La ingeniería de prompts no es suficiente: ingeniería de contexto para sistemas multiagente.
Los sistemas multiagente rara vez fallan dentro de un mismo paso. Fallan entre pasos, cuando llega el contexto incorrecto. Cómo diseñar el estado y las transferencias en LangGraph.
Fuentes: Prompt Engineering Is Dead for AI Agents — Here Is What Actually Works — Context Engineering
La expresión “ingeniería de contexto” se ha definido como el arte de llenar la ventana de contexto con exactamente la información adecuada para el siguiente paso. Para quienes han visto cómo los sistemas multiagente fallan en entornos de producción, este término denomina algo que anteriormente no tenía nombre.
El perfil típico de fallo es el mismo en todas partes: los prompts son adecuados, los modelos son capaces y la lógica parece correcta en los cuadernos de notas. Luego el sistema entra en producción y falla, no dentro de los pasos individuales sino entre ellos. Imagine un agente de resumen en el sector sanitario que obtiene exactamente los documentos correctos, seguido en el grafo por un agente que recibe un objeto de estado simplificado e inventa un historial del paciente que se encontraba tres nodos más arriba. El modelo no falló; falló la transferencia de contexto. Semanas de ajuste entre el sistema y los prompts no solucionarán algo que nunca fue un problema de prompts.
En términos sencillos, la ingeniería de prompts ajusta la pregunta, mientras que la ingeniería de contexto modifica las condiciones bajo las cuales se responde dicha pregunta. Los agentes por lo general no fallan en sus pasos individuales; fallan entre ellos, porque cada nodo contiene la información incorrecta.
Un problema que no tiene nombre hasta que causa problemas
La mayoría de los equipos construyen su primer sistema multiagente de la misma manera. Invierten esfuerzos en el prompt del sistema, con descripciones claras de las tareas, reglas de formato para los resultados y algunos ejemplos, y el agente individual funciona bien. Luego se conectan tres agentes y la calidad disminuye. El agente dos no tiene idea de lo que decidió el agente uno, el agente tres añade contexto que el agente dos nunca generó, y para el paso cuatro la respuesta se entrega con total confianza pero total error, ya que no recibió información alguna sobre lo que realmente ocurrió anteriormente.
Es como pasar un testigo sin indicarle al siguiente corredor dónde se ha llevado a cabo la carrera ni en qué carril debe correr. El corredor es capaz, pero el problema está en la transmisión del testigo.
Tampoco se trata simplemente de un problema de capacidad del modelo. Un estudio de Chroma publicado en julio de 2025 probó 18 LLM, entre ellos Claude 4, GPT-4.1 y Gemini 2.5, y descubrió que el rendimiento disminuye de manera desigual a medida que aumenta el contexto, incluso en tareas de recuperación extremadamente simples. La atención tiene un costo: lo que entra en el marco de atención y lo que se excluye determina casi todo lo que se obtiene como resultado. La ingeniería de prompts nunca abordó este aspecto, ni fue diseñada para hacerlo. Un prompt de sistema bien elaborado indica qué hacer, mientras que la ingeniería de contexto proporciona lo que el modelo necesita saber en ese momento para hacerlo bien.
Qué es realmente esta disciplina
Definición clara: diseñar sistemas dinámicos que proporcionen al modelo la información adecuada, en el formato correcto y en el momento oportuno, para que cuente con todo lo necesario para el siguiente paso. Se trata de trabajo de infraestructura y no de trabajo lingüístico. El objetivo no es obtener oraciones más bonitas, sino un control deliberado sobre lo que fluye a través del grafo de agentes en cada transición.
En un proyecto LangGraph, la mayor mejora suele provenir del AgentState TypedDict, y no de ningún prompt. Dejen de tratar el estado como una pizarra de bocetos y considérenlo como un contrato en el que cada nodo declara qué lee y de qué es responsable al escribir. Los agentes posteriores dejan de generar alucinaciones porque ya no adivinan qué sucedió anteriormente. Todo está en el estado, estructurado y accesible.
Tres capas son importantes en la producción.
