---
title: "Ano ang multi-agent system? LLM orchestration, paliwanag"
description: "Hinahati ng multi-agent system ang isang task sa ilang LLM agent, madalas isang lead na nagpaplano at mga worker na sabay tumatakbo. Paano ito gumagana at magkano."
url: https://broadrouter.com/fil/glossary/multi-agent-system/
lang: fil
updated: 2026-11-15
publisher: BroadRouter (a BroadNet site); API by BroadNet Inference, https://inference.broadnet.ai
---

Isinalin mula sa Ingles sa tulong ng AI. [Basahin ang orihinal sa Ingles](https://broadrouter.com/glossary/multi-agent-system/) (na-update noong 2026-11-15).

# Multi-agent system

Na-update 2026-11-15

Ang multi-agent system ay isang LLM application kung saan ilang agent, bawat isa may sariling prompt, tools at context, ang gumagawa sa mga bahagi ng iisang task. Karaniwang disenyo ang orchestrator-worker: nagpaplano ang lead agent, nagpapatakbo ng mga worker agent nang sabay-sabay at pinagsasama ang mga resulta nila.

Tinatawag ding: multi-agent system, multi-agent, multi-agent orchestration, orchestrator-worker, maraming agent

Hakbang-hakbang na tinatapos ng iisang agent ang isang task. Hinahati naman ito ng multi-agent system at sabay-sabay na pinapatakbo ang mga piraso.

## Paano ito gumagana

Inilalarawan ng Anthropic ang Research feature nito bilang “orchestrator-worker pattern, where a lead agent coordinates the process while delegating to specialized subagents.” (Salin ng BroadRouter: “orchestrator-worker pattern, kung saan kino-coordinate ng lead agent ang proseso habang ipinapasa ang trabaho sa mga espesyalisadong subagent.”) Binabasa ng lead ang tanong, nagpaplano, nagpapatakbo ng ilang [subagent](https://broadrouter.com/fil/glossary/subagent/) na sabay-sabay naghahanap, at isinusulat ang huling sagot mula sa mga buod nila.

May iba pang disenyo. Inilalarawan ng AutoGen paper (Wu et al., 2023) ang isang framework kung saan nag-uusap ang mga “customizable, conversable” (Salin ng BroadRouter: “nako-customize at nakakausap”) na agent sa isa’t isa, sa mga tao at sa tools, at pinoprograma ng mga developer ang pattern ng usapan sa natural language o code.

Isang halimbawa ng orchestrator-worker run:

```text
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
```

Gumagastos ang bawat worker ng sarili nitong token sa paghahanap at pagbabasa. Ang mga buod lang ang nakikita ng lead.

## Bakit ito mahalaga

-   **Kalidad sa malalawak na task.** Iniuulat ng Anthropic na ang multi-agent setup na may Claude Opus 4 bilang lead at Sonnet 4 bilang mga worker ay “outperformed single-agent Claude Opus 4 by 90.2%” (Salin ng BroadRouter: “nalampasan ang single-agent na Claude Opus 4 nang 90.2%”) sa internal research eval nito.
-   **Gastos sa token.** Sinasabi ng parehong post na humigit-kumulang apat na beses ng token ng chat ang ginagamit ng mga agent, at ang multi-agent system ay “about 15× more tokens than chats.” (Salin ng BroadRouter: “mga 15× na mas maraming token kaysa sa chat.”) Iniuulat din nito na ang paggamit ng token lang ang nagpaliwanag sa 80% ng variance ng performance sa BrowseComp. Kadalasan, mas maraming agent, mas malaki ang bill. Kinukumpara ng post na [multi-agent cost](https://broadrouter.com/fil/blog/multi-agent-cost/) ang per-token at flat na billing.
-   **Akma ba.** Ayon sa Anthropic, hindi gaanong akma ang coding, dahil “most coding tasks involve fewer truly parallelizable tasks than research,” (Salin ng BroadRouter: “mas kaunti ang tunay na napa-parallel na bahagi ng karamihan ng coding task kaysa sa research,”) at hindi bagay dito ang mga task na mabigat sa shared context o may dependency sa pagitan ng mga agent.
-   **Concurrency.** Parallel na request ang mga parallel na worker, kaya ang [concurrency](https://broadrouter.com/fil/glossary/concurrency/) limit mo ang naglilimita sa pagbilis.

## Sa BroadNet Inference

Ang BroadNet ang nagse-serve ng mga model; sa framework mo tumatakbo ang orchestration. May mga gabay para sa [CrewAI](https://broadrouter.com/fil/guides/crewai-custom-openai-endpoint/) at sa [OpenAI Agents SDK](https://broadrouter.com/fil/guides/openai-agents-sdk-custom-provider/) gamit ang base URL ng BroadNet.

