TCAndon-Router: Enrutador de Razonamiento Adaptativo para Colaboración Multi-Agente

TCAndon-Router: Adaptive Reasoning Router for Multi-Agent Collaboration

January 8, 2026

Autores: Jiuzhou Zhao, Chunrong Chen, Chenqi Qiao, Lebin Zheng, Minqi Han, Yanchi Liu Yongzhou Xu Xiaochuan Xu Min Zhang

cs.AI

Resumen

Los Sistemas Multi-Agente (MAS) se han convertido en un paradigma poderoso para construir aplicaciones inteligentes de alto rendimiento. Dentro de estos sistemas, el enrutador responsable de determinar qué agentes expertos deben manejar una consulta dada juega un papel crucial en el rendimiento general. Las estrategias de enrutamiento existentes generalmente se dividen en dos categorías: enrutamiento por rendimiento, que equilibra la latencia y el costo entre modelos de diferentes tamaños, y enrutamiento por tarea, que asigna consultas a expertos en dominios específicos para mejorar la precisión. En aplicaciones empresariales del mundo real, el enrutamiento por tarea es más adecuado; sin embargo, la mayoría de los enfoques existentes se basan en decisiones estáticas de etiqueta única, lo que introduce dos limitaciones principales: (i) dificultad para integrar perfectamente nuevos agentes a medida que se expanden los dominios comerciales, y (ii) conflictos de enrutamiento causados por capacidades superpuestas de los agentes, lo que finalmente degrada la precisión y la robustez. Para abordar estos desafíos, proponemos TCAndon-Router (TCAR): un enrutador de razonamiento adaptativo para la colaboración multi-agente. A diferencia de los enrutadores tradicionales, TCAR admite la incorporación dinámica de agentes y primero genera una cadena de razonamiento en lenguaje natural antes de predecir un conjunto de agentes candidatos capaces de manejar la consulta. Además, diseñamos una canalización de ejecución colaborativa en la que los agentes seleccionados producen respuestas de forma independiente, que luego son agregadas y refinadas en una única respuesta de alta calidad por un Agente de Refinamiento dedicado. Los experimentos en conjuntos de datos públicos y datos empresariales reales demuestran que TCAR mejora significativamente la precisión del enrutamiento, reduce los conflictos de enrutamiento y se mantiene robusto en escenarios ambiguos. Hemos publicado TCAR en https://huggingface.co/tencent/TCAndon-Router para apoyar futuras investigaciones sobre enrutamiento multi-agente explicable y colaborativo.

English

Multi-Agent Systems(MAS) have become a powerful paradigm for building high performance intelligent applications. Within these systems, the router responsible for determining which expert agents should handle a given query plays a crucial role in overall performance. Existing routing strategies generally fall into two categories: performance routing, which balances latency and cost across models of different sizes, and task routing, which assigns queries to domain-specific experts to improve accuracy. In real-world enterprise applications, task routing is more suitable; however, most existing approaches rely on static single-label decisions, which introduce two major limitations: (i) difficulty in seamlessly integrating new agents as business domains expand, and (ii) routing conflicts caused by overlapping agent capabilities, ultimately degrading accuracy and robustness.To address these challenges, we propose TCAndon-Router(TCAR): an adaptive reasoning router for multi-agent collaboration. Unlike traditional routers, TCAR supports dynamic agent onboarding and first generates a natural-language reasoning chain before predicting a set of candidate agents capable of handling the query. In addition, we design a collaborative execution pipeline in which selected agents independently produce responses, which are then aggregated and refined into a single high-quality response by a dedicated Refining Agent.Experiments on public datasets and real enterprise data demonstrate that TCAR significantly improves routing accuracy, reduces routing conflicts, and remains robust in ambiguous scenarios. We have released TCAR at https://huggingface.co/tencent/TCAndon-Router to support future research on explainable and collaborative multi-agent routing.