126 — Handoffs y transferencia de contexto

← Clase anterior · Índice de la parte · Clase siguiente →

Parte: 10 — Sistemas multiagente e interoperabilidad
Nivel: experto · Horas estimadas: 6
Laboratorio: multiagent · Estado: EXECUTABLE_CORE

🎯 Propósito

Comprender handoffs y transferencia de contexto dentro de la evolución de la inteligencia artificial, implementar un experimento mínimo verificable y distinguir qué parte constituye evidencia frente a una afirmación todavía no comprobada.

📚 Resultados de aprendizaje

Al finalizar podrás:

Explicar handoffs y transferencia de contexto usando los conceptos handoff, context, ownership, escalation.
Ejecutar el laboratorio con una semilla explícita y revisar su contrato JSON.
Identificar al menos un supuesto, una limitación y un riesgo de aplicación.
Comparar el enfoque con la etapa anterior de la ruta de aprendizaje.
Producir una evidencia reproducible y una conclusión que no exceda los datos.

🧩 Conceptos centrales

handoff, context, ownership, escalation

🗺️ Ubicación en el mapa de la IA

El handoff resuelve la limitación del router (125): allí la decisión de a quién va la tarea se toma antes de empezar; aquí un agente que ya está trabajando descubre que otro debe continuar, y transfiere la conversación con su contexto. Es el mecanismo central de frameworks como OpenAI Swarm/Agents SDK y de los traspasos humanos en soporte, y prepara los protocolos entre organizaciones (A2A, clase 134), donde el contexto viaja como artefactos explícitos entre sistemas que no comparten memoria.

📖 Fundamentos

🤝 Qué es un handoff

Handoff: transferencia de la propiedad (ownership) de una tarea en curso de un agente A a un agente B, junto con el contexto mínimo suficiente para que B continúe sin repetir trabajo ni re-preguntar al usuario. A diferencia del router, ocurre en medio de la ejecución y lo inicia el propio agente al reconocer un límite de su competencia.

Tres elementos definen un handoff correcto:

Ownership: en todo momento exactamente un agente es dueño de la tarea. El traspaso es atómico: A deja de actuar cuando B acepta. Dos dueños simultáneos producen respuestas duplicadas o contradictorias; cero dueños, tareas huérfanas.
Payload de contexto: lo que viaja. No es "todo el historial": es una destilación con contrato — objetivo, estado, hechos verificados, trabajo hecho, trabajo pendiente y restricciones.
Política de aceptación: B puede aceptar, rechazar (devuelve a A o a un coordinador) o escalar. Sin política de rechazo, un handoff mal dirigido se pierde.

📦 El payload: contexto explícito con esquema

En un proceso único el contexto se comparte gratis; entre agentes hay que serializarlo. Un esquema mínimo de payload JSON:

{
  "task_id": "TCK-4812",
  "from_agent": "triage",
  "to_agent": "security",
  "reason": "hallazgo fuera de mi ámbito: posible CVE en dependencia",
  "goal": "evaluar impacto del CVE-2024-3094 en el servicio de pagos",
  "state": {
    "verified_facts": ["xz 5.6.0 presente en la imagen base",
                        "servicio expuesto solo en red interna"],
    "work_done": ["inventario de dependencias", "ticket clasificado"],
    "work_remaining": ["confirmar explotabilidad", "proponer mitigación"],
    "constraints": ["no desplegar cambios hasta aprobación", "SLA: 4h"]
  },
  "artifacts": [{"kind": "sbom", "uri": "reports/sbom-pagos.json"}],
  "handoff_at": "2026-07-30T14:12:00Z"
}

Reglas de diseño: separar hechos verificados de hipótesis (B no debe re-verificar lo verificado ni fiarse de lo no verificado); referenciar artefactos grandes por URI en lugar de incrustarlos; incluir reason para auditar por qué se transfirió; y versionar el esquema, porque A y B pueden evolucionar por separado.

🪜 Escalada como caso especial

La escalada es un handoff hacia un nivel de mayor autoridad o capacidad (agente senior, humano). Añade dos campos al contrato: urgencia y qué decisión se pide. La escalada a humano (HITL) es la válvula de seguridad de todo sistema multiagente: si la cadena de handoffs supera un límite (p. ej. 3 saltos) o entra en ciclo (A→B→A→B…), un coordinador debe cortar y escalar.

