Ein einzelner Agent arbeitet eine Aufgabe Schritt für Schritt ab. Ein Multi-Agenten-System teilt die Aufgabe auf und bearbeitet die Teile gleichzeitig.
So funktioniert es
Anthropic beschreibt seine Research-Funktion als „orchestrator-worker pattern, where a lead agent coordinates the process while delegating to specialized subagents.“ (Übersetzung: „Orchestrator-Worker-Muster, bei dem ein Lead-Agent den Prozess koordiniert und an spezialisierte Subagents delegiert.“) Der Lead liest die Frage, plant, startet mehrere Subagents, die parallel suchen, und schreibt aus deren Zusammenfassungen die endgültige Antwort.
Es gibt andere Designs. Das AutoGen-Paper (Wu et al., 2023) beschreibt ein Framework, in dem „customizable, conversable“ (Übersetzung: „anpassbare, gesprächsfähige“) Agenten miteinander, mit Menschen und mit Tools sprechen und Entwickler das Gesprächsmuster in natürlicher Sprache oder in Code programmieren.
Ein durchgerechnetes Beispiel für einen Orchestrator-Worker-Lauf:
Lead: plan -> start 3 workers
Worker 1: search docs for topic A -> 1,500-token summary
Worker 2: search docs for topic B -> 1,500-token summary
Worker 3: search docs for topic C -> 1,500-token summary
Lead: read 3 summaries -> final answer
Jeder Worker verbraucht eigene Tokens fürs Suchen und Lesen. Der Lead sieht nur die Zusammenfassungen.
Warum es wichtig ist
- Qualität bei breiten Aufgaben. Anthropic berichtet, dass ein Multi-Agenten-Aufbau mit Claude Opus 4 als Lead und Sonnet 4 als Workern in seinem internen Research-Eval „outperformed single-agent Claude Opus 4 by 90.2%“ (Übersetzung: „Claude Opus 4 als einzelnen Agenten um 90,2 % übertraf“).
- Token-Kosten. Laut demselben Beitrag verbrauchen Agenten etwa viermal so viele Tokens wie ein Chat, und Multi-Agenten-Systeme „about 15× more tokens than chats“ (Übersetzung: „etwa 15-mal mehr Tokens als Chats“). Außerdem erklärte allein der Token-Verbrauch 80 % der Leistungsvarianz bei BrowseComp. Mehr Agenten heißt meist eine höhere Rechnung. Der Beitrag zu Kosten von Multi-Agenten-Systemen vergleicht Abrechnung pro Token und Flatrate.
- Eignung. Anthropic merkt an, dass Coding weniger gut passt, weil „most coding tasks involve fewer truly parallelizable tasks than research“ (Übersetzung: „die meisten Coding-Aufgaben weniger wirklich parallelisierbare Teilaufgaben enthalten als Recherche“), und Aufgaben mit viel gemeinsamem Kontext oder Abhängigkeiten zwischen Agenten eignen sich schlecht.
- Parallelität. Parallele Worker sind parallele Anfragen, also begrenzt Ihr Concurrency-Limit den Geschwindigkeitsgewinn.
Bei BroadNet Inference
BroadNet stellt die Modelle bereit; die Orchestrierung läuft in Ihrem Framework. Anleitungen behandeln CrewAI und das OpenAI Agents SDK mit einer Base URL von BroadNet.
Ein Pay-as-you-go-Schlüssel erlaubt 30 Anfragen pro Minute und 4 gleichzeitig laufende. Auf den Flatrate-Plänen für DeepSeek V4.1 Flash gibt es keinen Token-Zähler, was den Token-Multiplikator aus der Rechnung nimmt, aber jede Session verarbeitet eine Anfrage nach der anderen. Kaufen Sie eine Session für jede Modellanfrage, die im selben Moment laufen kann: Drei gleichzeitig arbeitende Worker brauchen drei Sessions, und vier, wenn der Lead währenddessen weiter das Modell aufruft. Parallele Coding-Agenten auf einer Flatrate-API geht gängige Muster durch.