Caso de estudio
AI Agent Orchestrator
Ejecuciones multiagente con trazas en vivo y coste por tokens
0,0208 USDejecución real de ejemplo: 9 pasos con Claude Haiku 4.5 (la demo web es simulada)
Demo en vivo
Qué es y qué resuelve
Los agentes Director, Researcher, Writer, Coder y Reviewer colaboran en una tarea mientras la interfaz muestra trazas en vivo, un grafo React Flow y el coste en tokens de cada paso. Convierte el trabajo multiagente en algo observable y con coste controlado, no en una caja negra.
Arquitectura
- Browser → NestJS API (WS)
- NestJS API → Redis / BullMQ (enqueue)
- Redis / BullMQ → Workers
- Workers → Agents
- Workers → Claude / OpenAI (streaming)
- Workers → PostgreSQL
- PostgreSQL → NestJS API (outbox)
Dibujado a partir del diagrama de arquitectura del README del repositorio.
Tres decisiones técnicas
Workers detrás de una cola
Las ejecuciones se encolan en BullMQ y las procesan workers, así las llamadas largas a los modelos no bloquean la API y la capacidad crece con los workers.
Un revisor con bucle acotado
El Reviewer puede devolver el trabajo al Director como mucho una vez, lo que mejora el resultado sin que el coste se dispare.
Una demo que corre entera en el navegador
La demo pública reproduce el flujo en modo simulado (0,17 MB gzip), así cualquiera puede explorarla sin claves de API ni coste de servidor. La cifra de cabecera es una ejecución real de ejemplo con Claude Haiku 4.5.
Pruebas, con cifras
- Ejecución real de ejemplo con Claude Haiku 4.5: 9 pasos por 0,0208 USD.
- CI: 17 tests unitarios, pruebas de extremo a extremo con Playwright y arranque completo con Docker Compose.
Verificado
- Repositorio público; la demo web es estática y simulada.
Lo que no se afirma
- La demo web no llama a modelos reales.