Una de las características principales de las redes 5G es la capacidad de admitir múltiples servicios en la misma infraestructura, siendo el "network slicing" una tecnología clave. Sin embargo, las arquitecturas actuales de "network slicing" tienen limitaciones en el manejo eficiente de solicitudes de segmento con diferentes requisitos, especialmente al abordar servicios de alta confiabilidad y alta demanda, donde muchos problemas siguen sin resolverse. Por ejemplo, predecir si los recursos físicos reales pueden satisfacer las demandas de solicitud de segmento de red y lograr una asignación flexible y bajo demanda de recursos para diferentes tipos de solicitudes de segmento son desafíos significativos. Para abordar la necesidad de demandas de servicios más flexibles y eficientes, este documento propone un algoritmo de implementación de segmentación de red 5G basado en el Multi-Agent Deep Deterministic Policy Gradient (MADDPG). En primer lugar, se establece un nuevo marco de sistema de implementación de segmentación de red 5G, que mide los recursos para tres escenarios típicos de segmentación de red 5G (eMBB, mMTC, uRLLC) y procesa diferentes tipos de solicitudes de segmento mediante la predicción del tráfico de solicitud de segmento. En segundo lugar, al adoptar el enfoque multiagente de MADDPG, el algoritmo mejora la cooperación entre múltiples solicitudes de servicio, descentraliza la selección de acciones para las solicitudes y programa los recursos por separado para los tres tipos de solicitudes de segmento, optimizando así la asignación de recursos. Finalmente, los resultados de la simulación demuestran que el algoritmo propuesto supera significativamente a los algoritmos existentes en cuanto a eficiencia de recursos y tasa de aceptación de solicitudes de segmento, mostrando las ventajas de los enfoques multiagente en el manejo de solicitudes de segmento.