Tu agente de n8n funcionaba bien con tres herramientas. Le agregaste el CRM, el calendario, la búsqueda en Drive y el catálogo de productos, y ahora responde cualquier cosa: busca en el lugar equivocado, inventa un precio o se queda dando vueltas. No es que el modelo se haya vuelto tonto. Es que le pediste a un solo agente que sea vendedor, soporte y bibliotecario al mismo tiempo.
La salida es un esquema multiagente: un agente supervisor que entiende la intención y decide a quién pasarle el trabajo, y varios subagentes chicos, cada uno con pocas herramientas y una sola misión. En n8n se arma con nodos, sin escribir código.
Cómo se ve un supervisor en n8n
El patrón es simple de describir: el flujo de entrada (WhatsApp, un formulario, un correo) llega a un agente cuyo prompt no resuelve nada, solo clasifica y delega. Sus "herramientas" no son APIs, son otros flujos de n8n publicados como subflujos. El subagente de catálogo tiene acceso a la base vectorial y nada más; el de agenda tiene el calendario y nada más. Cada uno es corto, auditable y se puede probar solo. Esa forma de construir —agente, herramientas, memoria, RAG y despliegue— es la columna vertebral del curso de Automatización e IA con n8n, que va de un flujo simple a un sistema con varios microagentes trabajando juntos.
La diferencia práctica con el agente único es el prompt. Cuando un agente tiene 15 herramientas, su instrucción se vuelve un reglamento de dos páginas que el modelo lee a medias. Cuando tiene tres, le alcanzan cinco líneas y acierta.
Cuándo conviene partir el agente
No todo flujo necesita esto. Divide cuando aparezca alguno de estos síntomas:
- ▸El agente elige mal la herramienta más de lo que acierta, y cada arreglo del prompt rompe otro caso que antes funcionaba.
- ▸Dos áreas distintas quieren cambiar el mismo prompt: ventas pide un tono y soporte pide otro.
- ▸Necesitas modelos distintos por tarea: uno barato y rápido para clasificar, uno más capaz para redactar la respuesta final.
- ▸Hay una parte del proceso que no puede fallar (cotizar, agendar, cobrar) y quieres aislarla con sus propias validaciones y, si hace falta, con aprobación humana.
Si tu caso es "responde preguntas sobre nuestro PDF de servicios", no lo partas. Un agente con RAG y buena memoria basta, y el multiagente solo te agrega piezas para mantener.
Lo que cuesta: latencia, tokens y una depuración más larga
Cada salto entre agentes es otra llamada al modelo. Un flujo de supervisor más subagente paga, mínimo, el doble de llamadas que el agente único, y el usuario de WhatsApp lo siente como segundos de espera. Hay dos formas de compensarlo: que el supervisor use un modelo chico (su trabajo es clasificar, no razonar), y que el contexto que viaja al subagente sea lo mínimo necesario, no toda la conversación.
El otro costo es menos obvio. Con un agente, el historial de ejecución de n8n te muestra todo en una sola traza. Con cuatro subflujos, tienes que saber en cuál entrar. Antes de dividir, deja el registro de ejecuciones ordenado y ponle nombres que signifiquen algo: "agente-catalogo", no "workflow-7 copy".
La memoria es el detalle que más se olvida
Cuando separas agentes, cada uno puede quedarse con su propia memoria y entonces el cliente repite tres veces su número de pedido. Define desde el principio quién es el dueño de la conversación —normalmente el supervisor— y pásale a los subagentes solo los datos que necesitan para su tarea. Lo mismo con el RAG: una base vectorial por dominio funciona mejor que una sola bolsa con todo adentro, porque los resultados dejan de competir entre sí.
Lo que nadie te dice es que el 80 % de los problemas que la gente atribuye al modelo son de datos: documentos mal cortados, metadatos vacíos, versiones viejas del catálogo. Antes de agregar otro agente, revisa qué le estás dando de comer al que ya tienes.
Por dónde empezar
Si vienes del lado de negocio y tu objetivo es atender clientes, el camino corto es Creación de Agentes IA para WhatsApp con n8n; ahí el canal ya está resuelto y puedes concentrarte en la lógica. Si quieres el panorama de la herramienta antes de comprometerte, la guía de n8n resume para qué sirve y qué se puede automatizar.
Y si lo que quieres es dedicarte a esto —diseñar sistemas de agentes que aguanten carga real, con memoria, evaluación y despliegue— esa es la ruta de AI Agentic Engineer, donde n8n es una herramienta más dentro de un oficio completo.
En las 6 horas de Automatización & IA con n8n terminas con un sistema propio funcionando: agentes con memoria, RAG sobre tus documentos y el flujo desplegado, no una demo que corre solo en tu laptop. Es asincrónico, así que puedes montarlo sobre el caso que tengas pendiente en el trabajo.
Si prefieres armarlo acompañado, en la Comunidad AI Builders hacemos un taller en vivo por semana y los flujos multiagente salen seguido en las sesiones de dudas.



