Orquestración de Crew: Procesos Secuenciales y Jerárquicos

Aprende los procesos SequentialProcess y HierarchicalProcess de CrewAI, incluyendo dependencias de tareas, paso de contexto, agente gerente y diferencias entre procesos.

CrewAI soporta dos procesos de orquestración nativos: secuencial (tubería lineal) y jerárquico (liderado por gerente). Elegir el proceso correcto determina cómo fluyen las tareas y cómo colaboran los agentes. Esta decisión impacta directamente la escalabilidad, robustez y costo de tu sistema multi-agente.

Visión General de los Procesos

💡 Tip: Use Ctrl + Mouse Wheel to zoom, or click the fullscreen icon

Proceso Secuencial (`SequentialProcess`)

Las tareas se ejecutan una tras otra en el orden en que se definen. Cada tarea recibe automáticamente la salida de la tarea anterior mediante contexto. Este es el modo de ejecución más simple y predecible.

python

from crewai import Agent, Task, Crew, Process

# Agentes
investigador = Agent(
    role="Investigador",
    goal="Encontrar información relevante",
    backstory="Eres un investigador minucioso.",
)

redactor = Agent(
    role="Redactor",
    goal="Escribir un artículo claro basado en la investigación",
    backstory="Eres un redactor técnico hábil.",
)

revisor = Agent(
    role="Revisor",
    goal="Revisar y mejorar la calidad del artículo",
    backstory="Eres un editor meticuloso.",
)

# Tareas (ejecutadas en orden)
tarea_investigacion = Task(
    description="Investiga la historia de los agentes de IA.",
    expected_output="Una línea de tiempo de hitos clave.",
    agent=investigador,
)

tarea_redaccion = Task(
    description="Escribe un artículo de 300 palabras a partir de la investigación.",
    expected_output="Un artículo pulido.",
    agent=redactor,
)

tarea_revision = Task(
    description="Revisa y mejora el artículo.",
    expected_output="Versión final con cambios rastreados.",
    agent=revisor,
)

# Crew secuencial
crew = Crew(
    agents=[investigador, redactor, revisor],
    tasks=[tarea_investigacion, tarea_redaccion, tarea_revision],
    process=Process.sequential,  # por defecto si no se especifica
    verbose=True,
)

resultado = crew.kickoff()

ℹ️Nota

Process.sequential es el valor por defecto. Si no especificas un parámetro process, CrewAI ejecuta las tareas secuencialmente. Esto es ideal para tuberías bien definidas donde cada paso depende del anterior, como investigación → borrador → revisión → publicación.

Proceso Jerárquico (`HierarchicalProcess`)

Un agente gerente coordina el trabajo. Asigna tareas a los agentes trabajadores, revisa salidas y gestiona la delegación automáticamente. El gerente decide qué agente debe manejar cada tarea y puede reasignar trabajo si los resultados son insatisfactorios.

python

from crewai import Agent, Task, Crew, Process

# Agente gerente — coordina el crew
gerente = Agent(
    role="Gerente de Proyecto",
    goal="Entregar un informe final de alta calidad",
    backstory="Gestionas proyectos técnicos y delegas tareas.",
    allow_delegation=True,  # obligatorio para proceso jerárquico
)

# Agentes trabajadores
ingeniero = Agent(
    role="Ingeniero de Datos",
    goal="Construir tuberías de datos",
    backstory="Diseñas tuberías ETL.",
)

analista = Agent(
    role="Analista",
    goal="Extraer insights de los datos",
    backstory="Conviertes datos en valor de negocio.",
)

# Tareas — el gerente decide quién hace qué
tarea_tuberia = Task(
    description="Construye una tubería para recolectar datos de actividad del usuario.",
    expected_output="Descripción de la tubería funcional.",
    agent=ingeniero,
)

tarea_insight = Task(
    description="Analiza los datos recolectados en busca de patrones de comportamiento.",
    expected_output="Informe de 3 patrones clave.",
    agent=analista,
)

tarea_resumen = Task(
    description="Resume todos los hallazgos en un informe ejecutivo.",
    expected_output="Informe ejecutivo de una página.",
    agent=gerente,
)

# Crew jerárquico
crew = Crew(
    agents=[gerente, ingeniero, analista],
    tasks=[tarea_tuberia, tarea_insight, tarea_resumen],
    process=Process.hierarchical,
    verbose=True,
    manager_agent=gerente,  # gerente explícito
)

resultado = crew.kickoff()

⚠️Advertencia

En un proceso jerárquico, el agente gerente debe tener allow_delegation=True. Sin esto, el crew no puede asignar tareas dinámicamente y generará un error en tiempo de ejecución. Además, el gerente incurre en llamadas LLM extras para cada decisión de delegación, aumentando el uso de tokens y el costo.

