Мультиагентные системы
Цели урока
После прохождения этого урока вы сможете:
- 1Понять роли агентов в мультиагентной системе
- 2Спроектировать систему из 3 агентов для контент-пайплайна
- 3Оценить, когда мультиагентный подход оправдан
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.
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
# 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 публикацииЭтапы 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.
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.
Вопросы для размышления
- •Какую сложную задачу в вашей работе можно было бы разбить на подзадачи для нескольких агентов?
- •Какие роли были бы в вашей идеальной мультиагентной системе?