Ce sunt sistemele multi-agent? Când mai mulţi agenţi AI funcţionează mai bine decât unul singur

Un sistem multi-agent este o arhitectură AI în care doi sau mai mulţi agenţi interacţionează pentru a rezolva o problemă, a coordona activitatea sau a opera într-un mediu comun. Agenţii pot avea roluri, instrumente, modele, cunoştinţe sau permisiuni diferite şi pot lucra secvenţial, în paralel sau prin negociere repetată.

Mai mulţi agenţi pot acoperi un spectru mai larg decât un singur agent atunci când o sarcină se descompune în mod natural. De asemenea, pot duplica efortul, pot transmite erori unul altuia şi pot consuma considerabil mai multe resurse. Prin urmare, proiectarea multi-agent este o alegere arhitecturală, nu o actualizare implicită.

Ce se consideră un sistem multi-agent?

Un sistem este multi-agent atunci când componente distincte orientate spre scop comunică sau influenţează munca celuilalt. Un agent poate delega către specialişti; colegii pot dezbate propuneri concurente; sau agenţii independenţi pot acţiona într-o simulare comună.

Apelarea aceluiaşi model de mai multe ori nu creează automat un sistem multi-agent semnificativ. Componentele trebuie să aibă roluri, stare, autoritate sau obiective diferenţiate care să modeleze modul în care interacţionează.

Cercetarea multi-agent precede modelele mari de limbaj şi cuprinde robotică, control distribuit, economie şi teoria jocurilor. Modelele de limbaj facilitează comunicarea agenţilor deoarece pot interpreta sarcini flexibile şi pot schimba mesaje în limbaj natural sau structurate.

De ce să utilizăm mai mulţi agenţi AI?

Paralelism

Subtask-urile independente pot rula simultan. Un sistem de cercetare poate aloca agenţi separaţi pentru date de piaţă, documentaţie tehnică, reglementări şi analiză competitivă, apoi poate combina constatările.

Specializare

Fiecare agent poate primi un prompt concentrat, un set de instrumente, un model, o sursă de date şi criterii de evaluare. Un revizor de securitate nu ar trebui să aibă aceleaşi permisiuni ca un agent care scrie cod.

Izolarea contextului

Împărţirea muncii poate menţine contextul fiecărui agent mai mic şi mai relevant. Agentul principal primeşte rezultate condensate în loc de fiecare document şi urmă de instrumente colectate de fiecare lucrător.

Verificare independentă

Un agent poate critica sau verifica rezultatul altuia. Independenţa poate evidenţia erori pe care un singur model le-ar repeta dacă i se cere să‑şi revizuiască propriul raţionament în acelaşi context.

Granițe organizaționale

Agenţii deţinuţi de echipe sau companii diferite pot colabora păstrându‑şi datele şi implementarea internă. Protocoale precum A2A îşi propun să susţină acest tip de interoperabilitate.

Arhitecturi comune multi-agent

Arhitectura ar trebui să facă responsabilitatea vizibilă. Dacă mai mulţi lucrători produc cercetări suprapuse, sistemul are nevoie de o regulă pentru reconcilierea contradicţiilor. Dacă agenţii acţionează în secvenţă, fiecare predare necesită un contract tipizat astfel încât „finalizat” să aibă acelaşi înţeles pentru expeditor şi destinatar. Prin urmare, o topologie este o decizie de guvernanţă a informaţiei la fel de mult ca o alegere de performanţă.

Orchestrator și lucrători

Un agent principal analizează obiectivul, creează subtask-uri, le atribuie agenților lucrători şi sintetizează rezultatele lor. Acest model este eficient atunci când numărul și natura subtask‑urilor nu pot fi cunoscute în avans.

Anthropic descrie utilizarea unui design orchestrator-operator în sistemul său de cercetare multi-agent, în care un agent principal delegă căutări paralele către subagenţi şi combină constatările lor.

Predare secvențială

Munca trece de la un specialist la altul. Un agent de planificare creează o specificație, un agent de implementare scrie cod şi un agent de revizuire verifică rezultatul. Aceasta seamănă cu un flux de lucru, dar fiecare etapă poate decide cum să îşi finalizeze sarcina.

