💻 computer science

MARCA: Multi-Agent Root Cause Analysis with Multi-Modal Data

El artículo propone MARCA, un marco de agentes múltiples que aborda los desafíos del análisis de causa raíz en sistemas distribuidos mediante el uso de una arquitectura de controlador-ejecutor-votante para lograr una alta precisión y eficiencia, reduciendo al mismo tiempo el uso de tokens y garantizando la privacidad de los datos.

Autores originales: Yidan Wang

Publicado 2026-09-22

📖 5 min de lectura🧠 Análisis profundo

CC BY 4.0

Autores originales: Yidan Wang

Artículo original bajo licencia CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). ✨ Esta es una explicación generada por IA del artículo a continuación. No ha sido escrita ni avalada por los autores. Para mayor precisión técnica, consulte el artículo original. Leer descargo de responsabilidad completo

Los sistemas de software modernos ya no son máquinas únicas y monolíticas; son vastas e intrincadas ciudades de diminutos programas independientes llamados microservicios que se comunican entre sí constantemente. Cuando una parte de esta ciudad digital tropieza, toda la red puede detenerse, provocando desde retrasos en los pagos hasta la caída de sitios web. Averiguar exactamente qué pequeño programa causó el colapso es una tarea conocida como Análisis de Causa Raíz. Durante décadas, los ingenieros han intentado automatizar esta búsqueda, pero el enorme volumen de datos —registros, cifras de rendimiento y códigos de error— hace que sea difícil para las herramientas tradicionales mantenerse al día. Recientemente, los potentes programas informáticos conocidos como Modelos de Lenguaje de Gran Tamaño han mostrado potencial para leer y comprender estos flujos de datos desordenados, de forma muy similar a como lo haría un experto humano. Sin embargo, estos modelos enfrentan sus propios obstáculos: pueden verse abrumados por demasiada información a la vez, son costosos de ejecutar y enviar datos sensibles de la empresa a servidores externos plantea serias preocupaciones de privacidad.

Un investigador de la Universidad de Luxemburgo ha desarrollado un nuevo enfoque para resolver estos problemas, llamado MARCA. En lugar de depender de un único y masivo programa informático que lea todo y adivine la respuesta, MARCA divide el trabajo en un pequeño equipo de trabajadores digitales especializados. Imagine un equipo de detectives donde una persona dirige la investigación, otra reúne pistas específicas y una tercera sopesa la evidencia para tomar una decisión final. Este equipo trabaja en conjunto en un bucle, haciendo preguntas, reuniendo datos y refinando su teoría hasta que están seguros de haber encontrado la verdadera fuente del fallo. Al dividir el trabajo, el sistema evita estancarse con cantidades masivas de datos, mantiene la información sensible en servidores locales para la privacidad y utiliza menos potencia de cálculo que los métodos anteriores.

El investigador probó este sistema multiagente en una plataforma de pagos simulada que construyeron ellos mismos, así como en comparativas públicas utilizadas por otros científicos. Inyectaron varios tipos de fallos en el sistema, como la sobrecarga del procesador, el llenado de la memoria o el corte de las conexiones de red, para ver si MARCA podía identificar correctamente al culpable. Los resultados fueron claros: el nuevo sistema encontró la causa raíz correctamente aproximadamente el 77 por ciento de las veces, una mejora significativa sobre los mejores métodos existentes, que rondaban el 62 por ciento. También demostró ser mucho mejor distinguiendo entre diferentes tipos de fallos, como diferenciar entre una ralentización de la red y una escasez de memoria, logrando una puntuación alta en precisión que sugiere que puede manejar las señales desordenadas y superpuestas de los sistemas del mundo real.

Lo que hace que este enfoque sea distinto es cómo gestiona el flujo de información. Los métodos tradicionales a menudo intentan introducir todos los datos disponibles en un solo modelo a la vez, lo que puede confundir al sistema o forzarlo a ignorar detalles importantes para que todo quepa. MARCA, por el contrario, actúa más como un investigador enfocado. Comienza en el punto donde se detectó el problema y luego comprueba sistemáticamente las conexiones que conducen de vuelta a la fuente. En cada paso, un agente "controlador" decide qué mirar a continuación, un agente "ejecutor" utiliza herramientas especializadas para obtener los registros o las cifras de rendimiento pertinentes, y un agente "votante" combina estos hallazgos para actualizar la lista de sospechosos. Este proceso se repite hasta que la evidencia apunta fuertemente a un servicio específico. Este método permite al sistema ignorar los datos irrelevantes, manteniendo la tarea manejable y eficiente.

El estudio también destacó que el simple hecho de utilizar un modelo de lenguaje más potente no es suficiente para resolver el problema. Cuando el investigador comparó su enfoque basado en equipos con un único modelo potente intentando hacer todo el trabajo solo, el sistema basado en equipos funcionó significamente mejor. Esto sugiere que la estructura de la investigación —la forma en que los agentes colaboran, filtran el ruido y sopesan diferentes tipos de evidencia— es más importante que la inteligencia bruta del modelo individual. El sistema también fue diseñado para ser adaptable; puede aprender de sus errores pasados para ajustar cuánto confía en diferentes tipos de datos, como si debe confiar más en los códigos de error o en las métricas de rendimiento, dependiendo de lo que haya funcionado mejor en escenarios previos.

