Enterprise Agentic Architecture and Design Patterns aporta estructura a las posibilidades de arquitecturas de múltiples agentes, identificando y resaltando cómo se pueden combinar funciones novedosas para agentes de IA para entregar soluciones de agentes fiables, repetibles, ampliables y gestionables. Inspirándose 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 estaban fuera del ámbito de los sistemas de negocio construidos sobre tecnologías deterministas tradicionales.

Tras la discusión de la justificación para arquitecturas de múltiples agentes, presentamos numerosos patrones de agentes, desde patrones sencillos que aprovechan el procesamiento del lenguaje natural para determinar la intención del usuario, a patrones de múltiples agentes que proporcionan la separación de preocupaciones entre agentes, a patrones de agentes de UX que aportan razonamiento de agentes 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 de preocupaciones individual.

Obtendrá los indicadores que necesita para concebir soluciones de agente enriquecido que abarcan trayectorias de usuarios e informan experiencias de agente 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 sencillos 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 se combinan estos patrones en soluciones holísticas de agentes que admiten una experiencia de agente más amplia, por ejemplo, para dar cobertura a Servicio al cliente o Ventas intermediadas. Haga referencia a esta sección para ver cómo una experiencia de agente enriquecida aprovecha la descomposición y la separación de problemas en el nivel de agente y acción para dirigir la reutilización en el nivel de interacción, con agentes compartidos que admiten partes integrantes internas y externas, tanto en modo de asistencia como autónomo.

Como los arquitectos de negocio 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 desempeño capaz en una variedad de temas. Para casos de uso comunes, comience con un único agente.

A medida que su organización crece, 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:

• Desglose de complejidad y desempeño aumentado: Un sistema de múltiples agentes especializados proporciona funciones aumentadas y simplifica la adhesión a las instrucciones.
• Modularidad y ampliabilidad: los agentes individuales se pueden agregar, sustituir, modificar y probar con mayor facilidad, lo que promueve la agilidad.
• Resilencia y tolerancia a fallos: El fallo de un único componente no compromete todo el sistema, lo que lleva a una mejor resistencia general.
• Gobernanza descentralizada: La solución de problemas y la gestión pueden aislarse para 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 funciones 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” exclusivo 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 capacidad de ampliación
• Simplificar la gestión y la responsabilidad de los agentes a través de la especialización

A diferencia de las arquitecturas de agentes más primitivas (por ejemplo, las que se centran en los LLM como la estructura arquitectónica principal), Agentforce se concibió para la orquestación de múltiples agentes 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 agente para ampliar drásticamente la capacidad de entregar un aumento de agente amplio y profundo a la experiencia de usuario (UX).

En Agentforce este tipo de coordinación está activada por estos protocolos abiertos e interoperables clave 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 compañía).

Además, para agentes de toda la compañía o para acceder a agentes o recursos, admitimos:

• Model Context Protocol (MCP): es una capa de comunicación segura que conecta agentes con herramientas de negocio, datos y Knowledge para garantizar la precisión del contexto.
• Protocolo de agente a agente (A2A): es un enlace 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 monitoreo (Rastreo distribuido, Registro centralizado, Mediciones y Tableros).
• Operacionalización y gestión del ciclo de vida (Especificación, Generación de casos de prueba, Pruebas, Comentarios, Aprendizaje continuo, Desuso).

Estas son consideraciones arquitectónicas clave para la creación de 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 compañía, los arquitectos deben clasificar a los agentes a través de dos lentes complementarias: función técnica e impacto de negocio.

Esta taxonomía categoriza las funciones funcionales que los agentes pueden asumir en 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 de especialistas: Encapsule Knowledge de dominio profundo (por ejemplo, Experto de dominio, Knowledge Minion, Asistente o Planificador).
• Funciones de servicio: público 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 datos o Enriquecimiento de datos).
• Funciones de larga duración: Gestione procesos durante periodos de tiempo prolongados (por ejemplo, Concierge, Gerente de proyecto, Nutridor o Vigilante/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 exhibidos, 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 y otros sistemas subyacentes a los que se conectan los agentes.

