ระบบหลายตัวแทนคืออะไร? เมื่อเอเจนต์ AI หลายตัวทำงานได้ดีกว่าตัวเดียว

ระบบหลายตัวแทนคือสถาปัตยกรรม AI ที่สองหรือมากกว่าตัวแทนทำงานร่วมกันเพื่อแก้ปัญหา ประสานกิจกรรม หรือดำเนินการในสภาพแวดล้อมร่วมกัน ตัวแทนอาจมีบทบาท เครื่องมือ โมเดล ความรู้ หรือสิทธิ์ที่แตกต่างกัน และสามารถทำงานต่อเนื่อง แบบขนาน หรือผ่านการเจรจาซ้ำหลายครั้ง

หลายตัวแทนสามารถครอบคลุมพื้นที่ได้มากกว่าตัวแทนเดียวเมื่อภารกิจสามารถแยกย่อยได้ตามธรรมชาติ พวกเขายังอาจทำงานซ้ำซ้อน ส่งข้อผิดพลาดให้กันและกัน และใช้ทรัพยากรมากขึ้นอย่างมีนัยสำคัญ ดังนั้นการออกแบบหลายตัวแทนจึงเป็นการเลือกสถาปัตยกรรม ไม่ใช่การอัปเกรดเริ่มต้นโดยอัตโนมัติ

อะไรถือเป็นระบบหลายตัวแทน?

ระบบจะเป็นหลายตัวแทนเมื่อส่วนประกอบที่มีเป้าหมายชัดเจนสื่อสารหรือส่งผลต่อการทำงานของกันและกัน ตัวแทนหนึ่งอาจมอบหมายให้ผู้เชี่ยวชาญ; เพื่อนร่วมงานอาจโต้แย้งข้อเสนอที่แข่งขันกัน; หรือเอเจนต์อิสระอาจทำงานในสภาพจำลองร่วมกัน

การเรียกใช้โมเดลเดียวกันหลายครั้งไม่ได้สร้างระบบหลายตัวแทนที่มีความหมายโดยอัตโนมัติ ส่วนประกอบต้องมีบทบาท สถานะ อำนาจ หรือวัตถุประสงค์ที่แตกต่างกันซึ่งกำหนดวิธีการโต้ตอบของพวกเขา

การวิจัยหลายตัวแทนมีมานานก่อนโมเดลภาษาขนาดใหญ่และรวมถึงหุ่นยนต์ การควบคุมแบบกระจาย เศรษฐศาสตร์ และทฤษฎีเกม โมเดลภาษาทำให้การสื่อสารระหว่างเอเจนต์ง่ายขึ้นเพราะสามารถตีความงานที่ยืดหยุ่นและแลกเปลี่ยนข้อความภาษาธรรมชาติหรือข้อความเชิงโครงสร้างได้

ทำไมต้องใช้เอเจนต์ AI หลายตัว?

การทำงานขนาน

งานย่อยอิสระสามารถทำงานพร้อมกันได้ ระบบวิจัยสามารถมอบหมายเอเจนต์แยกต่างหากให้กับข้อมูลตลาด เอกสารเทคนิค กฎระเบียบ และการวิเคราะห์คู่แข่ง แล้วรวมผลลัพธ์เข้าด้วยกัน

ความเชี่ยวชาญ

แต่ละเอเจนต์สามารถรับพรอมต์ที่มุ่งเน้น ชุดเครื่องมือ โมเดล แหล่งข้อมูล และเกณฑ์การประเมิน ผู้ตรวจสอบความปลอดภัยไม่ควรต้องมีสิทธิ์เดียวกับเอเจนต์ที่เขียนโค้ด

การแยกบริบท

การแบ่งงานสามารถทำให้บริบทของแต่ละเอเจนต์เล็กลงและเกี่ยวข้องมากขึ้น เอเจนต์หลักจะได้รับผลลัพธ์ที่สรุปสั้นแทนที่จะเป็นเอกสารและร่องรอยเครื่องมือทั้งหมดที่แต่ละผู้ทำงานเก็บรวบรวม