Si bien los resultados son prometedores, el investigador tuvo cuidado de señalar los límites de su trabajo. El sistema depende de tener un mapa preciso de cómo están conectados los servicios; si ese mapa falta o está desactualizado, la investigación puede desviarse. Además, en casos donde múltiples problemas ocurren al mismo tiempo, el sistema a veces tiene dificultades para separar los síntomas superpuestos. Sin embargo, el hallazgo central se mantiene: al organizar el análisis en un proceso colaborativo e iterativo, es posible diagnosticar fallos de software complejos con mayor precisión y eficiencia que antes. Este enfoque ofrece un camino práctico para mantener los sistemas digitales a gran escala funcionando sin problemas, asegurando que cuando las cosas salgan mal, se pueda encontrar la respuesta correcta rápidamente sin comprometer la seguridad de los datos o sobrecargar los recursos informáticos.

Resumen Técnico: MARCA – Análisis de Causa Raíz Multi-Agente con Datos Multimodales

1. Planteamiento del Problema

El Análisis de Causa Raíz (RCA, por sus siglas en inglés) en arquitecturas de microservicios distribuidas y a gran escala enfrenta desafíos significativos debido a la heterogeneidad de los datos de observabilidad (registros, métricas, trazas, códigos de retorno) y la complejidad de las dependencias de los servicios. Aunque los Modelos de Lenguaje de Gran Escala (LLMs) ofrecen un potencial para el razonamiento sobre datos no estructurados, su aplicación directa al RCA se ve obstaculizada por:

Limitaciones de Contexto: Incapacidad para procesar datos diagnósticos de gran escala y múltiples fuentes sin una sumarización con pérdida, lo que degrada la precisión.
Eficiencia Computacional: Altos costos de inferencia y latencia al procesar registros de sistema y métricas en bruto.
Privacidad de Datos: Preocupaciones respecto a la transmisión de datos empresariales sensibles a modelos comerciales de código cerrado.
Adaptabilidad: Los sistemas existentes de agente único o basados en reglas luchan contra los modos de falla dinámicos, los formatos de datos evolutivos y la necesidad de un razonamiento causal cross-modal.

2. Metodología

El artículo propone MARCA, un marco de Análisis de Causa Raíz Multi-Agente que formaliza el RCA como un proceso de toma de decisiones iterativo. El sistema emplea una arquitectura Controlador–Ejecutor–Votante para descomponer tareas diagnósticas complejas, integrando la ejecución aumentada con herramientas y un mecanismo de consenso ponderado.

2.1 Arquitectura Central

Agente Controlador: Actúa como el núcleo de orquestación. Mantiene el estado global (conjunto de candidatos, ruta de recorrido) y descompone la tarea de RCA en una secuencia de acciones (por ejemplo, iniciar el análisis, descomponer tareas, gestionar bucles). Construye un grafo de dependencia dirigido $G=(V, E)$ para confinar el espacio de búsqueda dentro de la topología real del sistema.
Agentes Ejecutores: Agentes especializados responsables de la recuperación intensiva de datos. Interactúan con herramientas externas para consultar modalidades de observabilidad específicas (logs, métricas, trazas, códigos de retorno) basadas en las instrucciones del Controlador. Devuelven tuplas de evidencia estructurada que contienen puntuaciones de evidencia, puntuaciones de calidad de datos y racionales textuales.
Agente Votante: Agrega evidencia multimodal para resolver conflictos entre hipótesis de causa raíz competidoras. En lugar de una votación de mayoría simple, utiliza un mecanismo de consenso ponderado que considera la confiabilidad de la modalidad, la calidad actual de los datos y la fuerza de la evidencia.

2.2 Flujo de Razonamiento

El marco opera en un proceso iterativo de bucle cerrado:

Inicialización de la Topología: El Controlador identifica el nodo de entrada de una anomalía y construye el grafo de dependencia.
Recolección Iterativa de Evidencia: El sistema realiza un recorrido de búsqueda en anchura a lo largo del grafo de dependencia. En cada paso, el Controlador dirige a los Ejecutores para investigar los servicios vecinos. Se calcula un Puntaje de Correlación Causal ( $\xi$ $ξ$ ) para filtrar el ruido, combinando la correlación métrica temporal ( $\rho$ $ρ$ ) y la consistencia semántica de los códigos de retorno ($sim$).
- Ecuación: $\xi(v_i, v_j) = \lambda_1 \rho(x^{metric}_{v_i}, x^{metric}_{v_j}) + \lambda_2 sim(x^{ret}_{v_i}, x^{ret}_{v_j})$
Puntuación Unificada y Convergencia: El Agente Votante actualiza las puntuaciones de confianza de los candidatos mediante una suma ponderada de la evidencia. El bucle termina cuando la confianza de un candidato supera un umbral dinámico, el margen entre los principales candidatos es suficiente, o se alcanza el número máximo de iteraciones.

