Un equipo de investigadores ha publicado en arXiv un documento que presenta GraphBit, un marco conceptual y práctico para el diseño de sistemas multiagente de inteligencia artificial. A diferencia de los sistemas de orquestación tradicionales, que ejecutan subtareas en una secuencia predeterminada, GraphBit modela las dependencias entre agentes como un grafo dirigido, lo que permite que múltiples agentes trabajen en paralelo y se comuniquen de forma asíncrona.

El problema que el documento aborda es la ineficiencia de los sistemas de agentes actuales cuando las tareas incluyen dependencias circular o condiciones que alteran el orden de ejecución. En un sistema lineal, si un agente necesita esperar el resultado de otro que a su vez depende del primero, se produce un bloqueo. GraphBit resuelve esto permitiendo que los agentes se comuniquen a través de nodos de estado compartido en el grafo.

Los experimentos presentados en el artículo muestran que GraphBit reduce el tiempo total de ejecución en tareas de programación autónoma hasta en un 40% comparado con el enfoque de cadena de pensamiento fijo. En tareas de investigación asistida, donde los agentes deben extraer información de múltiples fuentes y sintetizar hallazgos, el marco logra resultados un 25% superiores según las métricas de completitud evaluadas.

El código del marco y los experimentos están disponibles como proyecto de código abierto. Los autores planean integrar GraphBit con bibliotecas populares de agentes como LangChain y AutoGen para facilitar su adopción por parte de desarrolladores.