Мультиагентные системы

Видео-введение к уроку

От одного агента к команде

Один агент справляется с простыми задачами. Но сложные задачи - написать исследовательскую статью, провести конкурентный анализ, подготовить маркетинговую кампанию - требуют разных компетенций. Мультиагентная система - это команда специализированных агентов, где каждый отвечает за свою область, а менеджер координирует работу.

Мультиагентная система - менеджер координирует исследователя, писателя и редактора — Архитектура мультиагентной системы: специализация, координация, качество(нажмите для увеличения)

Роли агентов

Роль	Задача	Инструменты	Когда нужен
Менеджер	Декомпозиция задач, координация, контроль качества	Планировщик, трекер задач	Всегда (в системе из 2+ агентов)
Исследователь	Сбор и анализ информации	Веб-поиск, API данных, парсеры	Задачи с исследовательским компонентом
Исполнитель	Создание контента, кода, документов	Генераторы, шаблоны, IDE	Задачи на создание чего-либо
Критик	Проверка качества, поиск ошибок	Валидаторы, тесты, чеклисты	Задачи, где важна точность
Коммуникатор	Взаимодействие с пользователем	Мессенджеры, email, уведомления	Задачи с обратной связью

Пример: контент-пайплайн из 3 агентов

yaml

# multi-agent/content-pipeline.yaml
# Мультиагентная система для создания статей

name: content_pipeline
description: >
  Три агента работают последовательно:
  исследователь собирает данные, писатель создает статью,
  редактор проверяет и финализирует.
version: "1.0"

agents:
  # Агент 1: Исследователь
  - id: researcher
    role: researcher
    model: hermes-3-llama-3.1-70b
    system_prompt: |
      Ты - исследователь. Твоя задача - собрать факты,
      статистику и экспертные мнения по заданной теме.
      Используй минимум 5 источников. Каждый факт
      должен иметь ссылку на источник.
    tools:
      - web_search
      - fetch_url
      - extract_data
    output: research_report  # передается следующему агенту

  # Агент 2: Писатель
  - id: writer
    role: executor
    model: hermes-3-llama-3.1-70b
    system_prompt: |
      Ты - автор технических статей. На основе
      исследовательского отчета напиши статью:
      - Заголовок (до 60 символов, для SEO)
      - Введение (1 абзац, зацепка для читателя)
      - 3-5 разделов с подзаголовками
      - Заключение с выводами
      Стиль: профессиональный, без канцеляризмов.
      Язык: русский.
    tools:
      - text_generator
      - seo_optimizer
    input: research_report  # от исследователя
    output: draft_article

  # Агент 3: Редактор
  - id: editor
    role: critic
    model: hermes-3-llama-3.1-70b
    system_prompt: |
      Ты - редактор. Проверь статью на:
      - Фактические ошибки (сверь с источниками)
      - Орфографию и грамматику
      - SEO: title < 60, H1 уникальный, мета-описание
      - Читаемость: предложения до 25 слов
      Если находишь проблемы - исправь.
      Если все хорошо - отметь как готовое.
    tools:
      - spell_checker
      - fact_checker
      - seo_validator
    input: draft_article  # от писателя
    output: final_article

workflow:
  type: sequential  # исследователь -> писатель -> редактор
  max_iterations: 2  # максимум 2 круга редактуры
  quality_threshold: 0.85  # порог качества для публикации

Этапы проектирования мультиагентной системы

Декомпозируйте задачу - разбейте на подзадачи, которые может решить один агент. Если подзадача слишком сложна - разбейте дальше

Определите роли - для каждой подзадачи назначьте роль: исследователь, исполнитель, критик. Одна роль = один агент

Опишите потоки данных - что передается между агентами. Выход одного = вход другого. Формат данных должен быть согласован

Выберите тип координации - последовательная (каждый после предыдущего), параллельная (независимые задачи) или итеративная (циклы доработки)

Установите ограничения - максимальное число итераций, бюджет токенов, порог качества для завершения

Мультиагентные системы увеличивают сложность и стоимость. Каждый агент потребляет токены отдельно. Три агента на модели 70B с запросом в 10K токенов каждый - это тройной расход. Используйте мультиагентный подход только когда задача действительно требует разных компетенций и одного агента недостаточно.

Главный вывод

Мультиагентные системы - мощный инструмент для сложных задач, но не серебряная пуля. Используйте их, когда задача требует нескольких разных компетенций: исследование + создание + проверка. Для простых задач один хорошо настроенный агент эффективнее команды.

Тест для самопроверки

Когда стоит использовать мультиагентную систему вместо одного агента?

Цели урока

От одного агента к команде

Роли агентов

Пример: контент-пайплайн из 3 агентов

Этапы проектирования мультиагентной системы

Вопросы для размышления