Per què més d’un agent?

Quan comences, un sol agent és suficient. Però a mesura que li dones més responsabilitats, arribes a un punt on un sol agent no és la millor solució.

Imagina un assistent humà al qual li demanes que faci de secretari, comptable, investigador, i community manager alhora. Podria fer-ho tot, però no tot bé. La mateixa lògica s’aplica als agents.

Raons per separar agents

Especialització del model: Diferents tasques requereixen diferents models. Un briefing diari de notícies no necessita el model més potent — un model gratuït ho fa bé. Però una anàlisi complexa d’inversions necessita el millor model disponible. Si tens un sol agent, o li poses el model car (i malbarates diners en tasques simples) o li poses el barat (i la qualitat pateix en tasques complexes).

Cost: Separar per model et permet assignar el model car només a les tasques que el necessiten. Les tasques rutinàries les fa el model barat o gratuït. El cost total és molt inferior al d’usar el model car per a tot.

Disponibilitat: Si un agent falla (per límit d’API, error del provider, etc.), els altres segueixen funcionant. No poses tots els ous al mateix cistell.

Organització: Cada agent pot tenir el seu propi system prompt, les seves skills, i la seva memòria. Això evita conflictes i fa que cada agent sigui expert en el seu domini.

Exemple pràctic: dos agents coordinats

Una configuració molt funcional és tenir dos agents:

Agent primari (qualitat): Usa un model potent (Claude Sonnet, GPT-4). Per a conversa interactiva, decisions importants, anàlisi complexa, i tasques que requereixen raonament. Costa més per token, però el fas servir amb moderació.

Agent secundari (volum): Usa un model gratuït o barat (Kimi K2.5 via NVIDIA NIM, LLaMA via Groq). Per a tasques automàtiques, briefings, monitorització, traduccions. Costa poc o res per token, i pot fer moltes peticions sense preocupar-se pel cost.

Cada agent té el seu propi bot de Telegram, el seu propi system prompt, i les seves pròpies skills.

Workspaces a OpenClaw

OpenClaw suporta workspaces — entorns separats amb configuració independent. Cada workspace pot tenir un model diferent, skills diferents, i un system prompt diferent.

Això permet tenir múltiples “agents” en una mateixa instal·lació d’OpenClaw, cadascun amb la seva personalitat i capacitats.

La combinació intel·ligent

La clau no és tenir molts agents — és tenir els agents correctes per a les tasques correctes.

Preguntes per decidir si necessites un segon agent:

  • Tinc tasques rutinàries que malbarataran tokens del model principal? → Sí → Agent secundari barat
  • Necessito que alguna tasca funcioni 24/7 independentment? → Sí → Agent separat
  • Les meves tasques automàtiques tenen requisits molt diferents de les interactives? → Sí → Separar

Si la resposta a totes és “no”, un sol agent ben configurat és suficient.

Conceptes clau d’avui

  • Separar per cost: Model car per a qualitat, model barat per a volum
  • Separar per funció: Cada agent expert en el seu domini
  • Workspaces: Entorns separats dins d’OpenClaw amb configuració independent
  • No complicar-se: Si un agent és suficient, un agent és millor que dos

Propera lliçó: Seguretat i privacitat — el teu agent al món real.