การตรวจสอบอิสระ

เอเจนต์หนึ่งสามารถวิจารณ์หรือยืนยันผลลัพธ์ของอีกเอเจนต์หนึ่ง ความเป็นอิสระสามารถเปิดเผยข้อผิดพลาดที่โมเดลเดียวอาจทำซ้ำเมื่อถูกขอให้ตรวจสอบเหตุผลของตนเองในบริบทเดียวกัน

ขอบเขตองค์กร

เอเจนต์ที่เป็นของทีมหรือบริษัทต่างกันสามารถทำงานร่วมกันได้ในขณะที่รักษาข้อมูลและการดำเนินการภายในของตนไว้ โปรโตคอลเช่น A2A มีเป้าหมายเพื่อสนับสนุนรูปแบบการทำงานร่วมกันนี้

สถาปัตยกรรมหลายตัวแทนทั่วไป

สถาปัตยกรรมควรทำให้ความรับผิดชอบเป็นที่มองเห็นได้ หากผู้ทำงานหลายคนผลิตการวิจัยที่ทับซ้อนกัน ระบบต้องมีกฎเพื่อปรับความขัดแย้ง หากเอเจนต์ทำงานต่อเนื่องกัน การส่งมอบแต่ละครั้งต้องมีสัญญาที่กำหนดประเภทเพื่อให้คำว่า “เสร็จ” มีความหมายเดียวกันสำหรับผู้ส่งและผู้รับ ดังนั้นโทโพโลยีจึงเป็นการตัดสินใจด้านการกำกับข้อมูลเท่ากับการเลือกด้านประสิทธิภาพ

ผู้ประสานงานและผู้ทำงาน

เอเจนต์หลักวิเคราะห์วัตถุประสงค์ สร้างงานย่อย มอบหมายให้เอเจนต์ผู้ทำงาน และสังเคราะห์ผลลัพธ์ของพวกเขา รูปแบบนี้มีประสิทธิภาพเมื่อจำนวนและลักษณะของงานย่อยไม่สามารถทราบล่วงหน้าได้

Anthropic อธิบายการใช้การออกแบบผู้ประสานงาน-ผู้ทำงานใน ระบบวิจัยหลายตัวแทน ของตน ซึ่งเอเจนต์หลักมอบหมายการค้นหาแบบขนานให้กับซับเอเจนต์และรวมผลการค้นหาของพวกเขา

การส่งต่อแบบต่อเนื่อง

งานจะผ่านจากผู้เชี่ยวชาญคนหนึ่งไปยังคนถัดไป เอเจนต์วางแผนสร้างสเปคิฟิเคชัน เอเจนต์การดำเนินการเขียนโค้ด และเอเจนต์ตรวจสอบตรวจเช็คผลลัพธ์ สิ่งนี้คล้ายกับกระบวนการทำงาน แต่แต่ละขั้นตอนอาจตัดสินใจว่าจะทำภารกิจของตนอย่างไร

การอภิปรายหรือการพิจารณา

เอเจนต์หลายตัวเสนอแนวทางแก้ไข ท้าทายสมมติฐาน หรือให้คะแนนงานของกันและกันก่อนที่ผู้ตัดสินหรือผู้รวมผลจะเลือกคำตอบ สิ่งนี้สามารถเพิ่มความหลากหลายของการให้เหตุผลได้ แต่เอเจนต์อาจมุ่งสู่ความผิดพลาดเดียวกันหรือปรับให้เหมาะสมเพื่อโน้มน้าวผู้ตัดสิน

เพียร์แบบกระจายศูนย์

เอเจนต์ทำงานร่วมกันโดยไม่มีผู้ควบคุมถาวรรูปแบบนี้พบในการจำลองตลาด ระบบหุ่นยนต์ และระบบที่เอเจนต์เป็นตัวแทนของผู้มีส่วนได้ส่วนเสียต่าง ๆ การรับประกันพฤติกรรมโดยรวมทำได้ยากขึ้นเพราะผู้เข้าร่วมแต่ละคนเห็นเพียงส่วนหนึ่งของระบบเท่านั้น

ผู้ประเมินและผู้เพิ่มประสิทธิภาพ

เอเจนต์หนึ่งสร้างผลลัพธ์ อีกเอเจนต์หนึ่งประเมินผลลัพธ์ตามเกณฑ์ที่กำหนด และเอเจนต์แรกทำการปรับปรุงวนลูปต่อไปจนผลลัพธ์ผ่านหรือถึงงบประมาณ การทำเช่นนี้มีประโยชน์เมื่อคุณภาพสามารถให้คะแนนได้อย่างเชื่อถือได้

