Multiagentes + Agent Skills
Artículo del 27 de enero de 2026 sobre cómo empaquetar el know-how del equipo en skills y combinarlos con arquitecturas multiagente.
resource: https://eugeniorodriguez.eu/blog/multiagentes-agent-skills
Publicado en el newsletter Avances en IA de LinkedIn. Es el artículo que conecta la capa técnica con la de conocimiento.
Parte de un umbral ya cruzado: cada vez menos “escribir código” y cada vez más expresar intenciones. La ventaja ya no está en teclear rápido, sino en orquestar mejor personas, agentes, herramientas y conocimiento reutilizable.
Qué son los Agent Skills
Un enfoque —cada vez más adoptado en el ecosistema— para empaquetar conocimiento especializado + procesos repetibles en un formato portátil. En lugar de depender de “prompts mágicos” o del estilo de un proveedor, la experiencia del equipo se convierte en algo operable, versionable y reutilizable.
Un Skill suele ser una carpeta estandarizada con tres piezas:
Skill.md— el cerebro. Un Markdown con metadatos tipo YAML que define qué hace, cuándo se activa y cómo debe comportarse.- Scripts — código ejecutable (Python, Bash, Node) para tareas deterministas y complejas: validaciones, refactors, chequeos, generación de artefactos.
- Recursos y referencias — plantillas, guías internas, estándares de arquitectura, convenciones de naming, checklists de seguridad.
Resultado: se pasa de “una IA que sabe un poco de todo” a “un sistema que ejecuta como tu equipo ejecuta”.
El problema real: saturación de contexto
Uno de los cuellos de botella en agentes es la saturación de contexto: meter miles de instrucciones en el prompt hace que el modelo sea más lento, más caro y a veces más errático.
Los Agent Skills lo resuelven con divulgación progresiva (progressive disclosure):
- Descubrimiento (nivel 1). El agente solo conoce el nombre y la descripción del skill. Sabe que existe, sin cargarse de detalles.
- Activación (nivel 2). Solo cuando la petición lo requiere —“revisa la
seguridad de este código”, “genera un ADR”, “valida este pipeline”— carga el
contenido completo del
Skill.md. - Ejecución (nivel 3). Si hace falta, usa scripts y recursos para completar la tarea con precisión.
Esto convierte al agente en un especialista bajo demanda: rápido, limpio de contexto y más consistente.
La sinergia: multiagente × Agent Skills
Combinar arquitecturas multiagente —LangGraph, CrewAI, AutoGen— con una biblioteca de skills. Un sistema jerárquico:
- Un supervisor que planifica y decide.
- Varios especialistas: Investigación, Programación, QA, Seguridad, DevOps, Documentación.
- Cada especialista con su “equipamiento”: skills específicos de su rol.
Al juntar ambas piezas se obtiene:
Orquestación de especialistas. No hay un agente intentando hacerlo todo: hay roles claros con habilidades claras.
Menos latencia y menos coste. No se depende de conversaciones eternas entre agentes ni de prompts gigantes: se reutilizan procedimientos.
Portabilidad real del conocimiento. El valor no está en el modelo, está en tu biblioteca de skills: estándares, procesos, guardrails y automatizaciones. El conocimiento pasa a ser un activo de empresa, no un truco que vive en una sesión.
Conclusión: el límite es la orquestación
La pregunta ya no es quién escribe más líneas de código, sino quién diseña mejor el sistema de especialistas y convierte conocimiento en ejecución. Si las herramientas ya trabajan en equipo (multiagente) y se les dan procedimientos expertos (Agent Skills), el límite vuelve a ser tu visión. Cierra preguntando si la organización captura su know-how como skills reutilizables o sigue perdiéndolo en prompts sueltos y conversaciones que se olvidan.
Dónde se integra
Es la fuente principal de capacidades de los agentes, aporta la capa de biblioteca a conocimiento y documentación y el problema de contexto a memoria y arquitecturas.