Dezbatere sau deliberare

Mai mulţi agenţi propun soluţii, contestă presupunerile sau evaluează munca celuilalt înainte ca un judecător sau agregator să aleagă un răspuns. Acest lucru poate îmbunătăţi diversitatea raţionamentului, dar agenţii pot converge asupra aceleiaşi greşeli sau pot optimiza pentru a convinge judecătorul.

Agenţi descentralizaţi

Agenții se coordonează fără un controler permanent. Acest model apare în simulări, piețe, robotică și sisteme în care agenții reprezintă diferiți părți interesate. Este mai greu să se garanteze comportamentul global deoarece fiecare participant vede doar o parte a sistemului.

Evaluator și Optimizator

Un agent generează un rezultat, altul îl evaluează în raport cu criteriile definite, iar primul îl revizuiește. Bucla continuă până când rezultatul este acceptat sau atinge bugetul. Aceasta este utilă atunci când calitatea poate fi evaluată în mod fiabil.

Cum comunică agenții

Agenții pot schimba limbaj natural, mesaje structurate, obiecte de sarcină, fișiere partajate, înregistrări de bază de date sau evenimente. Comunicarea structurată este de obicei mai ușor de validat și automatizat. Un mesaj ar trebui să clarifice obiectivul, constrângerile, dovezile disponibile, rezultatul așteptat și starea de finalizare.

Comunicarea creează un blocaj informațional. Un lucrător care returnează un rezumat nesusținut poate ascunde nuanțe importante; unul care returnează întreaga transcriere poate supraîncărca orchestratorul. Sistemele bune transmit artefacte compacte cu citări, grad de încredere și proveniență, în loc de o simplă conversație nestructurată.

Un exemplu: Diligență complexă

Un agent principal primește o cerere de evaluare a unui furnizor potențial. Creează sarcini independente:

• un agent financiar revizuiește documentele și stabilitatea financiară;
• un agent de securitate verifică certificările și incidentele divulgate;
• un agent de produs compară capabilitățile cu cerințele;
• un agent juridic extrage termeni importanți din contract;
• un agent de verificare verifică afirmațiile și acoperirea citărilor.

Agentul principal apoi reconciliază conflictele, identifică dovezile lipsă, solicită lucrătorilor selectați să investigheze în continuare și produce un raport integrat. Sistemul obține acoperire și specializare, dar are nevoie de definiții comune pentru ca fiecare agent să evalueze același furnizor, perioadă și criterii.

Când mai mulți agenți sunt mai buni decât unul

O comparație corectă menține constante modelele de bază, instrumentele, bugetul de context și criteriile de succes. În caz contrar, un sistem multi-agent poate părea mai bun doar pentru că a folosit mai mulți tokeni sau a primit mai multe informații. Evaluarea comparativă față de un punct de referință bine conceput cu un singur agent dezvăluie dacă coordonarea în sine aduce valoare.

Sistemele multi-agent sunt cele mai puternice atunci când sarcinile sunt ample, descompuse și suficient de valoroase pentru a justifica calcul suplimentar. Cercetarea paralelă, verificarea independentă și munca care necesită instrumente foarte diferite sunt candidați potriviți.

Un singur agent este de obicei mai bun când sarcina este strâns legată, necesită un context coerent, are o traiectorie scurtă sau poate fi rezolvată cu un flux de lucru simplu. Împărțirea unei probleme mici creează un cost de coordonare fără diversitate utilă.

Costurile sistemelor multi-agent

Fiecare agent adaugă apeluri de model, context, instrumente și mesaje. Anthropic raportează că agenții din sistemul său de cercetare multi-agent au folosit mult mai mulți tokeni decât interacțiunile obișnuite de chat și că sistemele multi-agent au fost substanțial mai costisitoare decât cele cu un singur agent în măsurătorile interne. Raportul exact depinde de arhitectură, dar direcția este clară: autonomia paralelă schimbă resursele pentru acoperire.

