---
title: "Arquitectura d'agents d'IA: peces, orquestració multiagent, esdeveniments i govern"
description: "Quines peces formen un agent d'IA, com s'orquestren diversos agents especialitzats, per què l'arquitectura orientada a esdeveniments dona autonomia real i quins controls calen abans de portar-los a producció."
url: https://bidatia.com/ca/idees/arquitectura-de-agentes-de-ia-multiagente-eventos-y-gobierno
lang: ca
date: 2026-03-10
updated: 2026-11-11
author: "José Luis García"
keywords: ["agents d'ia", "sistemes multiagent", "arquitectura orientada a esdeveniments", "orquestració d'agents", "model context protocol", "a2a", "copilot studio", "govern de la ia"]
publisher: Bidatia
---

# Arquitectura d'agents d'IA: peces, orquestració multiagent, esdeveniments i govern

> Quines peces formen un agent d'IA, com s'orquestren diversos agents especialitzats, per què l'arquitectura orientada a esdeveniments dona autonomia real i quins controls calen abans de portar-los a producció.

## Resum executiu

- Un agent d'IA no és un model de llenguatge aïllat: combina model de raonament, instruccions, coneixement propi i eines que actuen sobre els sistemes de l'empresa.
- La potència apareix en repartir la feina entre agents especialitzats coordinats per un orquestrador, amb fluxos seqüencials per a allò regulat i fluxos dinàmics per a la resta.
- L'arquitectura orientada a esdeveniments permet que els agents reaccionin al que passa al negoci, no només al que se'ls pregunta, i aïlla les fallades.
- MCP i A2A estandarditzen com un agent rep eines i com es comunica amb altres agents, i redueixen la dependència d'un proveïdor.
- En producció, cada agent necessita identitat pròpia, aprovació humana en decisions de risc, traçabilitat completa i avaluació contínua.
- Inclou una comparativa de plataformes (low-code i pro-code) i una llista de comprovació de sis punts abans d'escalar.

Els primers projectes d'IA generativa a l'empresa van ser, gairebé tots, assistents que responen preguntes. Són útils, però tenen dos límits clars: només actuen quan algú els escriu i la seva memòria es redueix al que cap a la conversa. Un **agent d'IA** va un pas més enllà: raona sobre un objectiu, planifica els passos, consulta informació de l'organització i executa accions en altres sistemes. I quan hi ha diversos agents treballant junts, l'arquitectura importa tant com el model.

Aquest article repassa les decisions de disseny que determinen si un sistema d'agents serà mantenible i escalable o si es convertirà en un prototip impossible de portar a producció.

## Les quatre peces d'un agent

Un agent és l'orquestració de quatre elements:

| Peça | Què aporta | Exemple |
|---|---|---|
| Model de raonament | Interpreta la intenció, decideix i planifica la seqüència d'accions | Un model de llenguatge de propòsit general |
| Instruccions | Defineixen l'especialitat, el to, els límits i què fer davant el dubte | «Agent de nòmina», «agent de compliment normatiu» |
| Coneixement | Memòria de la conversa i accés a documentació pròpia mitjançant cerca semàntica (RAG) | Polítiques internes, procediments, convenis |
| Eines | Connectors que permeten consultar i modificar sistemes reals | ERP, CRM, sistema de recursos humans |

La peça que introdueix més risc és l'última: quan un agent pot **canviar l'estat** d'un sistema (crear una comanda, modificar un contracte, enviar un correu), deixa de ser un experiment i passa a ser una aplicació amb conseqüències. Per això convé que cada agent tingui poques eines i ben acotades.

## Sistemes multiagent: especialitzar i coordinar

Un únic agent que ho sap tot i ho pot tot és difícil de provar i de corregir. L'alternativa és **descompondre per domini**: a recursos humans, per exemple, un agent de vacances, un altre de nòmina i un altre d'incorporació, cadascun amb les seves instruccions, el seu coneixement i els seus permisos.