วิธีที่เอเจนต์สื่อสาร

เอเจนต์สามารถแลกเปลี่ยนภาษาธรรมชาติ, ข้อความที่มีโครงสร้าง, วัตถุภารกิจ, ไฟล์ที่ใช้ร่วมกัน, บันทึกฐานข้อมูล หรือเหตุการณ์ การสื่อสารที่มีโครงสร้างมักง่ายต่อการตรวจสอบและอัตโนมัติมากกว่า ข้อความควรทำให้วัตถุประสงค์, ข้อจำกัด, หลักฐานที่มี, ผลลัพธ์ที่คาดหวัง, และสถานะการเสร็จสมบูรณ์ชัดเจน

การสื่อสารสร้างคอขวดของข้อมูล งานที่ส่งสรุปที่ไม่รองรับอาจทำให้รายละเอียดสำคัญหายไป; งานที่ส่งบันทึกการสนทนาทั้งหมดอาจทำให้ผู้ประสานงานทำงานหนักเกินไป ระบบที่ดีจะส่งมอบผลลัพธ์สั้น ๆ พร้อมอ้างอิง, ความมั่นใจ, และแหล่งที่มามากกว่าการสนทนาที่ไม่มีโครงสร้างเพียงอย่างเดียว

ตัวอย่าง: การตรวจสอบความเหมาะสมอย่างซับซ้อน

เอเจนต์หลักได้รับคำขอให้ประเมินผู้ขายที่อาจเป็นไปได้และสร้างงานอิสระดังต่อไปนี้:

• เอเจนต์ด้านการเงินตรวจสอบเอกสารและเสถียรภาพทางการเงิน;
• เอเจนต์ด้านความปลอดภัยตรวจสอบการรับรองและเหตุการณ์ที่เปิดเผย;
• เอเจนต์ด้านผลิตภัณฑ์เปรียบเทียบความสามารถกับความต้องการ;
• เอเจนต์ด้านกฎหมายสกัดข้อกำหนดสำคัญของสัญญา;
• เอเจนต์ตรวจสอบความถูกต้องตรวจสอบการอ้างอิงและการครอบคลุมของข้อมูล;

เอเจนต์หลักจากนั้นจะประสานความขัดแย้ง, ระบุหลักฐานที่ขาด, ขอให้ผู้ทำงานที่เลือกตรวจสอบต่อไป, และสร้างรายงานรวม ระบบจะได้ความครอบคลุมและความเชี่ยวชาญที่สูงขึ้น แต่ต้องมีคำนิยามร่วมกันเพื่อให้ทุกเอเจนต์ประเมินผู้ขาย, ระยะเวลา, และเกณฑ์เดียวกัน

เมื่อหลายเอเจนต์ทำงานดีกว่าหนึ่งเอเจนต์

การเปรียบเทียบที่เป็นธรรมต้องคงที่โมเดลพื้นฐาน, เครื่องมือ, งบประมาณบริบท, และเกณฑ์ความสำเร็จ มิฉะนั้นระบบหลายเอเจนต์อาจดูดีกว่าเพียงเพราะใช้โทเคนมากกว่าหรือได้รับข้อมูลเพิ่ม การวัดผลเทียบกับฐานเดียวเอเจนต์ที่ออกแบบดีจะเปิดเผยว่าการประสานงานเองให้คุณค่าแค่ไหน

ระบบหลายเอเจนต์จะมีประสิทธิภาพสูงสุดเมื่อภารกิจกว้าง, แบ่งย่อยได้, และมีคุณค่าพอที่จะคุ้มค่ากับการคำนวณเพิ่มเติม งานวิจัยแบบขนาน, การตรวจสอบอิสระ, และงานที่ต้องใช้เครื่องมือที่แตกต่างอย่างชัดเจนเป็นตัวอย่างที่เหมาะสม