Alte costuri includ:

• Întârziere de coordonare: sistemul așteaptă lucrătorii, reîncercările și sinteza.
• Muncă duplicată: agenții caută aceleași surse sau rezolvă subtaskuri suprapuse.
• Pierdere de comunicare: presupunerile importante dispar în timpul rezumării sau predării.
• Rezolvarea conflictelor: orchestratorul trebuie să reconcilieze constatări incompatibile.
• Complexitatea depanării: o defecțiune poate avea originea în delegare, execuție, mesagerie sau sinteză.

Moduri de eșec

Un controler global ar trebui să poată opri întregul sistem chiar dacă agenții individuali cred că subtask‑urile lor rămân neterminate. Limitele pe agent nu sunt suficiente când lucrătorii pot crea alți lucrători sau se pot reîncerca reciproc. Monitorizați numărul total de pași, costul total, timpul de ceas, sarcinile restante și acordurile de acces la limita sistemului.

Amplificarea erorii: afirmația neîntărită a unui agent devine premisa pentru mai mulți alții.

Raționament corelat: agenții care folosesc același model și același stil de prompt pot să nu ofere independență autentică.

Derapaj de obiectiv: un lucrător optimizează subtask‑ul său în timp ce subminează obiectivul global.

Delegare infinită: agenții creează alți agenți sau subtask‑uri fără o condiție utilă de oprire.

Extinderea autorității: un agent principal delegă acces sensibil sau acțiuni pe care utilizatorul inițial nu le-a autorizat.

Eșec al consensului: un vot majoritar poate recompensa concepții greșite comune în loc de corectitudine.

Principii de proiectare

Folosiți contracte de sarcină explicite. Fiecare atribuție ar trebui să precizeze obiectivul, domeniul, intrările, instrumentele permise, formatul de ieșire, cerințele de dovezi și bugetul. Atribuiți permisiuni rolului lucrătorului, nu întregului sistem.

Păstrați proveniența la fiecare predare. Rezultatul final ar trebui să poată urmări afirmațiile importante până la artefactele sursă, nu doar la afirmația altui agent. Adăugați verificări deterministe acolo unde este posibil, inclusiv validarea schemelor, deduplicarea, verificarea citărilor și limitele bugetare.

Evaluați atât componentele, cât și sistemul integrat. Un lucrător puternic poate totuși să eșueze în cadrul unei strategii de orchestrare slabe. Testele ar trebui să măsoare calitatea delegării, acoperirea subtask‑urilor, fidelitatea comunicării, acuratețea sintezei, costul total, latența și performanța în caz de eșec parțial al lucrătorului.

Cum să citiți diagramele MAS

Citiți diagramele MAS de la intrarea numerotată către rezultatul observabil. Compararea izolează limita care diferențiază MAS de cea mai apropiată scurtătură, în timp ce calea de control marchează unde autoritatea sau incertitudinea trebuie verificate înainte de o consecință în lumea reală. Etichetele rămân text obișnuit de pagină responsivă, astfel încât pot fi traduse, înfășurate și rearanjate pe un telefon.

Pentru Ce sunt sistemele multi-agent? Când mai mulți agenți AI funcționează mai bine decât unul, vizualul este o hartă, nu o garanție. O implementare reală poate combina etape, repeta un pas sau adăuga o limită de aprobare umană. Ceea ce contează este dacă echipa poate identifica aceleași funcții în sistemul implementat, să atribuie un proprietar fiecărei limite și să testeze tranziția dintre ele. Dacă o etapă nu poate fi observată sau măsurată, eșecurile de acolo vor fi greu de diagnosticat.

Ce trebuie să rețineți despre Ce sunt sistemele multi-agent

Sistemele multi-agent împarte inteligența și autoritatea între componente interacționale. Ele pot adăuga paralelism, specializare și revizuire independentă, făcându-le valoroase pentru sarcini ample care beneficiază cu adevărat de descompunere.

Ele multiplică, de asemenea, contextul, costul și căile de eșec. Înainte de a adăuga agenți, întrebați-vă dacă instrumente mai bune, un prompt mai clar sau un flux de lucru determinist pot rezolva problema. Folosiți mai mulți agenți când structura muncii — nu popularitatea arhitecturii — justifică coordonarea.