enrutamiento.
• Flujo arquitectónico: Un agente de interfaz de usuario en un sistema externo reenvía la solicitud a un servicio de orquestación (conceptualizado como MuleSoft Conductor), que interpreta la intención y planifica la tarea. A continuación, el conductor utiliza el A2A para enrutar llamadas a agentes proveedores, incluyendo agentes Agentforce para CRM o acciones de servicio.
• Consideraciones clave: Este patrón es para puntos de entrada que no son de Salesforce donde un orquestador neutro es arquitectónicamente preferible. Mantiene el UX en el sistema de dominios mientras centraliza el razonamiento, la gobernanza, la política y la observabilidad en MuleSoft.

Estos patrones individuales y arquetipos de orquestación son elementos constructivos arquitectónicos diseñados para componerse en soluciones integrales. El Mapa de soluciones de agente se utiliza para visualizar cómo se conectan estos componentes.

• Una Solución de servicios para un proveedor de cuidados sanitarios es una implementación estándar del arquetipo SOMA. Utiliza un Answerbot para usuarios anónimos, un Orquestador para miembros autenticados y múltiples agentes PYME de dominio (por ejemplo, Caso, Reclamaciones y Beneficios) para gestionar solicitudes específicas.
• Un portal de corredores B2C es una composición compleja que utiliza un agente Orquestador de portal para invocar un agente Gestor de proyectos de larga ejecución para un proceso RFP, que a su vez utiliza agentes Desatendido, Administrador de datos e Interrogador para operaciones de datos de back-office.

Una metodología de patrón de diseño agente proporciona la disciplina arquitectónica requerida para crear sistemas de IA empresarial sólidos, ampliables y mantenibles. Al desglosar la complejidad y promover la modularidad, estos patrones permiten a los arquitectos ofrecer soluciones agentes fiables y predecibles.

La elección del arquetipo de orquestación es una decisión estratégica basada en dónde trabajan los usuarios, dónde reside el contexto y cómo rige la empresa la interacción entre humanos, agentes y sistemas. Al comprender la distinción entre agentes de creación y orquestarlos, y al aprovechar protocolos abiertos como MCP y A2A, los arquitectos pueden ir más allá de la creación de bots aislados para diseñar un sistema de razonamiento empresarial cohesivo, gobernado y distribuido. Este enfoque proporciona un lenguaje compartido y un conjunto de planes reutilizables para construir una arquitectura de agentes sostenible.

Este apéndice proporciona ejemplos concretos de cómo se componen los patrones de agentes en soluciones a nivel del sistema.

Este diagrama ilustra cómo se pueden conectar cinco patrones fundamentales para crear un flujo de trabajo de servicio al cliente común.

1. Answerbot: Un usuario anónimo formula una pregunta, gestionada por un agente basado en Knowledge.
2. Operador: La pregunta de un empleado es seleccionada por un Operador, que envía la conversación a un agente más especializado.
3. Orquestador: Un usuario autenticado (usuario de SF) se implica con un orquestador que coordina múltiples agentes para gestionar una consulta potencialmente multifacética.
4. PYME de dominio: Los agentes especializados (por ejemplo, agentes de recursos humanos o agentes de beneficios) son invocados por el orquestador para realizar actualizaciones de materia y recuperar datos específicos.
5. Generador: Los agentes de utilidades se utilizan para resumir detalles de cuenta o cerrar un caso después de que se complete la interacción.

Este mapa de soluciones detalla una arquitectura agente para un caso de uso de Servicios de miembros, demostrando la composición de múltiples patrones.

