Handoffs entre agentes: qué pasa cuando una IA le pasa el trabajo a otra

Un handoff pasa el control de una tarea de un agente de IA a otro. Qué contexto llevar, cómo se pierde información en el traspaso y qué riesgos diseñar.

info Definición Rápida
Un handoff entre agentes es la transferencia del control de una tarea o una conversación de un agente de IA a otro, junto con el contexto que el segundo necesita para continuar. Es el punto del flujo donde más información se pierde si nadie lo diseña.

¿Qué es un handoff y en qué se diferencia de delegar?

Cuando un agente no debe resolver una parte del trabajo, se la pasa a otro más especializado. El primero deja de conducir; el segundo toma la tarea.

El SDK de agentes de OpenAI lo formaliza así. Un handoff se presenta al modelo como una herramienta: pasar al Refund Agent aparece como transfer_to_refund_agent. Cuando el modelo la elige, el especialista pasa a ser el agente activo durante el resto del turno. Por defecto, según su documentación, el nuevo agente toma la conversación y ve todo el historial previo. Un filtro de entrada (input_filter) permite cambiar qué ve.

La alternativa es no entregar el control. En el mismo SDK, un agente gerente conserva la conversación y llama a los especialistas como herramientas con Agent.as_tool(). Esa herramienta puede recibir parámetros estructurados, en vez de un historial. Es el camino del patrón orquestador-trabajador: quien coordina sigue al mando y junta los resultados. El handoff, en cambio, mueve al responsable.

Para ver dónde encaja cada uno entre los demás diseños, lee patrones multi-agente y orquestación de agentes. Este artículo se limita a lo que pasa en el traspaso.

¿Qué se le pasa al otro agente?

Lo que el receptor no ve, no existe para él. Claude Code lo deja claro con los subagentes: cada uno empieza con una ventana de contexto nueva y aislada, sin el historial de la conversación. Por eso su documentación recomienda repetir en el mensaje de delegación las reglas que importan, por ejemplo “ignora la carpeta vendor/”.

Un traspaso útil incluye:

  • Objetivo: qué se quiere lograr, en una frase.
  • Lo ya hecho: resultados concretos, no el proceso completo.
  • Pendientes: qué falta y de qué depende.
  • Restricciones: lo que no se puede tocar, fechas, límites de presupuesto, tono.
  • Formato de respuesta: cómo devolver el resultado para que el emisor pueda usarlo.

El SDK de OpenAI tiene un lugar para parte de esto: input_type define un esquema para los argumentos del handoff, pensado para metadatos que genera el modelo, como un motivo o una prioridad. La documentación aclara que no reemplaza la entrada principal del siguiente agente. Y para que el modelo entienda cuándo conviene pasar el control, ofrece un prefijo de prompt recomendado, RECOMMENDED_PROMPT_PREFIX.

¿Cómo se pierde contexto en el traspaso?

Hay tres vías comunes:

  1. Por omisión. El emisor no escribe lo que daba por obvio, como “ya descartamos la opción B porque incumple la norma X”.
  2. Por compactación. Al resumir una conversación larga, el resumen puede perder matices. Anthropic advierte que una compactación demasiado agresiva puede borrar contexto sutil pero crítico, cuya importancia solo se ve más tarde.
  3. Por desgaste. Cuanto más crece el contexto, peor recuerda el modelo lo que hay en él. Anthropic lo llama context rot y concluye que el contexto es un recurso finito con rendimientos decrecientes.

Anthropic propone dos remedios. El primero es que el subagente devuelva solo un resumen condensado, a menudo de 1.000 a 2.000 tokens, en lugar de todo lo que leyó. El segundo, descrito en su sistema de investigación multiagente, es que los agentes guarden su trabajo en un sistema externo (un archivo, por ejemplo) y devuelvan al coordinador una referencia ligera. Así evitan el “teléfono descompuesto” de resumir un resumen. También sirve llevar notas de estado fuera de la ventana de contexto, que se recuperan después.

