ایک ایجنٹ کسی کام کو قدم بہ قدم مکمل کرتا ہے۔ ملٹی ایجنٹ سسٹم کام کو تقسیم کرتا ہے اور حصوں کو ایک ساتھ چلاتا ہے۔
یہ کیسے کام کرتا ہے
Anthropic اپنے Research فیچر کو ایک “orchestrator-worker pattern, where a lead agent coordinates the process while delegating to specialized subagents.” (ترجمہ: orchestrator-worker پیٹرن، جس میں ایک lead ایجنٹ عمل کو مربوط کرتا ہے اور کام خصوصی subagents کو سونپتا ہے۔) بتاتا ہے۔ lead سوال پڑھتا ہے، منصوبہ بناتا ہے، کئی subagents شروع کرتا ہے جو متوازی تلاش کرتے ہیں، اور ان کے خلاصوں سے حتمی جواب لکھتا ہے۔
دوسرے ڈیزائن بھی موجود ہیں۔ AutoGen مقالہ (Wu اور ساتھی، 2023) ایک ایسا فریم ورک بیان کرتا ہے جس میں “customizable, conversable” (ترجمہ: حسبِ ضرورت ڈھلنے والے، بات چیت کرنے والے) ایجنٹس ایک دوسرے سے، انسانوں سے اور ٹولز سے بات کرتے ہیں، اور ڈویلپرز بات چیت کا پیٹرن عام زبان یا کوڈ میں پروگرام کرتے ہیں۔
orchestrator-worker رن کی ایک مثال:
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
ہر worker تلاش اور پڑھنے پر اپنے ٹوکن خرچ کرتا ہے۔ lead صرف خلاصے دیکھتا ہے۔
یہ کیوں اہم ہے
- وسیع کاموں پر معیار۔ Anthropic بتاتا ہے کہ Claude Opus 4 lead اور Sonnet 4 workers والے ملٹی ایجنٹ سیٹ اپ نے اس کے اندرونی ریسرچ eval پر “outperformed single-agent Claude Opus 4 by 90.2%” (ترجمہ: تنہا ایجنٹ والے Claude Opus 4 سے 90.2% بہتر کارکردگی دکھائی)۔
- ٹوکن کی لاگت۔ اسی تحریر کے مطابق ایجنٹس چیٹ کے مقابلے میں تقریباً چار گنا ٹوکن خرچ کرتے ہیں، اور ملٹی ایجنٹ سسٹم “about 15× more tokens than chats.” (ترجمہ: چیٹ سے تقریباً 15× زیادہ ٹوکن)۔ وہ یہ بھی بتاتا ہے کہ BrowseComp پر کارکردگی کے 80% فرق کی وضاحت اکیلے ٹوکن کے استعمال نے کی۔ زیادہ ایجنٹس کا مطلب عموماً بڑا بل ہے۔ ملٹی ایجنٹ کی لاگت والی تحریر فی ٹوکن اور مقررہ قیمت والی بلنگ کا موازنہ کرتی ہے۔
- کہاں موزوں ہے۔ Anthropic کہتا ہے کہ کوڈنگ اس کے لیے کم موزوں ہے، کیونکہ “most coding tasks involve fewer truly parallelizable tasks than research,” (ترجمہ: زیادہ تر کوڈنگ کاموں میں تحقیق کے مقابلے میں واقعی متوازی چل سکنے والے کام کم ہوتے ہیں)، اور جن کاموں میں بہت مشترکہ کانٹیکسٹ ہو یا ایجنٹس ایک دوسرے پر منحصر ہوں، وہ اس کے لیے موزوں نہیں۔
- Concurrency۔ متوازی workers کا مطلب متوازی درخواستیں ہیں، اس لیے آپ کی concurrency حد طے کرتی ہے کہ رفتار کتنی بڑھے گی۔
BroadNet Inference پر
BroadNet ماڈلز فراہم کرتا ہے؛ orchestration آپ کے فریم ورک میں چلتی ہے۔ گائیڈز BroadNet base URL کے ساتھ CrewAI اور OpenAI Agents SDK کا احاطہ کرتی ہیں۔
استعمال کے مطابق ادائیگی والی کلید فی منٹ 30 درخواستوں اور بیک وقت 4 جاری درخواستوں کی اجازت دیتی ہے۔ DeepSeek V4.1 Flash کے مقررہ قیمت والے پلانز پر کوئی ٹوکن میٹر نہیں، جس سے بل سے ٹوکن کا ضرب ہٹ جاتا ہے، لیکن ہر سیشن ایک وقت میں ایک ہی درخواست چلاتا ہے۔ ہر اس ماڈل درخواست کے لیے ایک سیشن خریدیں جو ایک ہی لمحے میں جاری ہو سکتی ہے: بیک وقت چلنے والے تین workers کو تین سیشن چاہییں، اور چار اگر ان کے کام کے دوران lead بھی ماڈل کو کال کرتا رہے۔ مقررہ قیمت والے API پر متوازی کوڈنگ ایجنٹس چلانا عام پیٹرنز سمجھاتا ہے۔