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

En Salesforce, utilizamos una biblioteca de patrones de agentes para organizar y entregar soluciones de 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 especialista/trabajador: Encapsule Knowledge profundo o habilidades específicas en 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, que implican 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 de negocio: Facilite un primer contacto transparente y eficiente para los clientes mientras maximiza la resolución de intenciones y la recopilación de contexto para los proveedores de servicio.

• Orientación de uso: de patrones Configure el agente como el recurso de implicación principal para canales de marca. Proporcione instrucciones sobre la marca, los productos y los servicios que se emparejan 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 la 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 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 por la Puerta principal auténtica, 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 de la industria 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 Mayor enrutando solicitudes al agente especializado o humano apropiado e intención de negociación (si es necesario).

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

• Orientación de uso: de patrones 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 agente 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: Coteje y prepare respuestas de agentes de trabajadores.

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

• Caso de uso representativo: Utilice el Patrón de orquestador como la puerta principal de agente para asistir a clientes que podrían necesitar debatir múltiples temas por plática, lo que requiere soluciones de múltiples agentes e interacciones coherentes. En una arquitectura multisistema, 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 plática. El oyente se desencadena durante cada turno conversacional para buscar y mostrar información relevante para un empleado.

• Tipo de salida: Proporcione contexto relevante basándose en plática, que puede tener formato para efectos (por ejemplo, realizando comparaciones o resaltando puntos clave).

• Orientación de uso: de patrones 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 (Radar O’Reilly) gestiona un UX con capacidad de respuesta de un solo panel de vidrio en el flujo de una plática. 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.

• Orientación de uso: de patrones Un agente de Orquestador pasa expresiones a un conjunto de agentes de Temas. Cada agente 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 especializados encapsulan Knowledge profundo o habilidades en un dominio concreto, y normalmente están orquestados por patrones de interacción.

• Descripción general: El patrón Respondedor 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.

• Orientación de uso: de patrones Organice e ingrese 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. Monitoree 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 front-end de lenguaje natural para un dominio de negocio (por ejemplo, Pedidos o Reclamaciones).

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

• Orientación de uso: de patrones Utilice este patrón para encapsular un asunto o dominio de negocio. 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, - Orchestrator u Listener).

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

• Diagrama:

• Madurez de Salesforce Agentic: Nivel 2

• Descripción general: El patrón Interrogador es un agente de SME que se puede interrogar sobre un tema para reunir contexto desde múltiples orígenes para responder a preguntas. La función de agente clave aprovechada es la capacidad de extraer contexto y conectar conceptos en un cuerpo de contenido, del modo 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.

• Orientación de uso: de patrones 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. Emparejar el patrón 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 trabajador especializado en patrones de múltiples agentes (por ejemplo, Escucha 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 la IAgen para análisis cualitativos, análisis de datos no estructurados o análisis integrador entre múltiples dominios de datos.

• Tipo de salida: Proporcione perspectivas generativas.

• Orientación de uso: de patrones 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 múltiples agentes o de larga ejecución.

• Diagrama:

• Madurez de Salesforce Agentic: Nivel 2

Los patrones de utilidades realizan tareas repetibles específicas 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 email) 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.

• Orientación de uso: de patrones 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 email, artículos Knowledge o propuestas/respuestas a los QBR.

• Diagrama:

• Madurez de Salesforce Agentic: Nivel 1

• Descripción general: El patrón Administrador de datos es un patrón autónomo en segundo plano que introduce un paso de agente en 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.

• Orientación de uso: de patrones Incruste 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, enriqueciendo datos de cuentas y eliminando 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 costo 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.

• Orientación de uso: de patrones 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 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 Configurador 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.

• Orientación de uso: de patrones 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 enviar la configuración generada.

