# Scientific Research Agents — AI Architecture

Senior AI Engineer en la construcción de sistemas de AI autónomos para la automatización de la investigación científica en un cliente de biotech con sede en EE. UU. Servidores MCP a medida, pipelines de RAG sobre corpus científicos y una suite de evaluación held-out.

- **Author:** Fedor Chishchin
- **Role:** Senior AI Engineer
- **Period:** 2025-03 → presente
- **Stack:** Python · FastAPI · Claude Opus · MCP · pgvector
- **Source:** https://fedorthinks.com/es/work/scientific-research-agents

---

## El problema

La investigación científica está dominada por un pequeño conjunto de flujos de trabajo repetibles pero
cognitivamente costosos: búsqueda en corpus de literatura tras muros de pago, extracción
estructurada de datos a partir de PDFs heterogéneos, generación de hipótesis a partir de
resultados previos, crítica del diseño experimental. Cada uno de ellos está al alcance de
los LLM modernos — pero solo si se construye correctamente la arquitectura que los rodea.

Un enfoque ingenuo de un solo prompt se desmorona rápido: los corpus son demasiado grandes para
las ventanas de contexto, las herramientas correctas son específicas del dominio (la búsqueda de
literatura consciente de la química no es Google), y cualquier respuesta que termine en una nota
de investigación tiene que ser auditable.

## Qué arquitecté

**Orquestación multiagente con una división jerárquica planner–executor.** Un
agente planner descompone una solicitud de investigación en sub-tareas tipadas; los agentes
executor manejan las llamadas reales a herramientas (búsqueda de literatura, extracción de datos,
ranking de hipótesis). El planner se mantiene dentro de un presupuesto de contexto ajustado; los
executors pueden abrirse en abanico sin contaminarlo.

**Servidores MCP a medida como única superficie de herramientas.** Tres transportes en
producción (Stdio para desarrollo local, SSE para resultados en streaming, Streamable HTTP
para la flota de producción) — todos servidores que construí de extremo a extremo. Las herramientas están
versionadas y son descubribles, los agentes nunca ven HTTP crudo, y el mismo contrato MCP
alimenta tanto las evals internas como las ejecuciones en vivo.

**Un framework de evaluación que el agente nunca ve durante el desarrollo.**
Benchmarks públicos de agentes para comparación entre sistemas más una suite propia de escenarios
más grande extraída de flujos de trabajo reales de biología, reservada (held-out) durante el
desarrollo para que las mejoras se midan, no se declaren.

**Desarrollo guiado por especificación.** Cada agente tiene una spec escrita — system
prompt, lista de herramientas, guardrails, schema de salida esperado — versionada en el
repo. La spec, no el prompt, es el artefacto que los revisores aprueban. Los nuevos
comportamientos aterrizan vía PRs de spec.

## La realidad del día a día

No tecleo la implementación. Dirijo agentes de codificación (Claude Code sobre
Opus) como capa de implementación mientras soy dueño de la arquitectura, la
disciplina de specs y la disciplina de evaluación. Veinte años de criterio de producción
se invierten en decidir qué debe construirse; la práctica con agentes da la
velocidad para entregarlo de verdad. La calidad de las specs es el nuevo cuello de botella.

## Resultado

Un sistema multiagente funcional, evaluado y orientado a producción que automatiza
flujos de trabajo de investigación antes hechos a mano — con una mejora medible sobre
el conjunto de benchmarks held-out, no solo capturas de pantalla con calidad de demo.

Las decisiones arquitectónicas documentadas aquí son la base de todo lo
demás que estoy construyendo ahora mismo.