Back to all articlesAI at mga ahente

Multi-Agent Systems: Paano Nagtutulungan ang mga AI Agent

Mahusay ang iisang agent sa mga nakatuong gawain. Pero maraming totoong layunin ang masyadong malawak o masyadong espesyal para mahawakan nang maayos ng iisang agent. Ang sagot na maraming team ang tinutuloy ay ang multi-agent system: isang grupo ng mga agent na may iba’t ibang papel na nagtutulungan patungo sa iisang layunin. Kung maayos ang gawa, parang nagbuo ka ng team. Kung hindi, resipe ito sa magastos na kaguluhan.

Bakit gumamit ng higit sa isang agent?

Tatlong praktikal na dahilan:

  • Espesyalisasyon. Isang agent ang nagsasaliksik, isa ang sumusulat, ikatlo ang nagre-review. Bawat isa ay maaaring may sariling tagubilin, tool, at pamantayan.
  • Paralelismo. Ang mga independiyenteng sub-task ay maaaring tumakbo nang sabay, pinapabilis ang kabuuang oras.
  • Mas mahusay na paghusga. Ang isang hiwalay na “kritiko” na agent ay maaaring suriin ang gawa ng ibang agent, mahuli ang mga pagkakamaling hindi napansin ng may-akda.

Ang ideya ay sumasalamin sa pagtatrabaho ng mga koponan ng tao: mga taong may iba’t ibang kasanayan, paraan ng pagpasa ng trabaho, at isang tao na sinusuri ang resulta.

Karaniwang pattern ng kolaborasyon

Ilang istruktura ang paulit-ulit na lumalabas:

Supervisor at mga manggagawa. Isang manager agent ang naghahati sa layunin sa mga sub-task, nagbibigay sa mga espesyalistang agent, at pinagsasama ang mga resulta. Malinaw at madaling intindihin.

Debate o kritika. Dalawang agent ang kumukuha ng magkaibang posisyon, o isa ang gumagawa at isa ang nagko-critique, hanggang magtagpo sila sa mas mahusay na sagot. Kapaki-pakinabang para sa mga desisyong may trade-off.

Pipeline. Ang mga agent ay nakaayos sa pagkakasunod-sunod — research, draft, review, publish — na bawat isa ay ipinapasa ang output nito sa susunod. Simple at maaasahan para sa paulit-ulit na daloy ng trabaho.

Hierarchical. Isang puno ng mga supervisor at sub-agent, ginagamit kapag ang gawain ay nahahati sa maraming antas. Makapangyarihan pero mas mahirap i-debug.

Paano talaga nagkakomunikasyon ang mga agent

Hindi nagbabahagi ng utak ang mga agent. Nagkokoordinate sila sa pamamagitan ng malinaw na mekanismo:

  • Mga mensahe o blackboard na pinapangalan. Isang karaniwang espasyo kung saan nagpo-post ang mga agent ng mga natuklasan at kumukuha ng trabaho.
  • Handoff. Isang agent ang nagpapasa ng structured summary sa ibang agent, kasama ang layunin at kung ano ang nagawa na.
  • Tool-mediated state. Isang database, ticket system, o dokumento na nagsisilbing iisang source of truth.

Ang kalidad ng mga handoff ay napakahalaga. Ang malabong konteksto na ipinapasa sa pagitan ng mga agent ay nagpaparami ng mga error, gaya ng malabong tagubilin sa pagitan ng mga tao.

Isang konkretong halimbawa

Isipin ang isang team ng mga agent na hinilingang “maghanda ng market research report tungkol sa mga electric bike.”

  1. Ang isang planner agent ang nagdedefine ng mga tanong na dapat sagutin at naghahati ng trabaho.
  2. Ilang researcher agent ang nangangalap ng data nang sabay — isa tungkol sa mga kakumpitensya, isa sa presyo, isa sa regulasyon.
  3. Isang synthesizer agent ang nagpagsasama-sama ng mga natuklasan sa isang magkakaugnay na draft.
  4. Isang critic agent ang sinusuri ang mga pahayag, itinatandaan ang mga hindi suportadong pahayag, at humihingi ng follow-up research.
  5. Ang planner ang nagpapasiya kung handa na ang ulat o kailangan pa ng isang round.

Bawat agent ay may makitid na trabaho. Ang sistemang kabuuan ay humahawak ng isang bagay na hindi magagawa ng alinman sa kanila nang mag-isa.

Kung saan nagkakamali ang multi-agent systems

Hindi awtomatikong mas mahusay ang mas maraming agent. Bantayan ang mga failure mode na ito:

  • Coordination overhead. Mas maraming oras ang ginugugol ng mga agent sa pakikipag-usap sa isa’t isa kaysa sa pagtatrabaho.
  • Magkakasalungat na aksyon. Dalawang agent ang gumawa ng hindi magkatugmang pagbabago dahil hindi nila alam kung ano ang ginagawa ng isa’t isa.
  • Error cascades. Isang maling palagay mula sa isang agent ang kumalat sa lahat ng nasa ibaba.
  • Pagtaas ng gastos. Mas maraming agent ay nangangahulugan ng mas maraming tawag sa model, at ang mga loop ay maaaring tumagal nang mas matagal kaysa inaasahan.
  • Mahirap i-debug. Kapag mali ang resulta, ang pag-alam kung aling agent ang nagkamali at bakit ay tunay na mahirap.

Para sa maraming gawain, ang isang maayos na disenyadong agent na may magagandang tool ay mas mahusay kaysa sa isang hindi maayos na nakoordinateng team ng lima.

Kailan ito sulit

Ang multi-agent system ay nagbubunga kapag ang gawain ay malinis na mahahati, ang mga sub-task ay nakikinabang sa iba’t ibang tool o kasanayan, at matutukoy mo kung ano ang hitsura ng magandang resulta. Mas kaunting pakinabang ang mga ito sa simple at sunud-sunod na gawain, o sa anumang bagay na ang iisang pagkakamali ay lubos na magastos at mahirap matukoy.

Magsimula sa pinakasimpleng istrukturang gumagana — karaniwang isang supervisor na may ilang espesyalista. Magdagdag ng agent lamang kapag matuturo mo ang partikular na hadlang na nilulutas nila.

Konklusyon

Ang multi-agent collaboration ay tungkol sa pagbibigay sa isang grupo ng mga espesyalistang agent ng paraan para maghati-hati ng trabaho, magbahagi ng konteksto, at mag-check sa isa’t isa. Kaya nitong harapin ang mga layuning masyadong malawak para sa iisang agent, pero nagpapakilala ito ng mga gastos sa koordinasyon at mga bagong paraan ng pagkabigo. Tratuhin ito bilang isang desisyon sa disenyo, hindi isang upgrade: gamitin kapag tunay na nakikinabang ang gawain sa isang team, at panatilihing maliit ang team hangga’t pinapayagan ng trabaho.

Get Ball — Ball

Get Ball

Reading in English? Switch language in the menu.