BroadRouter
Начать

Мультиагентная система (multi-agent system)

Обновлено

Мультиагентная система — это LLM-приложение, в котором несколько агентов, каждый со своим промптом, инструментами и контекстом, решают части одной задачи. Распространённая схема — оркестратор и исполнители: ведущий агент планирует, параллельно запускает агентов-исполнителей и объединяет их результаты.

Также называют: мультиагентные системы, мультиагентная архитектура, мультиагентность, оркестрация агентов, несколько ИИ-агентов, multi-agent, multi-agent orchestration, orchestrator-worker

Один агент проходит задачу шаг за шагом. Мультиагентная система делит задачу на части и выполняет их одновременно.

Как это работает

Anthropic описывает свою функцию Research как “orchestrator-worker pattern, where a lead agent coordinates the process while delegating to specialized subagents.” (перевод: «паттерн „оркестратор — исполнители“, где ведущий агент координирует процесс и делегирует работу специализированным субагентам».) Ведущий агент читает вопрос, составляет план, запускает несколько субагентов, которые ищут параллельно, и пишет итоговый ответ по их кратким сводкам.

Бывают и другие схемы. Статья об AutoGen (Wu et al., 2023) описывает фреймворк, в котором “customizable, conversable” (перевод: «настраиваемые, способные вести диалог») агенты общаются друг с другом, с людьми и с инструментами, а разработчики задают схему диалога на естественном языке или в коде.

Пример прогона по схеме «оркестратор — исполнители»:

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

Каждый исполнитель тратит собственные токены на поиск и чтение. Ведущий агент видит только сводки.

Почему это важно

  • Качество на широких задачах. Anthropic сообщает, что мультиагентная схема с ведущим Claude Opus 4 и исполнителями Sonnet 4 “outperformed single-agent Claude Opus 4 by 90.2%” (перевод: «превзошла одиночного агента Claude Opus 4 на 90,2 %») на её внутреннем исследовательском эвале.
  • Стоимость в токенах. В той же статье сказано, что агенты расходуют примерно в четыре раза больше токенов, чем чат, а мультиагентные системы — “about 15× more tokens than chats.” (перевод: «примерно в 15 раз больше токенов, чем чаты».) Там же сообщается, что одно только потребление токенов объясняло 80 % разброса результатов на BrowseComp. Больше агентов обычно означает больший счёт. Статья о стоимости мультиагентных систем сравнивает оплату за токены и фиксированную цену.
  • Применимость. Anthropic отмечает, что программирование подходит хуже, поскольку “most coding tasks involve fewer truly parallelizable tasks than research,” (перевод: «в большинстве задач программирования меньше по-настоящему распараллеливаемых частей, чем в исследованиях»), а задачи с большим общим контекстом или зависимостями между агентами подходят плохо.
  • Параллельность. Параллельные исполнители — это параллельные запросы, поэтому ускорение ограничено вашим лимитом параллельности.

В BroadNet Inference

BroadNet обслуживает модели, а оркестрация работает в вашем фреймворке. Руководства описывают CrewAI и OpenAI Agents SDK с базовым URL BroadNet.

Ключ с оплатой по факту допускает 30 запросов в минуту и 4 одновременно. На безлимитных тарифах для DeepSeek V4.1 Flash счётчика токенов нет, поэтому множитель токенов из счёта уходит, но каждая сессия выполняет один запрос за раз. Покупайте по одной сессии на каждый запрос к модели, который может выполняться одновременно с другими: трём исполнителям, работающим сразу, нужны три сессии, а если ведущий агент продолжает обращаться к модели, пока они работают, — четыре. Типичные схемы разобраны в статье о параллельных агентах для программирования на безлимитном API.

Вопросы и ответы

Мультиагентная система всегда лучше одного агента?

Нет. Anthropic сообщает о большом выигрыше на широких исследовательских задачах, но также о том, что мультиагентные системы расходуют примерно в 15 раз больше токенов, чем чат, и что в большинстве задач программирования по-настоящему параллельных частей меньше, чем в исследовательских.

На каких фреймворках строят мультиагентные системы?

AutoGen, OpenAI Agents SDK, CrewAI и инструменты для программирования вроде Claude Code так или иначе это поддерживают. Статья об AutoGen описывает агентов, которые общаются друг с другом, с людьми и с инструментами.

Сколько параллельных запросов нужно мультиагентной системе?

По одному на каждого агента, который обращается к модели в тот же момент. Ведущему агенту и четырём исполнителям, работающим одновременно, нужно пять запросов в обработке.

Открыть в MarkdownСпросить ChatGPTСпросить ClaudeСпросить Perplexity