PACT: cómo estructurar lo que los agentes se dicen entre sí

En los sistemas multiagente basados en LLMs, el diseño de roles y pipelines suele recibir toda la atención. Lo que los agentes se dicen entre sí, en cambio, se deja casi siempre al lenguaje natural sin restricciones. Un paper publicado en arXiv el 6 de junio de 2026 cuantifica el coste de esa decisión: la comunicación libre dispara el consumo de tokens, llena la ventana de contexto compartida y acaba degradando tanto el rendimiento del sistema como la factura de inferencia.

Los autores analizan cinco estrategias habituales de comunicación entre agentes en dos topologías de sistemas multiagente (MAS) distintas, y llegan a una conclusión incómoda: ninguna estrategia fija es universalmente óptima. Lo que sí aparece de forma consistente en los mensajes que funcionan bien es que preservan la información centrada en acciones que los agentes posteriores necesitan para operar. A partir de ahí construyen PACT.

Qué es PACT y cómo funciona

PACT son las siglas de Protocolized Action-state Communication and Transmission. La idea central es tratar la comunicación entre agentes no como intercambio de lenguaje natural libre, sino como un problema de actualización de estado público. Cada salida bruta de un agente se proyecta en un registro compacto de acción-estado antes de entrar en el historial compartido.

Dicho de otro modo: en lugar de que el agente A escriba un párrafo explicando lo que ha hecho y por qué, el sistema extrae un registro estructurado con exactamente la información que el agente B necesita para continuar. El resto se descarta. El historial crece más despacio, la ventana de contexto se libera y los agentes downstream no tienen que procesar ruido.

El paper reporta que PACT mejora de forma consistente la relación rendimiento-coste en distintas topologías MAS: rendimiento comparable o superior al de las estrategias sin protocolar, con un número sustancialmente menor de tokens. Los autores extienden la validación a entornos de producción de codificación, lo que aleja el resultado del benchmark de laboratorio y lo acerca a condiciones reales.

Por qué importa ahora

En junio de 2026, los MAS son ya una forma habitual de desplegar tareas complejas con Claude y otros LLMs. Plataformas como Claude Code permiten encadenar subagentes especializados que se delegan trabajo entre sí; los MCP servers añaden herramientas externas que los agentes invocan en cadena. En ese contexto, el volumen de mensajes inter-agente escala rápidamente, y con él el coste.

El problema que describe PACT no es teórico. Cualquier equipo que haya operado un pipeline de más de tres agentes con conversaciones largas conoce el síntoma: el contexto se llena, el agente empieza a perder el hilo de pasos anteriores y hay que truncar o resetear. Las soluciones habituales —resumir con un agente adicional, comprimir manualmente los prompts, aumentar la ventana de contexto— tienen costes propios. PACT apuesta por atacar el problema en el origen: que los agentes generen mensajes más pequeños y útiles desde el principio.

Para quién es relevante

El paper es lectura directa para quienes diseñan arquitecturas multiagente en producción. Esto incluye a quienes trabajan con Claude Code construyendo flujos de subagentes, a equipos que desarrollan MCP servers con múltiples herramientas encadenadas, y a cualquier organización que esté viendo sus costes de inferencia crecer a medida que sus pipelines ganan complejidad.

Para quienes investigan comunicación en MAS, el valor añadido es el análisis comparativo de las cinco estrategias previas y la formalización del problema como actualización de estado público, un encuadre que facilita razonar sobre qué información debe o no debe cruzar la frontera entre agentes.

Lo que PACT no resuelve —y el paper no pretende hacerlo— es el diseño de los roles ni la lógica de orquestación. Es una pieza específica de un puzzle más grande.

---

Desde EP, vemos PACT como una contribución sólida y bien acotada: no reformula los MAS, sino que tapa una grieta concreta que los equipos en producción ya conocen. Que los resultados se validen en entornos de codificación reales añade credibilidad; habrá que ver si aguanta en dominios con mensajes menos estructurables que el código.