Per sobre, un **agent orquestrador** rep la petició, identifica quins agents hi han d'intervenir, en quin ordre i amb quines dependències, i compon la resposta final. Hi ha dues maneres d'orquestrar:

- **Seqüencial**: el flux està definit per endavant. És l'opció adequada per a processos amb passos obligatoris i requisits de compliment, com una incorporació en un sector regulat o una revisió financera.
- **Autònoma**: el model decideix el flux sobre la marxa segons el context i els resultats parcials de cada agent. Dona més flexibilitat, però és menys previsible i exigeix més traçabilitat i més proves.

A la pràctica, molts sistemes combinen totes dues: un esquelet seqüencial per a allò que s'ha de complir sempre i trams autònoms on la variabilitat és acceptable.

## Arquitectura orientada a esdeveniments: autonomia de debò

Si un agent només actua quan algú li escriu, continua sent reactiu. L'autonomia real arriba quan reacciona a **allò que passa al negoci**: s'emet una factura, arriba un correu a una bústia, baixa l'inventari d'un article o venç un termini. L'arquitectura orientada a esdeveniments (EDA) proporciona aquesta capacitat.

Tres avantatges la fan gairebé imprescindible en sistemes d'agents:

1. **Disparadors automàtics.** Els agents se subscriuen a esdeveniments i actuen sense intervenció humana: preparar una reclamació de cobrament, obrir una incidència o llançar una alerta.
2. **Resposta en temps real.** L'agent actua quan es produeix l'esdeveniment, no quan algú revisa una safata.
3. **Resiliència.** Com que estan desacoblats, la fallada d'un agent no fa caure el sistema: l'esdeveniment queda a la cua i es processa quan el component es recupera.

## Protocols d'interoperabilitat: MCP i A2A

Dos estàndards estan ordenant un ecosistema que fins fa poc era una col·lecció d'integracions a mida:

- **MCP (Model Context Protocol)**: una capa comuna per oferir eines i context a qualsevol agent. Una eina publicada per MCP es pot reutilitzar en agents construïts amb plataformes diferents.
- **A2A (Agent-to-Agent)**: un estàndard emergent perquè agents de plataformes i llenguatges diferents es comuniquin de manera segura.

Apostar-hi des del principi redueix la dependència d'un proveïdor i evita refer integracions cada vegada que canvia el model o la plataforma.

## Govern, seguretat i monitoratge

Un agent en producció necessita el mateix rigor que qualsevol aplicació crítica, i alguns controls específics:

- **Identitat pròpia per agent.** Cada agent es dona d'alta al proveïdor d'identitat amb permisos mínims sobre dades i API, i les seves accions queden registrades al seu nom. Els principals proveïdors, com Microsoft Entra, ja ofereixen identitats específiques per a agents.
- **Persona en el bucle.** Les decisions no estàndard o d'alt risc (una concessió de crèdit, un canvi contractual, qualsevol acció irreversible) requereixen aprovació humana explícita.
- **Compliment aplicat a la plataforma.** Les polítiques de protecció de la informació i les obligacions del RGPD i del Reglament europeu d'IA s'apliquen de manera centralitzada, no agent per agent.
- **Traçabilitat completa.** Cada pas (orquestrador, agent, eina, resposta) es registra amb eines d'observabilitat com OpenTelemetry o Azure Monitor. Sense aquest rastre, depurar un error o respondre a una auditoria és gairebé impossible.
- **Avaluació contínua.** Com que les respostes no són deterministes, es proven de manera automàtica i periòdica la fidelitat a les fonts i la seguretat del contingut, no només en el moment del lliurament.

