Cuando un solo piloto es responsable de gestionar un sistema de múltiples drones, la tarea puede requerir diferentes niveles de autonomía, desde el control directo de UAV individuales hasta la coordinación a nivel grupal y comportamientos de enjambre totalmente autónomos para llevar a cabo tareas de alto nivel. Habilitar tal interacción requiere un marco que soporte múltiples modos de autonomía compartida. A medida que los modelos de lenguaje continúan mejorando en razonamiento y planificación, proporcionan una base natural para tales sistemas. En este documento, presentamos TACOS (Coordinador Agnóstico de Tareas de un Sistema de Múltiples Drones), un marco unificado que permite el control de lenguaje natural de alto nivel de sistemas multi-UAV a través de un Modelo de Lenguaje Grande (LLM). TACOS integra tres capacidades clave en una sola arquitectura: una interfaz de lenguaje natural uno a muchos para una interacción intuitiva con el usuario, un coordinador inteligente para traducir la intención del usuario en planes de tarea estructurados, y un agente autónomo que ejecuta planes e interactúa con el mundo real. TACOS permite que un LLM interactúe con una biblioteca de APIs ejecutables, uniendo el razonamiento semántico con la coordinación en tiempo real de múltiples robots. Demostramos el sistema en un sistema de múltiples drones del mundo real y realizamos un estudio de ablación para evaluar la contribución de cada módulo.