May 30 request kada minuto at 4 na sabay-sabay na request ang isang pay-as-you-go key. Sa mga [flat-rate plan](https://broadrouter.com/fil/plans/) para sa DeepSeek V4.1 Flash, walang token meter, kaya nawawala sa bill ang pagdami ng token, pero isang request lang sa isang pagkakataon ang pinapatakbo ng bawat session. Bumili ng isang session para sa bawat model request na puwedeng tumakbo sa parehong sandali: tatlong session para sa tatlong worker na sabay tumatakbo, at apat kung patuloy na tumatawag sa model ang lead habang nagtatrabaho sila. Ipinapakita ng [Running parallel coding agents on a flat-rate API](https://broadrouter.com/fil/blog/run-parallel-coding-agents-flat-rate/) ang mga karaniwang pattern.

## Mga tanong

### Lagi bang mas mahusay ang multi-agent system kaysa sa iisang agent?

Hindi. Malalaking pag-angat ang iniuulat ng Anthropic sa malalawak na research task, pero iniuulat din nito na humigit-kumulang 15 beses ng token ng isang chat ang nagagamit ng multi-agent system, at mas kaunti ang tunay na parallel na bahagi ng karamihan ng coding task kaysa sa research.

### Anong mga framework ang gumagawa ng multi-agent system?

Sinusuportahan ng AutoGen, OpenAI Agents SDK, CrewAI at mga coding tool gaya ng Claude Code ang ilang anyo nito. Inilalarawan ng paper ng AutoGen ang mga agent na nag-uusap sa isa't isa, sa mga tao at sa tools.

### Ilang parallel request ang kailangan ng multi-agent system?

Isa kada agent na tumatawag sa model sa parehong sandali. Ang isang lead at apat na worker na sabay tumatakbo ay nangangailangan ng limang request na sabay na tumatakbo.

## Tingnan din

-   [AI agent](https://broadrouter.com/fil/glossary/agent/) (termino)
-   [Subagent](https://broadrouter.com/fil/glossary/subagent/) (termino)
-   [AI coding agent](https://broadrouter.com/fil/glossary/coding-agent/) (termino)
-   [Concurrency](https://broadrouter.com/fil/glossary/concurrency/) (termino)
-   [Flat-rate LLM plan (unlimited na plan)](https://broadrouter.com/fil/glossary/flat-rate-llm-plan/) (termino)
-   [Context engineering](https://broadrouter.com/fil/glossary/context-engineering/) (termino)
-   [ReAct (reason and act)](https://broadrouter.com/fil/glossary/react-agent/) (termino)
-   [Paano gumagana ang unlimited LLM API plans para sa mga agent](https://broadrouter.com/fil/guides/unlimited-llm-api-sessions/) (gabay)
-   [CrewAI sa BroadNet Inference bilang custom na OpenAI endpoint](https://broadrouter.com/fil/guides/crewai-custom-openai-endpoint/) (gabay)
-   [Patakbuhin ang OpenAI Agents SDK sa BroadNet Inference](https://broadrouter.com/fil/guides/openai-agents-sdk-custom-provider/) (gabay)
-   [Magkano talaga ang multi-agent na setup: per token vs flat session](https://broadrouter.com/fil/blog/multi-agent-cost/) (artikulo)
-   [Paano magpatakbo ng sabay-sabay na coding agent sa flat-rate LLM API](https://broadrouter.com/fil/blog/run-parallel-coding-agents-flat-rate/) (artikulo)

Subukan ito sa totoong workload mo. May US$5 na panimulang credit ang mga bagong account para sa Gemma at transcription. Kailangan ng top-up para sa DeepSeek, GLM, at Qwen3.8.

[Magsimula](https://inference.broadnet.ai/account/?utm_source=broadrouter&utm_medium=referral&utm_campaign=fil-glossary-multi-agent-system&utm_content=page-cta) ·

**Mga source**

-   [Anthropic Engineering, How we built our multi-agent research system (sinuri noong 2026-11-15)](https://www.anthropic.com/engineering/multi-agent-research-system)
-   [Wu et al., AutoGen: Enabling Next-Gen LLM Applications via Multi-Agent Conversation, arXiv 2308.08155 (sinuri noong 2026-11-15)](https://arxiv.org/abs/2308.08155)
-   [Docs ng Claude Code, subagents (sinuri noong 2026-11-15)](https://code.claude.com/docs/en/sub-agents)