¿Qué riesgos tiene y cómo se ven en el diseño?

El primero es de claridad. Para quien observa el sistema, el traspaso es un momento de riesgo. Conviene que se vea:

  • quién tiene la tarea ahora,
  • por qué cambió de manos,
  • qué se transfirió y qué quedó fuera,
  • y cómo volver atrás si el receptor se equivoca.

Si el cambio de responsable queda oculto, un error parece culpa del último agente cuando nació en el paso anterior.

El segundo es de privacidad. La documentación del SDK de OpenAI pide tratar al agente receptor y a su proveedor de modelo como destinatarios del historial reenviado, y avisa de que el historial anidado (una función opcional en beta) no elimina datos sensibles. Antes de pasar la conversación completa, decide qué debe llegar.

El tercero es el contexto equivocado: un receptor con demasiado ruido tarda más y cuesta más tokens. Cuando el receptor es una persona, el traspaso tiene reglas propias; míralas en handoff de IA a humano.

¿Cuándo NO conviene un handoff?

  • Cuando el trabajo es continuo y cercano. Si dos agentes se pasan la tarea veinte veces, una sola conversación con buen contexto suele ser más simple y barata.
  • Cuando el receptor necesita ver el proceso completo para decidir. Un resumen no reemplaza una decisión que depende del detalle.
  • Cuando nadie puede validar el resultado del receptor antes de que llegue a la persona usuaria.

Ejemplo

Ejemplo ilustrativo: un agente de soporte atiende a una clienta que pide un reembolso. Verifica la compra y el plazo, y ve que la política exige aprobación humana por encima de cierto monto. Hace el traspaso a una cola de revisión con este paquete: pedido, fecha, monto, motivo declarado, las dos políticas aplicables con su enlace y la pregunta concreta que debe resolver la persona. La revisora no vuelve a preguntarle nada a la clienta. Si el paquete hubiera sido solo “la clienta quiere un reembolso”, habría empezado de cero.

Errores comunes

  • Pasar la conversación completa sin filtrar. El receptor se pierde en el ruido y se envían datos que no necesita.
  • Pasar solo el último mensaje. Se pierden las restricciones ya acordadas.
  • No decir qué se hizo. El receptor repite pasos que costaban tiempo o dinero.
  • Suponer que el receptor “sabrá” lo que quiere la persona usuaria. Lo que no se escribe, no se transfiere.
  • No registrar el traspaso. Sin registro, nadie puede reconstruir después quién decidió qué.

Fuentes

Preguntas frecuentes

¿Qué es un handoff entre agentes?
Es el momento en que un agente de IA transfiere el control de una tarea o una conversación a otro agente. En el SDK de agentes de OpenAI, el agente elegido pasa a ser el activo durante el resto del turno y, por defecto, ve todo el historial previo.
¿Qué diferencia hay entre un handoff y usar un agente como herramienta?
En un handoff, el control pasa al especialista. Cuando un agente gerente llama a otro como herramienta, el gerente conserva la conversación y recibe el resultado. El SDK de OpenAI documenta ambos caminos.
¿Qué información debe incluir un handoff?
El objetivo, lo que ya se hizo, lo que queda pendiente, las restricciones y el formato en que se espera la respuesta. Si el receptor no comparte el historial, lo que no esté escrito en el mensaje no le llega.
¿Se pierde contexto en un handoff?
Puede perderse si no se diseña. Anthropic advierte que una compactación demasiado agresiva puede borrar contexto sutil pero crítico, y propone guardar resultados fuera de la conversación y pasar solo referencias.
¿Qué riesgo de privacidad tiene un handoff?
El historial reenviado llega al agente receptor y a su proveedor de modelo. La documentación del SDK de OpenAI pide tratarlos como destinatarios de esa información y avisa de que anidar el historial no oculta datos sensibles.