MVP de Agente Personal Multi-Agente con ADK y LiteLLM
Terminé el MVP de mi sistema de agente personal, una arquitectura multi-agente autónoma sobre Google ADK. El objetivo es automatizar mis entradas de journal y borradores de LinkedIn. Una decisión arquitectónica clave fue la separación del enrutador de LLMs de los agentes escritores, lo que permite cambiar de modelo fácilmente mediante variables de entorno sin modificar el código.
Problema
La automatización de la generación de contenido personal (journal, LinkedIn) exigía un sistema de IA robusto y flexible. Los enfoques monolíticos tradicionales acoplarían rígidamente a los proveedores de LLM, complicando futuros cambios.
Solución
Desarrollé un sistema multi-agente utilizando Python y Google ADK. LiteLLM fue fundamental para enrutar las solicitudes a diferentes LLMs (Gemini, Claude, GPT) según el rol del agente. La innovación central fue desacoplar la lógica del enrutador de los agentes escritores individuales, permitiendo la selección dinámica de LLMs simplemente cambiando una variable de entorno sin necesidad de modificar el código.
Aprendizaje
La arquitectura modular, especialmente la separación entre el enrutador y los escritores, resultó inestimable. Aumentó significativamente la flexibilidad y la mantenibilidad, permitiéndome experimentar con diferentes capacidades y costos de LLM sin refactorizar la lógica central de los agentes. Este patrón será esencial para el desarrollo futuro de agentes autónomos.