## Quina plataforma triar

No hi ha una solució única. L'elecció equilibra velocitat de desenvolupament, control tècnic i integració amb el que ja existeix:

| Plataforma | Desenvolupament | Integració | Desplegament | Encaixa en |
|---|---|---|---|---|
| Copilot Studio | Low-code, visual | Microsoft 365 i Power Platform | Núvol gestionat | Prototips ràpids i fluxos creats per usuaris de negoci |
| Microsoft Foundry (abans Azure AI Foundry) | Pro-code (Python, C#) | Ecosistema Azure | Contenidors, Kubernetes | Sistemes crítics amb requisits de compliment |
| n8n | Low-code, visual | Agnòstic, amb suport de MCP | Núvol o instal·lació pròpia | Integracions complexes i portabilitat |
| LangChain, LlamaIndex | Biblioteques de Python | API genèriques | Contenidors, Kubernetes | Experimentació i models oberts |

### Una arquitectura dual en entorns Microsoft

En organitzacions que ja treballen amb Microsoft, una combinació que funciona bé és:

1. **Al davant, Copilot Studio**, com a cara conversacional i orquestració d'alt nivell. Els usuaris de negoci poden crear i ajustar fluxos sense programar.
2. **Al darrere, Microsoft Foundry**, com a motor per a allò complex: RAG avançat, models ajustats, avaluació i desplegament controlat.
3. **Per als agents desenvolupats a mida, un SDK com Semantic Kernel** (avui integrat a Microsoft Agent Framework), independent del model i amb suport dels protocols oberts.

El principi és senzill: la capa del davant gestiona l'experiència d'usuari; la del darrere garanteix seguretat, escalabilitat i compliment en les operacions crítiques.

## Sis comprovacions abans de producció

Si un sistema en falla alguna, el seu manteniment a mitjà termini està en risc:

1. **Modularitat**: cada agent té un rol únic i un conjunt limitat d'eines?
2. **Infraestructura desacoblada**: fa servir esdeveniments i pot escalar horitzontalment amb contenidors quan creixen els disparadors i la demanda?
3. **Protocols estàndard**: la comunicació entre agents i eines fa servir MCP o A2A?
4. **Identitat i accés**: cada agent té identitat pròpia amb permisos mínims sobre dades i API?
5. **Traçabilitat**: es registra cada pas de l'orquestrador i dels agents?
6. **Avaluació automatitzada**: hi ha proves periòdiques de fidelitat i de seguretat del contingut?

## Per on començar

L'èxit depèn menys de la tecnologia que d'aplicar amb disciplina uns pocs principis: modularitat, govern, observabilitat i compliment. Un camí raonable:

1. Triar un o dos casos d'ús amb valor clar i risc controlat.
2. Definir des del principi les identitats, els permisos i els punts d'aprovació humana.
3. Construir una prova de concepte en un entorn controlat, amb traçabilitat des del primer dia.
4. Escalar de manera gradual, amb mètriques de qualitat que es revisen contínuament.

A Bidatia ajudem a dissenyar aquest tipus d'arquitectures i a portar-les a producció amb els controls adequats.

## Preguntes freqüents

### Quina diferència hi ha entre un assistent basat en un model de llenguatge i un agent d'IA?
L'assistent respon al que se li demana i la seva capacitat depèn del que cap a la conversa. L'agent, a més de raonar, planifica, consulta coneixement propi de l'organització i fa servir eines per executar accions en altres sistemes, com registrar una sol·licitud a l'ERP o actualitzar el CRM.

### Quan convé un sistema multiagent en lloc d'un únic agent?
Quan el procés abasta tasques diferents amb regles, dades i permisos diferents. Un agent per tasca, amb poques eines, és més fàcil de provar, corregir i auditar que un agent generalista que ho fa tot.

### Què aporten MCP i A2A?
MCP (Model Context Protocol) estandarditza com es posen eines i context a disposició d'un agent. A2A (Agent-to-Agent) estandarditza la comunicació entre agents construïts en plataformes diferents. Amb tots dos, canviar de plataforma o de model no obliga a refer les integracions.

### Cal començar amb low-code o amb pro-code?
Depèn del cas. El low-code permet validar ràpidament un flux conversacional; el pro-code dona més control per a la lògica crítica, les proves i el desplegament. Moltes arquitectures combinen tots dos: una capa conversacional àgil al davant i serveis desenvolupats al darrere.