Arquitectura MULTI-AGENTE en Producción: Router y Ejecución en Paralelo con Google ADK

from google.adk.agents import (
    LlmAgent,
    ParallelAgent,
    SequentialAgent,
)

MODEL = "gemini-3.7-flash"


# -------------------------------------------------------------------
# 1. Especialistas
# -------------------------------------------------------------------

support_agent = LlmAgent(
    name="support_specialist",
    model=MODEL,
    instruction="""
    Eres el especialista de soporte.
    Analiza incidencias, problemas de producto y solicitudes operativas.
    Devuelve únicamente hechos, diagnóstico y acciones recomendadas.
    """,
    output_key="support_result",
)


sales_agent = LlmAgent(
    name="sales_specialist",
    model=MODEL,
    instruction="""
    Eres el especialista comercial.
    Analiza oportunidades, pricing, alternativas comerciales y próximos pasos.
    No inventes descuentos ni condiciones contractuales.
    """,
    output_key="sales_result",
)


legal_agent = LlmAgent(
    name="legal_specialist",
    model=MODEL,
    instruction="""
    Eres el especialista legal.
    Identifica riesgos contractuales y cláusulas relevantes.
    No presentes tu análisis como asesoramiento jurídico definitivo.
    """,
    output_key="legal_result",
)


# -------------------------------------------------------------------
# 2. Fan-out determinista
# -------------------------------------------------------------------
#
# Los especialistas son independientes entre sí.
# Cada uno escribe en una clave de estado diferente.
#

parallel_specialists = ParallelAgent(
    name="parallel_specialists",
    sub_agents=[
        support_agent,
        sales_agent,
        legal_agent,
    ],
)


# -------------------------------------------------------------------
# 3. Gather / síntesis
# -------------------------------------------------------------------

aggregator = LlmAgent(
    name="response_aggregator",
    model=MODEL,
    instruction="""
    Eres el agente de síntesis.

    Combina los resultados disponibles:

    SOPORTE:
    {support_result}

    VENTAS:
    {sales_result}

    LEGAL:
    {legal_result}

    Produce una respuesta única, estructurada y accionable.

    Reglas:
    - No inventes información.
    - Diferencia hechos de recomendaciones.
    - Si una rama no aporta información relevante, ignórala.
    - Si existen contradicciones, señálalas explícitamente.
    """,
)


# -------------------------------------------------------------------
# 4. Workflow completo
# -------------------------------------------------------------------

multi_agent_workflow = SequentialAgent(
    name="multi_agent_workflow",
    sub_agents=[
        parallel_specialists,
        aggregator,
    ],
)


# -------------------------------------------------------------------
# 5. Router conceptual
# -------------------------------------------------------------------
#
# Para routing semántico, puede utilizarse un LlmAgent superior
# que delegue hacia especialistas mediante sub_agents.
#
# En producción, conviene definir explícitamente:
#   - qué intención activa cada especialista
#   - qué herramientas puede utilizar
#   - qué información puede modificar
#   - qué acciones requieren aprobación
#
# No conviertas el router en un "mega-agente" que haga también
# toda la ejecución de negocio.
#

router_agent = LlmAgent(
    name="router_agent",
    model=MODEL,
    instruction="""
    Eres el router principal.

    Clasifica la petición del usuario antes de delegar.

    Puedes delegar a:
    - support_specialist: incidencias y soporte.
    - sales_specialist: oportunidades comerciales.
    - legal_specialist: contratos y riesgos.

    Si la petición requiere varias áreas independientes,
    utiliza el workflow multi_agent_workflow.

    Nunca inventes una categoría.
    Si la intención es ambigua, solicita la información mínima
    necesaria para enrutar correctamente.
    """,
    sub_agents=[
        multi_agent_workflow,
    ],
)


root_agent = router_agent