El contexto persistente es aquello que el agente debe conocer siempre: el objetivo del usuario, sus restricciones, las decisiones tomadas anteriormente en la sesión y las reglas del dominio. En un proceso de atención médica, esto sería el contexto del paciente, los límites regulatorios y los umbrales de riesgo, que se introducen una sola vez al inicio del proceso y nunca se descartan.
El contexto sensible al tiempo es aquello que es cierto en este momento pero que cambiará: los documentos recuperados, los resultados actuales de las herramientas, las respuestas de la API y el resultado del paso de razonamiento más reciente. RAG pertenece a esta categoría, como una capa de una arquitectura más amplia y no como la respuesta completa. La recuperación de información es la parte sencilla; lo difícil es decidir qué contenido recuperado se utilizará, cómo comprimirlo y en qué formato.
El contexto transitorio es lo que necesita el paso actual y no el siguiente: cargas brutas de la API, razonamientos intermedios detallados y registros de llamadas a herramientas. Hay que descartarlo activamente en lugar de acumularlo, ya que cada token innecesario compite por la atención con los tokens que son importantes.
Los errores en producción suelen clasificarse en una de tres categorías: nunca se proporcionó la capa persistente, la capa sensible al tiempo caducó entre pasos, o la capa transitoria no se eliminó y contaminó los razonamientos posteriores.
Contexto en un pipeline de LangGraph
Aquí se muestra una forma simplificada de estructurar el estado para un pipeline de investigación multiagente. El código importa menos que la disciplina que lo sustenta.
from typing import TypedDict, Optional, List
from langgraph.graph import StateGraph
class ResearchAgentState(TypedDict):
# Persistent context — set once, never overwritten
user_goal: str
domain_constraints: List[str]
session_id: str
# Time-sensitive context — updated by retrieval/tool nodes
retrieved_docs: List[str]
current_findings: str
last_tool_result: Optional[str]
# Transient context — cleared after use
raw_api_payload: Optional[str] # cleared after parsing
intermediate_reasoning: Optional[str] # cleared after synthesis
Cada nodo recibe este estado y actualiza únicamente su propia porción declarada, mientras que un orquestador en la cima decide qué subagentes se activan y qué subconjunto de estado recibirán. Eso es enrutamiento por contexto. Un subagente de codificación no necesita la literatura médica obtenida por un especialista en el área, y un resumidor no necesita la carga bruta obtenida por un extractor de datos. Darle a cada agente todo es como informar a toda la empresa antes de cada reunión: técnicamente completo, pero operativamente desastroso. Enrutar el contexto según el rol reduce el uso de tokens y, lo que es más importante, disminuye las alucinaciones en los agentes especializados, ya que estos ya no se ven distraídos por material irrelevante que compite por un tiempo limitado.
El Protocolo de Contexto de Modelo está acelerando este patrón. A finales de 2025 se informó que había más de 10,000 servidores MCP públicos, una interfaz estándar a través de la cual los agentes consultan herramientas, bases de datos y sistemas externos de forma estructurada. Arquitectónicamente, este enfoque traslada las fuentes de contexto fuera del agente para que pueda obtener lo que necesita en lugar de recibir todo ya cargado. Piense en una biblioteca frente a un documento informativo: el agente va al estante en busca de un libro específico y no lleva consigo toda la biblioteca.
La calidad es más importante que el volumen
Una encuesta de 2026 indicó que el 82% de los líderes en TI y datos está de acuerdo en que la ingeniería de prompts por sí sola ya no es suficiente para la IA en producción, y que el 95% de los equipos de datos planea invertir en capacidades de ingeniería de contexto ese mismo año. Sin embargo, la mayoría de las discusiones se centran en el volumen: ventanas más grandes, más fragmentos recuperados, más herramientas. El verdadero cuello de botella es la calidad.
