Cómo planificar el coste de un equipo multiagente

Separa las partidas

Distingue el precio de la aplicación, el uso del proveedor de modelos y los servicios externos que conectes. ConductLoop es gratuito bajo licencia MIT y permite utilizar tu propia clave. Los costes de un modelo en la nube dependen de sus condiciones vigentes y de tu consumo. Una operación que consulta una herramienta de pago puede generar un coste adicional. No combines todas las partidas bajo la etiqueta «tokens» porque entonces no sabrás qué decisión redujo o aumentó el gasto.

Mide el encargo completo

Anota el coste de una tarea desde que empieza hasta que aceptas su entrega. Incluye las llamadas del coordinador, las de cada agente, los intentos fallidos y las revisiones. Una ejecución barata que exige rehacer el trabajo puede salir peor que otra que produce una entrega utilizable a la primera. Registra también el tiempo que inviertes en corregirla. Si no tienes un coste exacto por tarea, señala que la cifra es una estimación y conserva el método utilizado.

Usa una hoja de seguimiento sencilla

Encargo | Resultado aceptado | Llamadas | Coste del proveedor
Reintentos | Tiempo de revisión | Herramientas externas | Observaciones

Compara tareas del mismo tipo y con criterios de aceptación parecidos. La pregunta más útil es cuánto cuesta obtener un resultado aceptable. No compares una investigación extensa con una clasificación breve como si fueran equivalentes. Empieza por unas pocas tareas representativas y conserva sus entradas para poder repetir la comparación.

Evita contexto repetido sin propósito

Cada rol necesita el material que pueda cambiar su decisión. Entregar el historial entero a todos puede aumentar el procesamiento y dificultar que localicen lo relevante. Prueba resúmenes de traspaso que conserven fuentes y decisiones. No elimines evidencia solo para reducir tamaño: una respuesta incorrecta por falta de contexto tampoco es un ahorro. Evalúa el cambio con el mismo encargo y observa tanto calidad como consumo.

Los modelos locales también tienen límites

Con Ollama ejecutándose en local, las llamadas al modelo se procesan en tu máquina. La capacidad depende del modelo y los recursos disponibles. La documentación de Ollama sobre contexto señala que aumentar la ventana de contexto incrementa la memoria necesaria. Esto importa al planificar varias tareas: más contexto o más concurrencia no son mejoras gratuitas. Mide latencia y uso de recursos con tu carga real antes de ampliar el equipo.

Qué puedes decidir antes de automatizar

Define qué tipo de trabajo merece un equipo y cuál se resuelve con una sola interacción. Propón un límite de esfuerzo y una condición para detener reintentos, aunque inicialmente los controles sean manuales. La futura jerarquía de ConductLoop tendrá al CEO como coordinador; los detalles sobre presupuestos, contadores o límites automáticos no están anunciados aquí. Mientras tanto, documentar consumo y resultado te ayudará a elegir un flujo sostenible.