{\n "state": "READY",\n "max_subagents": 8,\n "consensus_threshold": 0.94\n}
Un agente director descompone tareas complejas en árboles de ejecución asíncronos y asigna micro-agentes especializados en paralelo.
Tres modelos de familias distintas (OpenAI, Anthropic y Llama) resuelven la misma hipótesis. Si hay discrepancia, se activa mediación formal.
El agente ejecutor escribe la solución, el crítico intenta romperla en un entorno cerrado con pruebas fuzzing y corrige en bucle cerrado.
Ajusta la cantidad de agentes concurrentes para previsualizar latencia P99 y tokens/segundo generados.