Как агенты общаются друг с другом: делегирование, DAG, сообщения и цена координации

Вот важная новость с фронта ИИ: RuslanGabbasov 24 минуты назад Как агенты общаются друг с другом: делегирование, DAG, сообщения и цена координации Средний 16 мин 678 Управление разработкой * Кейс Когда говорят о мультиагентных системах, обычно рисуют примерно такую картину: есть Lead, он раздаёт задачи Coder, Reviewer и Researcher, они общаются между собой, обмениваются результатами, а Lead собирает всё в финальный ответ. На диаграмме получается почти идеальная команда. В реальности возникает несколько вопросов.

Как агент узнаёт, кому можно поручить работу? Что делать, если две подзадачи зависят друг от друга? Как передать результат так, чтобы не пересылать всю историю разговора?

Технические детали

Нужно ли ждать ответа или можно продолжать работу? Что происходит, если один из участников ошибся? Как не допустить, чтобы два агента одновременно переписывали один файл?

И главное: сколько токенов мы потратили на то, чтобы агенты договорились о работе, вместо того чтобы её выполнять? Я занимаюсь разработкой Temporality — среды исполнения и контура управления для агентных систем. В ней межагентное взаимодействие реализовано несколькими разными механизмами: delegate, plan, ask_agent и get_collaborators.

Они решают разные задачи. И это принципиально: универсальный механизм общения между агентами не обязательно является хорошим механизмом организации их работы. Разберём распространённые подходы, их сильные и слабые стороны, а затем посмотрим, почему мы пришли к такой архитектуре.

Отраслевые последствия

Какие способы взаимодействия агентов вообще существуютЕсли отбросить названия конкретных фреймворков, основные механики можно свести к нескольким моделям. Общий контекстСамый простой вариант: несколько агентов работают с одной историей или общей памятью. Каждый видит сообщения остальных и может продолжать обсуждение.

Это напоминает общий чат команды. Плюсы:практически не нужна отдельная инфраструктура;легко реализовать;агенты могут использовать результаты друг друга;удобно для небольших дискуссий и brainstorming. Минусы:контекст быстро разрастается;агенты читают сообщения, которые им не нужны;трудно отделить факты от предположений и промежуточных рассуждений;нет естественной границы между обсуждением и исполнением;ошибки одного агента могут повлиять на всех участников.

Главная проблема — масштабирование контекста. Если в команде пять агентов, каждый из которых должен прочитать историю из десяти тысяч токенов, это ещё не означает, что они стали в пять раз умнее. Возможно, они просто пять раз прочитали одну и ту же переписку.

Событие, по словам экспертов, усилит конкуренцию в сфере ИИ.