Flujo de Decisión del Gerente Jerárquico

💡 Tip: Use Ctrl + Mouse Wheel to zoom, or click the fullscreen icon

Paso de Contexto Entre Tareas

Las tareas pueden pasar contexto explícitamente a tareas subsiguientes usando el parámetro context:

python

tarea_a = Task(
    description="Recopila datos de ventas del Q1.",
    expected_output="Datos brutos de ventas del Q1.",
    agent=recolector,
)

tarea_b = Task(
    description="""Analiza los datos de ventas del Q1 e identifica tendencias.
Los datos son: {context}""",
    expected_output="3 tendencias con evidencia de soporte.",
    agent=analista,
    context=[tarea_a],  # pasa la salida de tarea_a como contexto
)

En un proceso secuencial, el contexto se pasa automáticamente. En un proceso jerárquico, el gerente decide qué contexto recibe cada trabajador.

python

# Múltiples fuentes de contexto
tarea_c = Task(
    description=(
        "Escribe un informe completo usando los siguientes datos:\n\n"
        "Datos de Ventas:\n{contexto_ventas}\n\n"
        "Investigación de Usuarios:\n{contexto_investigacion}"
    ),
    expected_output="Un informe completo de 2 páginas.",
    agent=redactor,
    context=[tarea_ventas, tarea_investigacion],
)

💡Consejo

Usa el parámetro context incluso en procesos secuenciales cuando una tarea necesite entrada de una tarea anterior no adyacente. Por ejemplo, la tarea D necesita datos de la tarea A (saltándose B y C). El contexto explícito hace que estas relaciones sean claras y mantenibles.

Visualización de Ejecución Secuencial

💡 Tip: Use Ctrl + Mouse Wheel to zoom, or click the fullscreen icon

Comparación de Procesos

Aspecto	SequentialProcess	HierarchicalProcess
Orden de ejecución	Lineal fijo	El gerente decide dinámicamente
Autonomía del agente	Baja, tareas pre-asignadas	Alta, el gerente asigna y revisa
Gerente necesario	No	Sí (con `allow_delegation=True`)
Paso de contexto	Automático entre tareas adyacentes	Gestionado por el agente gerente
Mejor para	Tuberías simples, pasos bien definidos	Flujos complejos que requieren coordinación
Costo	Mínimo	Mayor (llamadas LLM del gerente)
Recuperación de errores	Manual	El gerente puede reasignar tareas fallidas
Costo de tokens	1 llamada LLM por tarea	1-2 llamadas LLM extra por tarea
Escalabilidad	Hasta ~10 tareas	Hasta ~50+ agentes
Depuración	Fácil (rastreo lineal)	Moderada (decisiones del gerente añaden complejidad)

Cuándo Usar Cada Proceso

Escenario	Proceso Recomendado	Motivo
Pipeline Investigación → Redactar → Publicar	Sequential	Pasos fijos, dependencias claras
Equipo de desarrollo de software multi-agente	Hierarchical	Necesita coordinación, revisión de código, reasignación
ETL de datos con validaciones	Sequential	Cada paso depende limpiamente del anterior
Soporte al cliente con escalamiento	Hierarchical	Enrutamiento dinámico según tipo de problema
Generación de contenido con ciclo de revisión	Sequential	Orden predecible, etapas bien definidas
Investigación automatizada con requisitos desconocidos	Hierarchical	El gerente se adapta dinámicamente a los hallazgos

Configuración Personalizada de Gerente

Cuando no especificas un manager_agent, CrewAI crea un LLM gerente por defecto. Puedes personalizarlo:

python

from langchain_openai import ChatOpenAI
from crewai import Agent, Task, Crew, Process

# LLM gerente personalizado — modelo más rápido y barato
llm_gerente = ChatOpenAI(
    model="gpt-4o-mini",
    temperature=0.0,  # decisiones de delegación deterministas
)

# Crew con gerente implícito (CrewAI crea uno)
crew = Crew(
    agents=[worker_a, worker_b, worker_c],
    tasks=[tarea1, tarea2, tarea3],
    process=Process.hierarchical,
    manager_llm=llm_gerente,  # LLM personalizado para el gerente por defecto
    verbose=True,
)

# O usa un agente gerente explícito
gerente_explicito = Agent(
    role="Gerente Técnico de Programa",
    goal="Entregar proyectos a tiempo con alta calidad",
    backstory="Gestionas equipos de ingeniería de IA.",
    allow_delegation=True,
    llm=llm_gerente,
)

crew_con_gerente = Crew(
    agents=[gerente_explicito, worker_a, worker_b],
    tasks=[tarea1, tarea2, tarea3],
    process=Process.hierarchical,
    manager_agent=gerente_explicito,
    verbose=True,
)

Diagrama: Secuencial vs Jerárquico

💡 Tip: Use Ctrl + Mouse Wheel to zoom, or click the fullscreen icon

En modo secuencial, los agentes ejecutan en orden fijo. En modo jerárquico, el gerente orquesta el flujo dinámicamente.