เอเจนต์เดียวมักจะดีกว่าเมื่อภารกิจเชื่อมโยงแน่น, ต้องการบริบทที่สอดคล้องกัน, มีเส้นทางสั้น, หรือสามารถแก้ได้ด้วยกระบวนการทำงานที่ตรงไปตรงมา การแบ่งปัญหาเล็ก ๆ จะสร้างภาระการประสานงานโดยไม่มีความหลากหลายที่เป็นประโยชน์

ต้นทุนของระบบหลายเอเจนต์

แต่ละเอเจนต์เพิ่มการเรียกใช้โมเดล, บริบท, เครื่องมือ, และข้อความ Anthropic รายงานว่าเอเจนต์ในระบบวิจัยหลายเอเจนต์ของตนใช้โทเคนมากกว่าการสนทนาปกติอย่างมาก และระบบหลายเอเจนต์มีค่าใช้จ่ายสูงกว่าระบบเอเจนต์เดียวอย่างมีนัยสำคัญตามการวัดภายในของบริษัท อัตราส่วนที่แน่นอนขึ้นอยู่กับสถาปัตยกรรม แต่แนวโน้มชัดเจน: ความอิสระแบบขนานแลกกับทรัพยากรเพื่อให้ครอบคลุมมากขึ้น

ต้นทุนอื่น ๆ ได้แก่:

• ความล่าช้าการประสานงาน: ระบบต้องรอเอเจนต์ทำงาน, ทำการลองใหม่, และสังเคราะห์ผลลัพธ์
• งานซ้ำซ้อน: เอเจนต์ค้นหาแหล่งข้อมูลเดียวกันหรือทำงานย่อยที่ทับซ้อนกัน
• การสูญเสียการสื่อสาร: สมมติฐานสำคัญหายไประหว่างการสรุปหรือการส่งต่อ.
• การแก้ไขความขัดแย้ง: ตัวประสานงานต้องประสานผลลัพธ์ที่ไม่เข้ากัน.
• ความซับซ้อนของการดีบัก: ความล้มเหลวอาจเกิดจากการมอบหมาย, การดำเนินงาน, การส่งข้อความ หรือการสังเคราะห์.

โหมดความล้มเหลว

ตัวควบคุมระดับโลกควรสามารถหยุดระบบทั้งหมดได้แม้ว่าเอเจนต์แต่ละตัวจะเชื่อว่าหน้าที่ย่อยของตนยังไม่เสร็จสมบูรณ์ การจำกัดต่อเอเจนต์เดียวไม่เพียงพอเมื่อผู้ทำงานสามารถสร้างผู้ทำงานเพิ่มหรือทำการลองใหม่ต่อกันได้ ต้องติดตามจำนวนขั้นตอนทั้งหมด, ค่าใช้จ่ายรวม, เวลาแบบเวลานาฬิกาจริง, งานค้างคา, และการให้สิทธิ์การเข้าถึงที่ขอบเขตของระบบ.

การขยายความผิดพลาด: การอ้างอิงที่ไม่รองรับของเอเจนต์หนึ่งกลายเป็นพื้นฐานสำหรับหลายเอเจนต์อื่น.

การให้เหตุผลที่สัมพันธ์กัน: เอเจนต์ที่ใช้โมเดลและสไตล์พรอมต์เดียวกันอาจไม่ให้ความเป็นอิสระที่แท้จริง.

การเบี่ยงเบนเป้าหมาย: ผู้ทำงานปรับแต่งงานย่อยของตนในขณะที่ทำลายวัตถุประสงค์โดยรวม.

การมอบหมายไม่สิ้นสุด: เอเจนต์สร้างเอเจนต์หรือหน้าที่ย่อยเพิ่มเติมโดยไม่มีเงื่อนไขการหยุดที่มีประโยชน์.

การขยายอำนาจ: เอเจนต์ผู้นำมอบหมายการเข้าถึงหรือการกระทำที่ละเอียดอ่อนซึ่งผู้ใช้ต้นฉบับไม่ได้ให้สิทธิ์.

ความล้มเหลวของการเห็นพ้อง: การลงคะแนนส่วนใหญ่อาจให้รางวัลกับความเข้าใจผิดร่วมกันแทนความถูกต้อง.

