El reconocimiento de expresiones faciales (FER) sirve como un enfoque fundamental para comprender los estados afectivos humanos y las intenciones conductuales, formando la base fundamental para lograr una interacción natural en los sistemas de computación afectiva. Para abordar las limitaciones de las redes neuronales convolucionales en la captura de características globales de expresiones faciales, al mismo tiempo que se superan los desafíos de los Transformadores de Visión en cuanto a sus sustanciales requisitos de parámetros, alta complejidad computacional y dificultades para cumplir con las demandas de implementación ligera para aplicaciones prácticas, este documento propone Agent-Poster, un modelo ligero de reconocimiento de expresiones faciales a múltiples escalas basado en la Atención de Agentes. Basándose en el marco POSTER++, el modelo integra de manera innovadora la Atención de Agentes, adopta una arquitectura de doble flujo simplificada para minimizar interacciones redundantes e implementa una fusión eficiente de características a múltiples escalas. Los resultados experimentales demuestran que el método propuesto logra un rendimiento de reconocimiento superior en comparación con enfoques existentes, alcanzando tasas de precisión del 92.61% en el conjunto de datos RAF-DB y del 68.21% en el conjunto de datos AffectNet, validando así su robustez y precisión en tareas de reconocimiento de expresiones faciales.