О чём речь
В мультиагентной системе задачу решают несколько автономных участников со своими ролями, инструментами и правами: один планирует, другой ищет, третий проверяет. Одиночный агент устроен проще: одна языковая модель, набор инструментов и один контур принятия решений.
Спор между этими вариантами почти всегда решают три измеримые величины: сколько задач доходит до конца без человека, сколько стоит одна задача и сколько времени она занимает.
Где мультиагентность проигрывает
Задача помещается в один контекст
Если все нужные данные и инструменты помещаются в контекст одной модели, деление на агентов добавляет только пересказ. Каждая передача сжимает информацию: следующий участник получает чужой пересказ вместо исходных данных и работает с потерями.
Ошибки накапливаются по цепочке
Это главная причина провалов. Допустим, каждый шаг выполняется правильно в девяти случаях из десяти. Звучит прилично, но пять последовательных шагов дают уже около шести успешных исходов из десяти, потому что вероятности перемножаются. У одиночного агента шагов меньше, и ошибается он реже.
Координация дороже самой работы
Каждое сообщение между агентами означает ещё один вызов модели со своим контекстом. Стоимость и задержка растут быстрее, чем польза от специализации. Бывает, что большая часть бюджета уходит на то, чтобы агенты рассказывали друг другу, что уже сделали.
Систему невозможно отладить
Когда ответ неверен, нужно понять, кто ошибся: планировщик неверно разложил задачу, исполнитель её неправильно понял или проверяющий пропустил ошибку. Если каждый шаг не записан в журнал с входами и выходами, отладка превращается в гадание, а улучшения в случайные правки промптов.
Агенты соглашаются друг с другом
Схема «один делает, другой проверяет» работает, только если у проверяющего есть независимый источник истины: тест, документ, расчёт. Проверяющий на той же модели и с той же информацией склонен подтверждать. Контроль получается мнимым.
Недетерминированность умножается
Каждый агент вносит свою долю случайности. Система из пяти агентов даёт заметно менее воспроизводимый результат, чем один агент, а бизнес платит как раз за воспроизводимость.
Когда мультиагентность действительно нужна
- Разные права доступа. Агент, который работает с персональными данными, и агент, который пишет во внешнюю систему, не должны быть одним субъектом.
- Независимая проверка. У проверяющего есть свой источник истины: прогон тестов, сверка с документом, пересчёт.
- Настоящий параллелизм. Десять однотипных подзадач выполняются одновременно, и это экономит время.
- Разные модели на разных шагах: дешёвая и быстрая на рутине, сильная и дорогая на рассуждении.
- Изоляция контекста. Подзадаче нужен такой объём данных, что иначе он вытеснит из контекста всё остальное.
Как принять решение
- Соберите одиночного агента и измерьте его на наборе реальных задач. Это недорогой шаг, и он станет точкой отсчёта.
- Найдите, где он проваливается: не хватает контекста, путает роли, теряет шаги, нет права на действие.
- Добавляйте разделение только под конкретный провал и меряйте заново.
- Сравнивайте не только качество, но и стоимость задачи и задержку. Прирост качества на несколько процентов при удвоении стоимости обычно не окупается.
Что мерить в обоих случаях
- доля задач, доведённых до конца без вмешательства человека;
- доля ответов, которые пришлось исправлять;
- стоимость одной задачи в вызовах модели;
- время от постановки до результата;
- воспроизводимость: сколько раз из десяти одна и та же задача решается одинаково.
Наш опыт
Инженерную работу мы ведём вместе с ИИ-агентами нескольких вендоров по единому своду правил. Сеансы запускают и принимают люди, поэтому мы хорошо видим, где агент ошибается и как это ловить. Самая полезная привычка из этой работы: сначала решать задачу одним агентом и доказывать, что нужен второй. Мультиагентность помогает против конкретных ограничений, а зрелость системы сама по себе не показывает.