หลักการออกแบบ

ใช้สัญญางานที่ชัดเจน แต่ละการมอบหมายควรระบุเป้าหมาย, ขอบเขต, อินพุต, เครื่องมือที่อนุญาต, รูปแบบผลลัพธ์, ความต้องการหลักฐาน, และงบประมาณ. กำหนดสิทธิ์ให้กับบทบาทของผู้ทำงาน ไม่ใช่ระบบทั้งหมด.

รักษาที่มาของข้อมูลผ่านทุกการส่งต่อ ผลลัพธ์สุดท้ายควรสามารถติดตามข้ออ้างสำคัญไปยังแหล่งข้อมูลต้นฉบับ ไม่ใช่เพียงการอ้างอิงของเอเจนต์อื่น. เพิ่มการตรวจสอบเชิงกำหนดเมื่อเป็นไปได้ รวมถึงการตรวจสอบสคีม่า, การกำจัดข้อมูลซ้ำ, การตรวจสอบการอ้างอิง, และขีดจำกัดงบประมาณ.

ประเมินทั้งส่วนประกอบและระบบที่บูรณาการ. ผู้ทำงานที่แข็งแกร่งอาจยังล้มเหลวภายใต้กลยุทธ์การประสานงานที่อ่อนแอ. การทดสอบควรวัดคุณภาพการมอบหมาย, ความครอบคลุมของงานย่อย, ความแม่นยำของการสื่อสาร, ความถูกต้องของการสังเคราะห์, ค่าใช้จ่ายรวม, ความหน่วงเวลา, และประสิทธิภาพเมื่อเกิดการล้มเหลวของผู้ทำงานบางส่วน.

วิธีอ่านแผนภาพ MAS

อ่านแผนภาพ MAS จากอินพุตที่มีหมายเลขไปสู่ผลลัพธ์ที่สังเกตได้ การเปรียบเทียบแยกขอบเขตที่ทำให้ MAS แตกต่างจากทางลัดที่ใกล้เคียงที่สุด ในขณะที่เส้นทางการควบคุมระบุจุดที่ต้องตรวจสอบอำนาจหรือความไม่แน่นอนก่อนผลลัพธ์ในโลกจริง ป้ายกำกับยังคงเป็นข้อความหน้าตอบสนองทั่วไปเพื่อให้สามารถแปล, ห่อหุ้ม, และจัดเรียงใหม่บนโทรศัพท์ได้.

สำหรับ “What Are Multi-Agent Systems? When Multiple AI Agents Work Better Than One” ภาพประกอบเป็นแผนที่ไม่ใช่การรับประกัน การนำไปใช้จริงอาจรวมขั้นตอนหลายขั้นตอน, ทำซ้ำขั้นตอน, หรือเพิ่มขอบเขตการอนุมัติของมนุษย์ สิ่งสำคัญคือทีมสามารถระบุฟังก์ชันเดียวกันในระบบที่ใช้งาน, กำหนดเจ้าของให้กับแต่ละขอบเขต, และทดสอบการเปลี่ยนผ่านระหว่างขอบเขตเหล่านั้น หากขั้นตอนใดไม่สามารถสังเกตหรือวัดได้ ความล้มเหลวในขั้นตอนนั้นจะยากต่อการวินิจฉัย.

สิ่งที่ควรจำเกี่ยวกับ What Are Multi-Agent Systems

ระบบหลายเอเจนต์แบ่งปัญญาและอำนาจระหว่างส่วนประกอบที่โต้ตอบกัน พวกมันสามารถเพิ่มการทำงานแบบขนาน, ความเชี่ยวชาญ, และการตรวจสอบอิสระ ทำให้มีคุณค่าในงานที่กว้างขวางและได้ประโยชน์จริงจากการแยกส่วน.

พวกมันยังเพิ่มบริบท, ค่าใช้จ่าย, และเส้นทางความล้มเหลว ก่อนเพิ่มเอเจนต์ ควรสอบถามว่ามีเครื่องมือที่ดีกว่า, พรอมต์ที่ชัดเจนกว่า, หรือกระบวนการทำงานเชิงกำหนดที่สามารถแก้ปัญหาได้หรือไม่ ใช้หลายเอเจนต์เมื่อโครงสร้างของงาน—not ความนิยมของสถาปัตยกรรม—เป็นเหตุผลที่สมเหตุสมผลสำหรับการประสานงาน.