Por qué todo agente de IA necesita una pila, una arquitectura formal para domar la explosión de herramientas

Cada agente de IA se enfrenta al mismo problema de diseño. Dale demasiadas herramientas y el modelo no puede decidir cuál usar. Dale muy pocas y las tareas complejas siguen fuera de alcance. Un artículo de investigación del equipo detrás de UPI Help, un producto de soporte de pagos digitales impulsado por IA, propone una solución basada en una vieja idea: el autómata de pila.

El artículo, A Formal Hierarchical Architecture for Agentic Orchestration with Stack-Based Execution and Lazy Discovery, organiza las capacidades del agente como un árbol enraizado. Los nodos internos toman decisiones de enrutamiento. Los nodos hoja ejecutan tareas deterministas. Una pila LIFO (Último en Entrar, Primero en Salir) gobierna el bucle de ejecución de un solo paso, dándole al agente memoria como un autómata de pila. Esto le permite manejar la ejecución anidada y volver limpiamente desde cualquier profundidad.

El cuello de botella que la jerarquía resuelve

Los marcos actuales de agentes LLM normalmente cargan cada herramienta disponible en un registro plano. Cuando el registro crece a cientos o miles de API, el modelo debe evaluar todas ellas en cada paso de razonamiento. El artículo llama a esto 'explosión del espacio de decisión'. Las ventanas de contexto se saturan. La precisión del enrutamiento cae. La latencia aumenta. Con 256 herramientas y esquemas de 800 caracteres, el enrutamiento plano excede los límites de contexto y obtiene una tasa de éxito del 0% en los benchmarks del artículo.

La alternativa jerárquica organiza las capacidades en un árbol de habilidades. Cuando el agente entra en un nodo de toma de decisiones, carga solo los metadatos de los hijos inmediatos a través de manifiestos JSON localizados. Este protocolo de descubrimiento perezoso significa que los costos de memoria y de prompt escalan con la ruta explorada, no con el registro global. Con 512 herramientas, el sistema jerárquico usa 2,875 tokens de entrada por tarea y mantiene un 100% de éxito de enrutamiento. La línea base plana alcanza los límites de contexto con 256 herramientas y casi 50,000 tokens.

Control basado en pila para flujos de trabajo anidados

La principal contribución arquitectónica del artículo es reemplazar la orquestación basada en conversación no estructurada con una disciplina formal de pila. Cada vez que un nodo de toma de decisiones llama a una habilidad hija, el runtime empuja un marco de contexto sobre la pila. Cuando el hijo completa, su salida se agrega solo al acumulador localizado del padre. Luego, el marco se extrae y el control vuelve al padre.

Esta estructura evita que la salida de una rama de ejecución se derrame en otra. Eso es importante para entornos empresariales regulados como el soporte de pagos. 'Los marcos de memoria localizados proporcionan garantías de aislamiento que estructuralmente no están disponibles en sistemas de registro plano o multiagente conversacionales', escriben los autores. 'Las salidas no confiables pueden restringirse al manejo a nivel de hoja'.

El invariante de la pila está formalizado matemáticamente: cuando una llamada de habilidad pendiente apunta a un nodo no raíz, la parte superior de la pila debe corresponder al padre de ese nodo. El runtime, no el LLM, gestiona el flujo de ejecución, lo que reduce la posibilidad de errores de navegación durante recorridos profundos.

Lo que revelan los benchmarks

La evaluación compara el enrutamiento plano y jerárquico en varios escenarios, manteniendo constante el LLM. Hallazgos clave:

• Escalabilidad del prompt: Con N=128 herramientas (esquemas de 800 caracteres), el enrutamiento jerárquico usa aproximadamente 1,733 tokens de entrada por tarea en comparación con aproximadamente 28,178 para el plano, una reducción de 16x. Los tokens de esquema por llamada caen de 17,791 a 277.
• Presión del flujo de trabajo: Con un historial de chat ruidoso y tareas de dos pasos, la jerarquía mantiene aproximadamente 0.73 de éxito de tarea con 5.3k caracteres de prompt en N=128, frente a 140k para el plano. Las tasas de acción incorrecta y elección incorrecta son casi cero para el sistema jerárquico.
• Enrutamiento de agente: Con N=128 (esquemas de 400 caracteres), la jerarquía logra 0.70 de éxito de tarea con 3.6k caracteres de prompt; el plano usa 87k. Las tasas de argumento incorrecto son 0.05 por decisión frente a 0.40 para el plano.

La compensación: el enrutamiento jerárquico usa más llamadas secuenciales LLM, aproximadamente 10 por tarea frente a 2 para el plano en N=128, pero mantiene los tokens de entrada totales más bajos. El artículo señala que 'los prompts jerárquicos siguen siendo un orden de magnitud más pequeños' incluso cuando ambas arquitecturas convergen en tasas de éxito de tarea similares.

De la teoría a los pagos

La arquitectura fue construida para UPI Help, un producto de soporte de IA que maneja consultas de transacciones, resolución de quejas y gestión de mandatos para la Interfaz de Pagos Unificada de la India. La orquestación jerárquica permite al orquestador raíz seleccionar primero un dominio (como 'operaciones de mandato'), luego exponer solo las sub-habilidades de ese dominio para el enrutamiento posterior.

El artículo reporta un 100% de éxito a nivel de ruta en familias de consultas de mandato y pago donde el árbol de habilidades está completamente poblado, con menor latencia por consulta que una línea base plana de terminal. Los controles de seguridad, incluyendo el cercado de capacidades, los marcos de ejecución localizados y los metadatos de gobernanza a nivel de manifiesto, mantienen el sistema alineado con los requisitos de los entornos de soporte de pagos de alta confianza.

El panorama general

El artículo se sitúa dentro de una línea que incluye Toolformer, Voyager, AutoGen y MemGPT. Lo que distingue a este enfoque es su deuda formal con la teoría de autómatas. El bucle de control basado en pila mueve al agente de una máquina de estados finitos a un autómata de pila, dándole memoria libre de contexto para flujos de trabajo anidados.

Para los equipos que construyen sistemas de agentes de producción, la arquitectura ofrece una ruta de escalado declarativa. Se pueden agregar nuevas capacidades como habilidades hermanas (escalado horizontal) o sub-orquestadores más profundos (escalado vertical) agregando entradas JSON al manifiesto de un padre, sin necesidad de cambios en el bucle de enrutamiento central. El contexto de producción del artículo en pagos digitales también muestra que estos patrones funcionan bajo restricciones del mundo real: auditabilidad, límites de capacidad y ejecución controlada de flujos sensibles.

El artículo completo está disponible en arXiv. A medida que los sistemas de agentes pasan de demostraciones a implementaciones de producción, los enfoques formales de orquestación pueden volverse tan esenciales como los propios modelos.