Un contexto obsoleto es peor que no tener contexto alguno. Un agente que actúa con confianza basándose en un documento recuperado ayer, sin darse cuenta de que ya ha sido reemplazado, genera errores que parecen ser razonamientos válidos. En los pipelines de lenguaje natural a SQL, la deriva del esquema es una causa frecuente: el SQL generado es correcto para un esquema que ya no existe. La instrucción era adecuada, pero el contexto era incorrecto.
Un contexto sin control también representa un problema de seguridad. Si los agentes pueden acceder a todo en el estado, incluyendo datos de otros usuarios, sesiones anteriores y resultados sensibles de herramientas, una fuga de contexto está a solo un paso de una inyección de instrucciones. Un diseño de contexto con privilegios mínimos es necesario, y dado que se informa que el 86% de los CISO carece de una política de cumplimiento para el acceso de los agentes, la gobernanza del contexto es donde probablemente comenzará la próxima ola de incidentes relacionados con la IA empresarial.
Límites
La ingeniería de contexto no elimina el límite de atención subyacente. Los resultados de Chroma mostraron que la fiabilidad disminuye a medida que aumenta la longitud de la entrada, incluso cuando el contexto está bien estructurado; por lo tanto, un contexto mejor permite un comportamiento más fiable, pero no un contexto fiable ilimitado. Cuando el contexto es realmente masivo, como en el caso de agentes autónomos que operan durante horas o en la síntesis a partir de cientos de documentos, es necesario combinarlo con una resumen agresivo, una recuperación jerárquica y una gestión explícita de la memoria. La ingeniería de contexto decide qué se incluye en el marco de referencia, mientras que la arquitectura de memoria se encarga de lo que ocurre cuando ese marco no es suficiente.
Tampoco puede reemplazar la evaluación. Un pipeline bien estructurado que siga recuperando documentos incorrectos fracasará sin duda, por lo que la capa de recuperación, la capa de memoria y la lógica de enrutamiento necesitan cada una su propia evaluación, independiente de la calidad de la salida. Además, es adecuado para tareas de alcance definido con necesidades de contexto estables. En el caso de agentes exploratorios abiertos, donde el contexto relevante no se puede conocer de antemano, una recuperación dinámica que indique incertidumbre al modelo es más adecuada.
Por dónde empezar
Abra la definición de AgentState y haga tres preguntas: ¿Qué asume cada nodo que ya está en el estado? ¿Qué recibe realmente? ¿Qué se descarta antes de que sea necesario? La distancia entre la suposición y la realidad es donde el agente está fallando en este momento, y no se debe al prompt del sistema.
La mejor mejora para un sistema multiagente ya en funcionamiento rara vez consiste en un modelo más reciente. Se trata de auditar qué contiene la ventana en cada paso: eliminar los elementos fuera de lugar y asegurarse de que lo que queda esté actualizado, bien estructurado y limitado a lo que necesita el agente receptor. Comience con un nodo, audite sus entradas, y las ganancias en fiabilidad comenzarán a aparecer y a acumularse rápidamente.
Leer más
- Comparación de cuatro patrones multiagente: subagentes, habilidades, transferencias y enrutadores: Una comparación práctica de las cuatro arquitecturas multiagente fundamentales, indicando cuál es el costo de cada una, dónde encaja y cómo elegir una sin sobreconstruir.
- Principios de diseño de flujos de trabajo para equipos de ingeniería de producción: Principios de diseño para los flujos de trabajo de agentes de producción: contratos de finalización, estado honesto, resúmenes de aprobaciones, acciones externas idempotentes, rastreo, evaluaciones y manifiestos de liberación.
- Ingeniería de promptes para DevOps: La lista de verificación C.L.E.A.R. y una biblioteca de promptes: Ingeniería práctica de promptes para DevOps: una lista de verificación de cinco partes, ejemplos antes y después para Terraform, Kubernetes y CI, además de consejos para crear una biblioteca de promptes reutilizable.
- Diez errores en el engineering de promptes que cometen los desarrolladores, con soluciones: Diez errores comunes al formular prompts, desde solicitudes vagas y falta de contexto hasta una confianza ciega en los resultados, cada uno acompañado de un ejemplo concreto de prompt antes y después que puedes reutilizar.