🧮 Ejemplo trabajado

Ticket real de soporte con dos handoffs:

t0  usuario → triage: "el pago falla desde ayer con error 502"
t1  triage verifica: servicio pagos degradado, no es error de usuario.
t2  HANDOFF triage → infra
    payload: goal="restaurar pagos", verified_facts=["502 desde 09:31",
    "deploy v2.41 a las 09:28"], work_done=["descartado error de cliente"],
    work_remaining=["correlacionar con deploy"], constraints=["SLA 4h"]
t3  infra correlaciona y confirma regresión en v2.41; el rollback exige
    aprobación de negocio → fuera de su autoridad.
t4  ESCALADA infra → humano de guardia
    payload añade: urgency="alta", decision_requested="aprobar rollback a v2.40"
t5  humano aprueba; infra ejecuta; ownership vuelve a triage para cerrar.

Cuenta de contexto: el historial completo en t2 son ~3 000 tokens; el payload destilado, ~250. El handoff transfiere el 8 % del texto pero el 100 % de lo accionable. Lo que se pierde (el tono del usuario, los callejones sin salida de triage) es exactamente lo que B no necesita — y si lo necesitara, el artefacto transcript puede viajar por URI.

📊 Propiedades y comparación

Mecanismo	Cuándo se decide	Quién decide	Contexto transferido	Riesgo típico
Router (125)	Antes de ejecutar	Clasificador	El necesario para empezar	Ruteo erróneo inicial
Handoff	Durante la ejecución	El agente en curso	Destilado del trabajo hecho	Pérdida de contexto
Escalada	Durante, al topar límite	El agente o coordinador	Destilado + decisión pedida	Escalar tarde
Subagente (124)	Durante, como llamada	El padre (que espera)	Especificación de subtarea	El padre se bloquea

sequenceDiagram
    participant U as Usuario
    participant T as Agente triage
    participant S as Agente infra
    participant H as Humano de guardia
    U->>T: "el pago falla (502)"
    T->>T: verifica hechos
    T->>S: handoff {goal, verified_facts, work_done, constraints}
    Note over T,S: ownership pasa a infra (atómico)
    S->>S: correlaciona con deploy v2.41
    S->>H: escalada {urgency: alta, decision: aprobar rollback}
    H-->>S: aprobado
    S->>T: devolución {resolución, evidencia}
    T->>U: cierre del ticket

⚠️ Errores conceptuales frecuentes

"Transferir contexto = copiar todo el historial." Copiarlo todo satura la ventana de B y entierra lo accionable; el payload es una destilación con esquema.
Handoff sin transferencia de ownership. Si A sigue respondiendo tras el traspaso, el usuario recibe dos voces; el traspaso debe ser atómico y registrado.
Mezclar hechos verificados con hipótesis. B hereda como cierto lo que A solo sospechaba; el esquema debe separarlos explícitamente.
Sin política de rechazo ni límite de saltos. Handoffs mal dirigidos rebotan en ciclos A→B→A; se necesita contador de saltos y corte con escalada.
Confundir handoff con subagente. El subagente devuelve el control al padre; en el handoff el control no vuelve — B es el nuevo dueño ante el usuario.

🚀 Del aprendizaje a la operación

Para operar handoffs reales faltan: persistencia del payload (si B cae, la tarea debe recuperarse de un almacén, no de la memoria de A); idempotencia y deduplicación (el mismo handoff entregado dos veces no debe duplicar trabajo); métricas de cadena (saltos por tarea, tiempo en cada dueño, tasa de rechazo); y compatibilidad de esquema entre versiones de agentes desplegadas a la vez.

🧪 Laboratorio

python lab.py

El laboratorio llama a ai_evolution.labs.run_lab("multiagent"). Esta decisión evita 183 implementaciones divergentes: cada clase tiene un entrypoint propio, pero los motores didácticos se prueban como una biblioteca común.

🔍 Evidencia esperada

tipo de laboratorio y semilla;
entradas o decisiones observables;
resultado estructurado;
lista evidence con hechos que pueden inspeccionarse;
lista limitations que impide presentar la demo como producción.

📓 Notebooks

📓 notebook.ipynb: recorrido guiado con la materia resumida.
✍️ notebook_student.ipynb: ejercicios para resolver.
✅ notebook_solution.ipynb: solución de referencia explicada.

