Pipeline multiagente: planner, executor, reviewer

Un prompt gigante que hace todo es frágil. Tres agentes acotados en fila son depurables, más baratos de iterar, y cada uno puede usar un modelo distinto.

El patrón

Entrada → Planner (LLM) → Executor (LLM ⇄ herramientas) → Reviewer (LLM) → Salida
                                                              └─ rechazado → de vuelta al Executor / Human in the Loop

Paso a paso

1. Planner — LLM Agent (IA) — objetivo: "Descompón la petición en una lista ordenada de pasos concretos con los datos que cada uno necesita. Devuelve solo JSON." Usa aquí un modelo fuerte en razonamiento.
2. Executor — LLM Agent — recibe {{planner.steps}}; objetivo: "Ejecuta cada paso usando tus herramientas. Reporta qué hiciste y los resultados por paso." Cablea sus herramientas hacia este nodo: integraciones MCP, herramientas Hive App.
3. Reviewer — LLM Agent — objetivo: "Revisa la ejecución contra el plan: completitud, corrección, tono. APRUEBA o RECHAZA con razones." Un modelo más barato suele bastar.
4. Conditional Flow (Base) — APRUEBA → salida; RECHAZA → regresa al Executor con las notas del reviewer, o escala a Human in the Loop.

La Console de cada agente muestra su razonamiento — tres consolas chicas ganan a un prompt gigante opaco.

Variaciones

• Aísla cada rol en su propio flow y compónlos con nodos Sub-flow para reutilizar.
• Agrega un nodo Memory (Datos) para que el Executor acumule resultados entre iteraciones del loop.
• La teoría detrás de los roles: ¿Qué es un agente de IA?

Prompt de Genius: "Crea un pipeline multiagente: un agente planner, un agente executor con mi CRM como herramienta, y un agente reviewer que aprueba o regresa con notas."