Enrutamiento en sistemas agénticos

Cuando un sistema basado en IA recibe una petición, ¿cómo decide qué hacer con ella? ¿Cómo sabe si debe buscar información, hacer una reserva o pedir aclaraciones?

Esa capacidad de decisión es precisamente lo que resuelve el patrón de enrutamiento (routing pattern), uno de los patrones fundamentales en el diseño de sistemas agénticos.

En este capítulo del libro Agent Design Patterns exploramos cómo funcionan los mecanismos de enrutamiento y las distintas formas de implementarlos:

  • Basado en el modelo de lenguaje, donde el LLM clasifica la entrada y decide el siguiente paso
  • Basado en embeddings, comparando la similitud semántica entre la consulta y las rutas posibles
  • Basado en reglas predefinidas
  • Basado en un modelo de ML entrenado específicamente para clasificar

Además, repasamos los casos de uso más habituales del patrón de enrutamiento.

Y pasamos de la teoría a la práctica con dos implementaciones completas y comentadas línea a línea:

  • Con LangChain, usando LCEL y RunnableBranch para construir un coordinador que enruta peticiones a subagentes de reservas o información
  • Con Google ADK, definiendo agentes especializados con herramientas propias y delegación automática mediante el agente coordinador

Cada ejemplo incluye una explicación detallada de los componentes clave del framework utilizado, para que no te quedes con dudas sobre cómo encajan las piezas.

¡Vamos a enrutar! 🚦

Patrón de enrutamiento en agentes de IA: qué es, cuándo usarlo y cómo implementarlo con LangChain y Google ADK

Membresía requerida

Este contenido está disponible únicamente para suscriptores.

Puedes apuntarte a la plataforma en este enlace

¿Ya eres un ninja? Accede aquí

Accede a todo el contenido premium

Ya no necesitas pagar cientos de euros por un Bootcamp para convertirte en ninja de los datos. Por solo 17€/mes (o menos 🤯), obtén acceso al podcast premium, a todos los tutoriales y a los resúmenes de los libros más top sobre Machine Learning y Ciencia de datos y aprende a tu ritmo.
¡Empieza ahora!
Copyright © 2026  · Datos 🥷 · Todos los derechos reservados