• Perfiles de usuario: La solución sirve a tres tipos de usuario diferentes: Usuario anónimo, Miembro autenticado y Usuario de SF (por ejemplo, un CSR humano).
• Patrones de interacción: Un bot de respuesta gestiona consultas anónimas de "Buscar un documento", mientras que un orquestador (Puerta principal de agencia) gestiona consultas de usuarios autenticados. Un patrón Escucha/Noticias ayuda al usuario de SF.
• Reutilización de agente de dominio: Los agentes PYME de dominio especializado (por ejemplo, Agente de casos, Agente de reclamaciones o Agente de beneficios) se reutilizan entre diferentes flujos de interacción.
• Autonomía y asistencia: El sistema combina agentes autónomos (para dirigir la interacción del usuario) y agentes de asistencia (para aumentar las CSR humanas).
• Orígenes de datos: La arquitectura integra una mezcla de orígenes de datos públicos y empresariales, con un amplio uso de Data 360 y MuleSoft para la conectividad.

Este diagrama ilustra una arquitectura lógica para una solución de IA de asistencia en un Centro de contacto, organizada en capas funcionales.

• Agentes orquestadores: Gestione experiencias de usuario para diferentes personas (por ejemplo, Anónimo, Miembro externo o CSR) y orqueste el flujo de interacción general.
• Agentes de trabajo: Múltiples agentes PYME se centran en dominios comerciales principales como Knowledge, Caso/Reclamaciones/Beneficios y Directorio de proveedores. También se incluye un agente de Next Best Action.
• Agentes de utilidades: Realice tareas específicas y reutilizables como Traducción, Cierre de casos y Resumen de llamadas. Integración y sistemas principales: Todo el sistema agente está conectado a través de una capa de integración entre plataformas a recursos de datos no estructurados, recursos de datos estructurados y sistemas empresariales principales.
• Gobernanza: Una capa de gobernanza proporciona observabilidad, evaluación y gestión para los LLM/SLM utilizados por los agentes. Arquitectura del sistema del centro de contacto de

Este mapa de soluciones detalla una interacción compleja y de larga duración entre agentes para un portal de corredores de seguros médicos B2B. El modelo incluye un agente de portal (Orquestador) que facilita la trayectoria del corredor a través de múltiples pasos (por ejemplo, el envío de una RFP y la recepción de una propuesta). Este orquestador invoca a un agente Gestor de proyectos, que a su vez coordina varios agentes desatendidos para la calidad y las transformaciones de los datos de back-office, como Extractor de RFP, Transformación de censo y Administrador de datos.

Este diagrama muestra una arquitectura lógica para una solución de B2C Broker, que demuestra un enfoque por capas similar al Centro de contacto. Incluye agentes orquestadores para diferentes usuarios, agentes trabajadores reutilizables para dominios clave (por ejemplo, Knowledge, Servicios de miembros o Comisiones) y agentes de utilidades para funciones específicas como traducción y resumen.

Este diagrama muestra una arquitectura lógica para una solución de Contratación de proveedores. Los agentes de orquestación gestionan interacciones completas, los agentes de trabajo gestionan intenciones específicas dentro de un dominio (por ejemplo, un agente de PYME de contratación) y los agentes de utilidades realizan tareas discretas como comparar contratos o generar perspectivas.

La siguiente tabla resume varios patrones de interacción clave, experiencias de usuario típicas y fines arquitectónicos principales.

David Harshbarger es un exitoso empresario y líder tecnológico que ha trabajado para muchas empresas de software líderes, diseñando soluciones que alinean el grano de la arquitectura con el grano del negocio de modo que los tecnólogos estén trabajando con, no en contra, su tecnología de activación. Hoy en día, David trabaja como Arquitecto de empresa principal en Salesforce, apoyando Ciencias de la salud y la vida.

Chacha Choudhury es un CTO/Arquitecto Jefe de TI altamente logrado y visionario con décadas de experiencia, actualmente se desempeña como Arquitecto Principal de Empresa liderando el Programa de Arquitectura de Salesforce y la Comunidad Global de Arquitectos. Es reconocido por su experiencia en el establecimiento de estrategias tecnológicas para toda la empresa, impulsando la modernización de la arquitectura y siendo pionero en soluciones innovadoras, incluyendo aplicaciones de IA generativa e IA agente.