2.3 Razonamiento Adaptativo y Aprendizaje

Aprendizaje en Contexto (ICL): Los agentes siguen guías de razonamiento adaptativo (por ejemplo, identificación de anomalías semánticas, emparejamiento de correlación probabilística) en lugar de reglas heurísticas rígidas. Se recuperan ejemplos de pocos disparos (few-shot) dinámicamente basados en el tipo de falla y la similitud de la topología.
Aprendizaje de Parámetros: El marco utiliza un paradigma de aprendizaje de dos etapas:
- Optimización Offline: Se utiliza la optimación bayesiana para ajustar los pesos de correlación causal ( $\lambda_1, \lambda_2$ ) y los pesos de confiabilidad de la modalidad ( $w_m$ ) sobre conjuntos de datos de fallas históricas.
- Adaptación Online: Los pesos de las modalidades se actualizan mediante un Promedio Móvil Exponencial (EMA) basado en la retroalimentación diagnóstica en tiempo real, permitiendo que el sistema se adapte a cambios en la calidad de los datos o en las condiciones del sistema.

2.4 Ejecución Aumentada con Herramientas

Para abordar la longitud del contexto y la eficiencia, MARCA delega el procesamiento de datos de bajo nivel a herramientas especializadas (filtrado de logs, reconstrucción de trazas, detección de anomalías métricas). Esto permite que los agentes LLM mantengan contextos de tareas de alto nivel mientras delegan operaciones intensivas en recursos, reduciendo significamente el uso de tokens.

3. Contribuciones Clave

Formulación de Toma de Decisiones Iterativa: El artículo reformula el RCA como un proceso iterativo sobre datos de observabilidad heterogéneos, permitiendo un razonamiento paso a paso en lugar de un análisis de un solo paso.
Arquitectura Controlador–Ejecutor–Votante: Un novedoso diseño multi-agente que descompone el RCA en etapas de planificación, ejecución y validación, facilitando el manejo escalable del contexto y la toma de decisiones robusta.
Mecanismo de Consenso Ponderado: Un método para mejorar la robustez frente a señales diagnósticas ruidosas o conflictivas mediante la ponderación dinámica de la evidencia basada en la confiabilidad de la modalidad y la calidad de los datos.
Validación Empírica: Experimentos extensos que demuestran mejoras significativas sobre los modelos de referencia del estado del arte tanto en la localización de la causa raíz como en la clasificación de fallas.

4. Resultados Experimentales

El autor evaluó MARCA en un sistema de pagos autoconstruido (usando Chaos Mesh para la inyección de fallas) y en dos benchmarks públicos de microservicios (TrainTicket y MicroSS).

Desempeño: En el sistema de pagos autoconstruido, MARCA (usando Llama-2) logró una precisión Top-1 del 76.87% y un F1-score de 0.7896. Esto superó significativamente al baseline multimodal más fuerte (HolisticRCA con 62.15% Acc@1) y a los baselines de LLM de agente único.
Eficiencia: El marco redujo el uso de tokens en aproximadamente un 60% en comparación con los enfoques de agente único al aprovechar la recuperación aumentada con herramientas y la sumarización de evidencia estructurada, asegurando la viabilidad para el despliegue industrial en tiempo real.
Estudios de Ablación: Eliminar la Guía de Topología causó la caída de rendimiento más significativa (caída relativa del 32.1% en Acc@1), resaltando la necesidad de restringir el espacio de búsqueda con información de dependencia del sistema. Eliminar la Evidencia Multimodal también degradó sustancialmente el F1-score, confirmando la importancia de integrar datos heterogéneos.
Generalización: MARCA mantuvo una alta precisión en los benchmarks públicos (por ejemplo, 74.56% Acc@1 en TrainTicket), demostrando una mejor generalización a arquitecturas de sistemas no vistos en comparación con los métodos de agente único.

5. Significado y Reivindicaciones

El artículo afirma que MARCA aborda cuellos de botella críticos en los enfoques actuales de RCA basados en LLM, específicamente en lo que respecta a la escalabilidad, robustez y despliegue práctico.

Viabilidad Industrial: Al reducir la dependencia del contexto y permitir la ejecución local, MARCA asegura la soberanía de los datos y reduce los costos computacionales, haciéndolo adecuado para entornos empresariales.
Adaptabilidad: El mecanismo de colaboración dinámica permite que el sistema se adapte a objetivos evolutivos y condiciones del sistema sin la rigidez de las arquitecturas estáticas de agente único.
Efectividad Diagnóstica: La integración de agentes especializados y el razonamiento cross-modal superan las limitaciones del procesamiento monolítico, proporcionando una base más completa para identificar las causas raíz en sistemas distribuidos complejos.

El autor reconoce las limitaciones, señalando que la fidelidad diagnóstica depende de la completitud de los metadatos de la topología (particularmente en entornos serverless/efímeros) y la discriminabilidad de las modalidades en escenarios de fallas concurrentes. Se propone trabajo futuro centrado en la reconstrucción dinámica de la topología y el calibrado de pesos basado en aprendizaje por refuerzo.