Arquitectura de Agentes Inteligentes Orquestados con LangGraph para Búsqueda Avanzada C-RAG de Licitaciones Públicas en Perú
Curso: Procesamiento del Lenguaje Natural (2025-I - MIA)Grupo 8 - Seccion A
INTEGRANTES.
Boza Gutarra, Fernando
Kevin Gómez Villanueva
Umbert Lewis de la Cruz Rodriguez
Yovany Romero Ramos
Callomamani Buendía, Johan Manuel
RESUMEN
Este trabajo presenta el diseño e implementación de un sistema inteligente de búsqueda de licitaciones públicas en el Perú, capaz de interpretar consultas en lenguaje natural, identificar la intención del usuario (por código de proceso o por descripción de servicio) y recuperar información relevante utilizando la técnica de Retrieval-Augmented Generation (RAG) con un paso correctivo (C-RAG). La solución se basa en una arquitectura multi-agente orquestada mediante LangGraph, lo que aporta modularidad, escalabilidad y trazabilidad al flujo de la consulta. Se utilizó un pipeline de agentes que incluye: un agente reformulador para comprensión de la consulta (usando un modelo de lenguaje grande, LLM), un agente de búsqueda semántica apoyado en una base de datos vectorial de licitaciones, y un agente validador que clasifica y justifica la relevancia de los resultados usando un modelo LLM de código abierto. Como base de datos se construyó un vector de embeddings semánticos a partir de datos reales extraídos del portal de SEACE (Sistema Electrónico de Contrataciones del Estado).
KEYWORDS
Arquitectura de agentes inteligentes, LangGraph, Búsqueda semántica de licitaciones públicas, Licitaciones SEACE Perú, Recuperación de información con C-RAG, Búsqueda avanzada en lenguaje natural, Contratación pública inteligente, Embeddings semánticos, Modelos de lenguaje LLM, LangChain, ChromaDB, Multiagente orquestado.