• Caso de uso representativo: Generación de registros de configuración de productos para productos de seguro médico y validación de condiciones de pago/contrato 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 de Atlas para abordar la pertinencia y la veracidad de las respuestas. El patrón Jurado y Jurado se basa en esta función cuando son esenciales altos niveles de precisión.
  • La combinación de Fundamentación de datos (por ejemplo, “encuentre su respuesta en estos registros/documentos”) y Ingeniería de solicitudes (por ejemplo, “solo devuelva 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.

• Orientación de uso: de patrones Utilizar cuando hay una gran necesidad de resultados generativos coherentes y fundamentados. Un agente Juez compila una solicitud fundamentada y la pasa a dos o más agentes Jurados, 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 en contexto.

• Tipo de salida: Proporcione perspectivas generativas.

• Orientación de uso: de patrones 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: Utilice 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 Proceso 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 duración. 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 resultados (por ejemplo, casos, tareas, actualizaciones de estado y notificaciones).

• Orientación de uso: de patrones 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: Utilizar para la gestión de la instalación de cuentas y la implicación de ventas de negocio.

• 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 Agentforce 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 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, la identidad, los permisos y la 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 datos y 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 plática compartido.
• Consideraciones clave: Este patrón mantiene la autonomía de la organización mientras activa flujos de trabajo de toda la compañía, 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 encierra la herramienta existente y se comunica con A2A.
• Consideraciones clave: Este arquetipo mantiene el cerebro de la orquestación cerca de CRM y Data 360 utilizando A2A para producir una composición limpia y gobernable sin un nivel de orquestación separado.

Arquetipo 4: Proveedores múltiples A2A (Orquestación dirigida por MuleSoft)

• Definición: La orquestación se inicia desde un punto de entrada que no sea 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. El conductor utiliza a continuación el A2A para enrutar llamadas a agentes de 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 la 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 miembros 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 Pymes de dominio (por ejemplo, Caso, Reclamaciones y Beneficios) para gestionar solicitudes específicas.
• Un portal de corredor 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 Desatendida, Administradora de datos e Interrogadora para operaciones de datos de back-office.

Una metodología de patrón de diseño agente proporciona la disciplina arquitectónica requerida para crear sistemas de IA de negocio 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 compañía la interacción entre humanos, agentes y sistemas. Comprendiendo la distinción entre agentes de creación y orquestándolos, y aprovechando protocolos abiertos como MCP y A2A, los arquitectos pueden ir más allá de la creación de bots aislados para diseñar un sistema de razonamiento de negocio cohesionado, 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 entre sí 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 clasificada por un Operador, que asigna un campo a la plática y la pasa a un agente más especializado.
3. Orquestador: Un usuario autenticado (SF User) se implica con un Orchestrator que coordina múltiples agentes para gestionar una consulta potencialmente multifacética.
4. PYME de dominio: Los agentes especializados (por ejemplo, Agentes de RRHH 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 para tres tipos de usuario distintos: 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 asiste 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 de compañía, 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 Pymes se centran en dominios de negocio 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 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 de negocio 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

Este mapa de soluciones detalla una interacción compleja y de larga duración para un portal de corredores de seguros médicos B2B. El modelo incluye un agente de portal (Orquestador) que facilita la trayectoria del corredor por múltiples pasos (por ejemplo, enviar una RFP y recibir una propuesta). Este orquestador invoca a un agente Gestor de proyectos, que a su vez coordina varios agentes desatendidos para transformaciones y calidad de 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 de orquestador para diferentes personas de usuario, agentes de trabajador 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 Contratación de proveedores. Los agentes de orquestadores gestionan interacciones completas, los agentes de trabajadores 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 habituales y fines arquitectónicos principales.

David Harshbarger es un exitoso empresario y líder tecnológico que ha trabajado para muchas compañías 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 compañía 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 de compañía principal liderando el Programa de Arquitectura de Salesforce y la Comunidad Global de Arquitectos. Es reconocido por su experiencia en el establecimiento de estrategias de tecnología para toda la compañía, impulsando la modernización de la arquitectura y siendo pionero en soluciones innovadoras, incluyendo aplicaciones de IA generativa e IA agente.