Kort sagt
- Ett multiagentsystem består av flera AI‑agenter med egna uppgifter, instruktioner och verktyg som samverkar, vanligtvis styrda av en koordinator.
- Anthropic rapporterar att ett sådant system överträffade en enskild agent med 90,2 procent i en intern forskningsutvärdering, men använde cirka 15 gånger fler tokens än en chatt. Tokens är textmodulerna enligt vilka AI‑tjänster fakturerar.
- Andra utvecklare varnar för att subagenter som arbetar parallellt kommer att göra motsägelsefulla antaganden om de inte delar sammanhang.
- Tumregel: börja så enkelt som möjligt, flera agenter endast för oberoende deluppgifter, med begränsningar av rättigheter och godkännande av människor.
Vad är ett multiagentsystem
En AI‑agent består av en språkmodell, instruktioner och verktyg. Anthropic särskiljer arbetsflöden där språkmodeller och verktyg styrs via fördefinierade programvägar från agenter som bestämmer sin egen process och val av verktyg. Ett multiagentsystem kombinerar flera sådana agenter. Tre grundläggande mönster förekommer i praktiken:
| Mönster | Det är så det fungerar | Exempel |
|---|---|---|
| Koordinator och specialister | En huvudagent bryter ner uppgiften, distribuerar delar till underagenter och sammanfattar resultaten | Forskning på tio leverantörer, en underagent per leverantör |
| Överlämning | En agent lämnar över samtalet till en annan som är ansvarig för ämnet | Första acceptans i kundtjänst lämnar över till återbetalning eller teknik |
| Skapare och recensent | En agent skapar, en andra utvärderar och ger feedback tills resultatet blir korrekt | Utkast till text med kvalitetskontroll mot en checklista |
Vad praxis visar
I en artikel från juni 2025 beskriver Anthropic ett forskningssystem baserat på koordinatormodellen. I den interna utvärderingen presterade den 90,2 procent bättre än en enskild agent. Samtidigt använde agenter cirka fyra gånger och multiagentsystem cirka 15 gånger fler tokens än en chatt. Anthropic nämner uppgifter med ett delat sammanhang och många beroenden som mindre lämpliga, till exempel programmering, som innehåller färre parallelliserbara delar än forskning.
Samma månad kom Cognition, utvecklare av en programmeringsassistent, till en mer försiktig slutsats: underagenter ser bara utdrag, gör olika antaganden och levererar resultat som inte stämmer. Rapporterna är mindre motsägelsefulla än de verkar: flera agenter hjälper till med ett brett, delbart arbete, men kostar betydligt mer datorkraft och kräver mer kontroll.
När det räcker med en agent eller en fast process
Anthropic rekommenderar att leta efter den enklaste möjliga lösningen och bara lägga till komplexitet när det behövs. För de flesta uppgifter i medelstora företag innebär detta:
- Processen är fixad: Läs, kontrollera, bokför faktura. En fast process med AI‑steg är snabbare, billigare och enklare att testa.
- Uppgiften behöver kontinuerligt sammanhang: skriva ett erbjudande till en specifik kund, svara på en förfrågan. Det räcker med en agent med rätt verktyg.
- Kostnader och hastighet räknas: Varje ytterligare agent förbrukar tid och datorkraft, och varje handover är en källa till fel.
När flera agenter är vettiga
- Deluppgifter är oberoende: Kontrollera tio leverantörer eller tjugo dokument samtidigt och slå samman dem.
- Rättigheterna bör förbli separata: En agent läser e-postmeddelanden och har bara läsrättigheter, en annan skriver in i ditt varuhanteringssystem, men bara efter godkännande. Detta begränsar skadan om en agent missvisas av manipulerat innehåll.
- En andra titt är värdefull: En verifieringsagent jämför resultatet med källorna innan en människa ser det.
- Kontexten skulle svämma över: Mycket långa uppgifter kan delas in i sektioner, som var och en behandlas av en underagent.
Risker och kontroll
- Kostnader: Ställ in tak per jobb och mät vad varje körning använder.
- Felkedjor: Ett misstag som görs av en agent antas av nästa. Behåll mellanresultat med källor och kontrollera dem slumpmässigt.
- Rättigheter: Varje agent får bara det han behöver. OWASP introducerar "excessive agency" som en separat risk för applikationer med språkmodeller. Skrivåtgärder sker via en release.
- Spårbarhet: En logg visar vilken agent som gjorde vad och varför. Reglerna i GDPR gäller för personuppgifter.
- Hög risk: Om ombud förbereder beslut om personer, till exempel gällande ansökningar eller kreditvärdighet, gäller strikta regler enligt bilaga III till AI‑förordningen. Mer på Riskklasser.
Så här gör du
- Skriv ner processen: Steg, data, beslut och vem som godkänner.
- Bara börja: med en fast process eller agent, och mäta resultat.
- Bestäm flaskhals: Var räcker det inte, när det gäller tid, kvalitet eller rättigheter?
- Dela bara där: en underagent med tydlig uppgift, input och output.
- Jämför: Kostnader, varaktighet och felfrekvens kontra den enkla lösningen.
- Installationsversion: En person bekräftar innan något slocknar eller bokas.
Källor
- Antropisk: Hur vi byggde vårt multi-agent research system13 juni 2025
- Antropisk: Bygga effektiva medel19 december 2024
- Kognition: Bygg inte flera agenter12 juni 2025
- OpenAI: Agents SDK, Handoffs
- OWASP: Topp 10 för LLM-applikationer 2025
- Förordning (EU) 2024/1689 om artificiell intelligens, bilaga III: EUR-Lex