Pe scurt
- Un sistem multi-agent este format din mai mulți agenți AI cu sarcini, instrucțiuni și instrumente proprii, care colaborează, de obicei sub conducerea unui coordonator.
- Anthropic relatează că, într-o evaluare internă a cercetării, un astfel de sistem a depășit un singur agent cu 90,2 la sută, dar a consumat aproximativ de 15 ori mai mulți tokeni decât un chat. Tokenii sunt fragmentele de text pe baza cărora serviciile AI facturează.
- Alți dezvoltatori avertizează că subagenții care lucrează în paralel fac presupuneri contradictorii dacă nu au un context comun.
- Regula de bază: începeți cât mai simplu; folosiți mai mulți agenți doar pentru subsarcini independente, cu limitarea drepturilor și aprobare din partea oamenilor.
Ce este un sistem multi-agent
Un agent AI este alcătuit dintr-un model de limbaj, instrucțiuni și instrumente. Anthropic distinge între fluxurile de lucru, în care modelele de limbaj și instrumentele sunt controlate prin căi de execuție prestabilite, și agenți, care își stabilesc singuri pașii și aleg instrumentele. Un sistem multi-agent combină mai mulți astfel de agenți. În practică se întâlnesc trei modele de bază:
| Model | Cum funcționează | Exemplu |
|---|---|---|
| Coordonator și specialiști | Un agent principal împarte sarcina, distribuie părți subagenților și sintetizează rezultatele | Cercetare despre zece furnizori, câte un subagent pentru fiecare furnizor |
| Transfer | Un agent transferă conversația altuia, responsabil de subiectul respectiv | Preluarea inițială din serviciul clienți transferă conversația către rambursări sau asistență tehnică |
| Creator și verificator | Un agent creează, un al doilea evaluează și oferă feedback până când rezultatul corespunde cerințelor | Ciornă de text cu verificarea calității pe baza unei liste de control |
Ce arată practica
Într-un articol din iunie 2025, Anthropic descrie un sistem de cercetare bazat pe modelul coordonatorului. În evaluarea internă, acesta a obținut rezultate cu 90,2 la sută mai bune decât un singur agent. Totodată, agenții au consumat aproximativ de patru ori, iar sistemele multi-agent aproximativ de 15 ori mai mulți tokeni decât un chat. Anthropic consideră mai puțin potrivite sarcinile cu context comun și multe dependențe, de exemplu programarea, care conține mai puține părți ce pot fi executate în paralel decât cercetarea.
Cognition, dezvoltatorul unui asistent de programare, ajunge în aceeași lună la o concluzie mai prudentă: subagenții văd doar fragmente, fac presupuneri diferite și oferă rezultate care nu se potrivesc între ele. Relatările se contrazic mai puțin decât pare: mai mulți agenți ajută la o muncă amplă, care poate fi împărțită, dar consumă semnificativ mai multă putere de calcul și cer mai mult control.
Când ajunge un agent sau un proces prestabilit
Anthropic recomandă căutarea celei mai simple soluții posibile și creșterea complexității doar când este necesar. Pentru majoritatea sarcinilor din întreprinderile mici și mijlocii, aceasta înseamnă:
- Procesul este prestabilit: citirea, verificarea și înregistrarea unei facturi în contabilitate. Un proces prestabilit cu pași AI este aici mai rapid, mai ieftin și mai ușor de verificat.
- Sarcina are nevoie de context pe tot parcursul: redactarea unei oferte pentru un anumit client, răspunsul la o solicitare. Este suficient un agent cu instrumentele potrivite.
- Costurile și viteza contează: Fiecare agent suplimentar consumă timp și putere de calcul; fiecare transfer este o sursă de erori.
Când au sens mai mulți agenți
- Subsarcinile sunt independente: verificarea simultană a zece furnizori sau a douăzeci de documente, apoi reunirea rezultatelor.
- Drepturile trebuie să rămână separate: Un agent citește e-mailuri și are doar drepturi de citire, altul scrie în sistemul dumneavoastră de gestiune a mărfurilor, dar numai după aprobare. Astfel, prejudiciul rămâne limitat dacă un agent este indus în eroare de conținut manipulat.
- O a doua verificare este valoroasă: Un agent de verificare compară rezultatul cu sursele înainte ca un om să îl vadă.
- Capacitatea contextului ar fi depășită: Sarcinile foarte lungi pot fi împărțite în secțiuni, fiecare prelucrată de un subagent.
Riscuri și control
- Costuri: Stabiliți limite maxime pentru fiecare sarcină și măsurați consumul fiecărei execuții.
- Lanțuri de erori: Eroarea unui agent este preluată de următorul. Păstrați rezultatele intermediare împreună cu sursele și verificați-le prin sondaj.
- Drepturi: Fiecare agent primește doar ce îi trebuie. OWASP identifică „Excessive Agency”, adică atribuții prea extinse, drept un risc distinct pentru aplicațiile cu modele de limbaj. Acțiunile de scriere trec printr-o aprobare.
- Trasabilitate: Un jurnal arată ce a făcut fiecare agent și de ce. Pentru datele cu caracter personal se aplică regulile GDPR.
- Risc ridicat: Dacă agenții pregătesc decizii privind persoane, de exemplu pentru candidaturi la angajare sau bonitate, se aplică reguli stricte potrivit anexei III a Regulamentului privind AI. Mai multe la categoriile de risc.
Cum procedați
- Documentați procesul: pașii, datele, deciziile și cine aprobă.
- Începeți simplu: cu un proces prestabilit sau un agent și măsurați rezultatele.
- Identificați punctul de blocaj: Unde nu este suficientă soluția, ca timp, calitate sau drepturi?
- Împărțiți doar acea parte: un subagent cu o sarcină clară, date de intrare și de ieșire bine definite.
- Comparați: costurile, durata și rata erorilor cu cele ale soluției simple.
- Includeți aprobarea: Un om confirmă înainte de a transmite ceva în exterior sau de a înregistra în contabilitate.
Surse
- Anthropic: Cum am construit sistemul nostru multi-agent de cercetare, 13 iunie 2025
- Anthropic: Construirea unor agenți eficienți, 19 decembrie 2024
- Cognition: Nu construiți sisteme multi-agent, 12 iunie 2025
- OpenAI: Agents SDK, transferuri între agenți
- OWASP: Top 10 for LLM Applications 2025
- Regulamentul (UE) 2024/1689 privind inteligența artificială, anexa III: EUR-Lex