📝 Evaluación

Criterio	Peso
Comprensión conceptual	25 %
Ejecución reproducible	25 %
Interpretación basada en evidencia	25 %
Riesgos, límites y mejora propuesta	25 %

Consulta assessment.md para preguntas y criterio de aceptación.

⚠️ Errores comunes

Síntoma	Causa probable	Corrección
El código corre, pero no hay conclusión	Se confundió ejecución con aprendizaje	Explica qué demuestra y qué no demuestra
El resultado cambia sin explicación	No se registró semilla o configuración	Conserva semilla, versión y parámetros
Se promete uso real	Se extrapoló desde una demo educativa	Declara entorno, datos, límites y revisión humana
Se copia una métrica aislada	No existe baseline ni costo de error	Añade comparación y criterio de decisión

❓ Preguntas frecuentes

¿Debo usar una API comercial?
No. El núcleo funciona localmente. Las extensiones LIVE se documentan por separado.

¿El laboratorio representa una implementación industrial?
No por sí solo. Enseña el contrato y el patrón; producción exige integración, seguridad, observabilidad, pruebas y operación.

¿Dónde profundizo?
Revisa las especializaciones enlazadas en el README raíz y la ruta siguiente.

🔗 Referencias

Anthropic — Building effective agents (2024): delegación y coordinación con la mínima complejidad necesaria.
OpenAI Agents SDK — Handoffs: implementación de referencia del patrón handoff entre agentes.
A2A Protocol: transferencia de tareas y artefactos entre agentes de distintos proveedores.
Wu et al., AutoGen (arXiv:2308.08155): conversaciones multiagente con traspaso de turno programable.
Wooldridge, M., An Introduction to MultiAgent Systems, 2.ª ed., Wiley, 2009, caps. de comunicación y cooperación: actos de habla y protocolos de interacción. — uso: desarrollo extendido del tema

📜 Papers que fundamentan esta clase

Bloque generado por python scripts/link_papers_to_classes.py. La fuente es papers/catalog/papers.json.

Paper	Año	Qué desbloqueó	Miniatura
P136 · El protocolo de red de contratos: comunicación y control en un resolutor distribuido	1980	Reparte tareas por anuncio, oferta y adjudicación, sin que nadie mantenga una lista de quién sabe hacer qué.	notebook

Cada ficha explica el problema anterior, la matemática mínima, los límites y los errores de atribución más frecuentes. Para leerlas con método: cómo leer un paper de IA · anexos matemáticos.

📚 Bibliografía de apoyo

Bloque generado por python scripts/link_sources_to_classes.py. Cada obra lleva su localizador verificado en sources/bibliography.json.

Los papers dicen de dónde salió el mecanismo. Estas obras lo desarrollan con el espacio que una clase no tiene: teoría completa, demostraciones y ejercicios.

Obra	Edición	Localizador	Papel en esta clase
Michael J. Wooldridge — An Introduction to MultiAgent Systems	2009	ISBN 9780471496915	citada en las referencias de esta clase · obra de referencia de la parte 10
Russell, Stuart J. y Norvig, Peter — Artificial Intelligence: A Modern Approach	4.ª · 2020	ISBN 9780134610993 · web de la obra	obra de referencia de la parte 10 · decisión multiagente y teoría de juegos

Normas y documentación oficial que aplica esta clase: A2A Protocol

⬅️ Clase anterior

125 — Router y especialistas

➡️ Siguiente clase

127 — Supervisor-workers

📝 Evaluación completa

❓ Preguntas

Define handoffs y transferencia de contexto sin usar una marca o framework como definición.
Explica la relación entre handoff, context, ownership, escalation.
Ejecuta lab.py dos veces con la misma semilla. ¿Qué debe conservarse?
Identifica una afirmación permitida y una afirmación exagerada sobre el resultado.
Propón una prueba negativa o un caso límite.

🏆 Reto verificable

Amplía el resultado del laboratorio con una clave student_extension que incluya:

el supuesto que estás probando;
una medición o comprobación;
la conclusión;
una limitación.

✅ Criterio de aceptación

[ ] lab.py termina con código 0.
[ ] El resultado contiene kind, seed, evidence y limitations.
[ ] La extensión no modifica el comportamiento de otras clases.
[ ] La interpretación referencia datos impresos por el laboratorio.
[ ] Se declara al menos un riesgo o condición de no uso.