Saltar al contenido
focoit.com
Volver a los diagramas

Arquitectura

Orquestación y recuperación agéntica

Un grafo de flujo que maneja una capa de conocimiento: planificación de la consulta, subconsultas paralelas sobre fuentes por estudio, y síntesis con referencias.

Orquestación y recuperación agéntica Un grafo de flujo definido en código recibe pedidos de usuarios y de otros agentes, consulta un caché determinista y, si no hay acierto, ejecuta una capa de conocimiento con recuperación agéntica: planificación de la consulta, subconsultas en paralelo sobre fuentes por estudio, y síntesis con referencias. El contexto vuelve al grafo, que envía cada paso a un modelo a través de un enrutador. Cada paso y el registro de actividad de la recuperación quedan en auditoría. CONSUMIDORES Usuarios y agentes usuarios · otros agentes los agentes entran por una herramienta MCP Grafo del flujo orden definido en código · checkpoints … → Borrador → Veredicto → Revisión → Entrega SERVICIOS COMPARTIDOS Caché determinista solo respuestas revisadas un acierto no llama al modelo Enrutador de modelos Azure OpenAI: PHI (BAA) Claude: razonamiento sin PHI versión fija → clave de caché Auditoría App Insights + cumplimiento cada paso · registro de actividad conteo de tokens RECUPERACIÓN AGÉNTICA · CAPA DE CONOCIMIENTO Planificación un LLM divide la consulta en subconsultas esfuerzo: mín · bajo · medio Subconsultas paralelas texto · vectores · híbrida + reorden semántico Síntesis contexto unificado + citas + registro de actividad Fuentes por estudio un índice por estudio PEDIDO CONSULTA AL CACHÉ RECUPERAR CONTEXTO + REFERENCIAS MODELO POR PASO REFERENCIAS Recorrido del pedido Auditoría Orquestador Servicio Almacén / caché
Diseño de referenciaAbrir en tamaño completo

Qué muestra

El orquestador es un grafo de flujo con un orden fijo y con checkpoints. Lo usan personas y otros agentes; los agentes entran por una herramienta MCP gobernada, con los mismos permisos que una persona.

La recuperación es agéntica: un modelo divide la pregunta en subconsultas, que corren en paralelo como búsquedas por texto, por vectores o híbridas con reordenamiento semántico, cada una sobre el índice de un estudio, y un paso de síntesis unifica el contexto con sus citas.

Tres servicios compartidos acompañan al grafo. Un caché determinista devuelve respuestas revisadas sin llamar a un modelo. Un enrutador de modelos manda cada paso al modelo adecuado, con la versión fija. La auditoría recibe cada paso, el registro de actividad de la recuperación y el conteo de tokens.

Este es un diseño de referencia para un asistente agéntico de preguntas y respuestas sobre ensayos clínicos. Es un diseño, no la descripción de un sistema construido tal como se muestra.

Decisiones clave

  • Un índice por estudio: el aislamiento es estructural, no un filtro que alguien puede olvidar.
  • El esfuerzo de planificación es un ajuste por clase de consulta, porque planificar cuesta tokens y tiempo.
  • Los modelos se fijan por versión, y la versión es parte de la clave del caché y del registro de auditoría.
  • Los otros agentes reciben un único servidor de herramientas con permisos, no una integración punto a punto cada uno.