logo
AgentLed

Multi-Agent Orchestrator

Distribuya el trabajo en muchos elementos en paralelo, ejecute agentes en cada uno y combine los resultados en una única salida clasificada o agrupada. El orquestador coordina la ejecución, agrega puntuaciones y elimina los duplicados de los resultados entre lotes.

¿Qué es el orquestador?

Cuando tienes cientos de elementos que procesar (inversores que calificar, clientes potenciales para investigación, candidatos que evaluar), ejecutarlos one-by-one a través de un flujo de trabajo es demasiado lento. El orquestador divide una lista en lotes, ejecuta cada lote en paralelo (cada lote obtiene su propio agente o pasos AI) y luego combina todos los resultados.

El paso de combinación no es sólo concatenación. El orquestador puede clasificar por puntuación, deduplicar entre lotes, agrupar en niveles (superior/medio/bajo), calcular distribuciones e hidratar los resultados finales con datos del Knowledge Graph.

Cómo funciona

1. Distribución en abanicoEl orquestador divide la lista de entrada en lotes de tamaño configurable. Cada lote se ejecuta como una ejecución secundaria con su propia línea de tiempo y registros.

2. ProcesoCada lote ejecuta los mismos pasos (pasos AI, pasos del agente, acciones de la aplicación). Referencia de pasos {{batch.items}} para acceder a su porción de la entrada.

3. AgregadoUna vez que se completan todos los lotes, el paso de agregación fusiona los resultados: deduplica por campo de identidad, clasifica por puntuación, agrupa en niveles y calcula métricas resumidas.

4. SalidaEl resultado final del flujo de trabajo es el resultado agregado: una lista única clasificada, un desglose de niveles o un informe de distribución, listo para el siguiente paso o exportación.

Configuración de agregación

Colocar batching.aggregationConfig en el paso por lotes para controlar cómo se combinan los resultados:

aggregationConfig: {
  enabled: true,
  itemPath: "scoring.rankedInvestors",  // dot-path to per-item results array
  deduplicationField: "investorId",      // deduplicate across batches by this field
  scoreField: "matchScore",              // numeric field to rank by
  qualifiedCutoff: "{{inputs.minScore}}", // template for dynamic threshold

  groupTiers: [
    { label: "top",  minScore: 80 },
    { label: "mid",  minScore: 60 },
    { label: "low",  minScore: 0  }
  ],

  aggregateByFields: ["geography", "sector"],  // compute distributions
  scoreHistogramBands: [
    { label: "80–100", min: 80, max: 100 },
    { label: "60–79",  min: 60, max: 79  },
    { label: "0–59",   min: 0,  max: 59  }
  ]
}

ruta del elemento - Ruta dot-notation dentro de cada resultado de lote donde reside la matriz de elementos puntuados.

campo de deduplicación — si la misma entidad aparece en varios lotes (por ejemplo, una empresa en dos filas CSV), este campo selecciona la copia higher-scored.

niveles de grupo — en lugar de una lista clasificada, genera matrices separadas por nivel (útil para enrutar flujos de trabajo superiores, medios y diferentes).

agregadoPorCampos — calcula cómo se distribuyen los resultados entre campos categóricos (p. ej., 42 % US, 31 % EU).

Métricas comerciales

Después de la agregación, el orquestador calcula los KPI en todos los lotes. Estos aparecen en el resumen de ejecución y se almacenan en Knowledge Graph:

Tipo de métricaEjemplo
suma / cuentaTotal de inversores puntuados: 1.842
promedio/mín/máxPuntuación media del partido: 67,4 |  Más alto: 94
percent_above18,3% obtuvo una puntuación por encima del umbral
distribuciónDesglose del sector: 34% fintech, 22% SaaS, 19% clima

Observabilidad

Cada lote crea su propia línea de tiempo secundaria, por lo que puede profundizar en cualquier lote individual para ver exactamente qué hizo cada paso del agente. La línea de tiempo de ejecución principal muestra la vista agregada:

  • •Estado del lote (pendiente/en ejecución/hecho/fallido) por ejecución secundaria
  • •El tiempo por paso y el uso de tokens se acumularon en todos los lotes
  • •Los lotes fallidos se marcan y se pueden volver a intentar individualmente sin realizar el trabajo completo.
  • •Métricas agregadas y recuentos de niveles que se muestran en el panel de resumen de ejecución

Ejemplo: Emparejamiento de inversores a escala

Una empresa VC realiza comparaciones de inversores con más de 2000 inversores. Así participa el orquestador:

Aporte2.000 filas de inversores del investors Lista de conocimientos, filtrada a status: active.

LotesDividido en 20 lotes de 100. Cada lote ejecuta un agente de puntuación que lee el ICP de Business Memory y puntúa a cada inversor.

AgregarLa deduplicación elimina 47 entradas duplicadas. Resultados clasificados por puntuación, divididos en niveles superior (82 inversores), medio (310) y bajo (1561).

ProducciónLos inversores de primer nivel respondieron al shortlist Lista de conocimientos. Métricas agregadas almacenadas en KG como un nodo de información.

Próximos pasos