Multi-agent systém znamená, že na jednom úkolu pracuje víc AI agentů současně, každý s vlastním úsudkem a částí práce. Na rozdíl od jednoho agenta nebo pevně daného workflow si agenti sami rozhodují, jak dál - a to je zároveň jejich síla i největší riziko.
Jak multi-agent systém funguje?
Typická architektura se nazývá orchestrátor-pracovníci, jeden z principů AI orchestrace. Hlavní agent (orchestrátor) rozloží zadání na dílčí úkoly a rozešle je subagentům, kteří pracují paralelně - třeba každý prohledá jiný zdroj dat nebo jinou část webu. Orchestrátor pak výsledky sesbírá a poskládá dohromady. Je to jiný princip než Workflow, kde jde AI po předem dané cestě krok za krokem.
Kdy má multi-agent systém smysl?
Anthropic (tvůrce Claude) testoval orchestrátora s víc agenty proti jednomu agentovi na výzkumných úlohách, kde bylo potřeba prohledat hodně nezávislých zdrojů najednou. Multi-agent systém úlohu zvládl o 90,2 % lépe. Cena za to byla vysoká - spotřeboval přibližně patnáctkrát víc tokenů, provoz je tedy výrazně dražší za stejný výstup. Vyplatí se tam, kde jde úkol rozdělit na nezávislé, paralelní kusy čtení a hledání - typicky rozsáhlý research, mapování trhu nebo konkurence.
Anthropicovo vlastní doporučení k celé téhle oblasti agentické AI zní doslova: „finding the simplest solution possible, and only increasing complexity when needed“ - najít nejjednodušší řešení a složitost přidávat, jen když je opravdu potřeba.
Rád pomůžu vybrat správnou úroveň - workflow, agenta, nebo multi-agenta - pro váš konkrétní proces, ať neplatíte za složitost, kterou nepotřebujete. Víc o tom, jak na to jdu, najdete u tvorby AI agentů a automatizací na míru →.
Kdy se multi-agentu naopak vyhnout?
Firma Cognition, autorka AI vývojáře Devin, varuje před multi-agentní architekturou u úloh se sdíleným stavem, například při psaní kódu. Důvod shrnuje jejich vlastní citát: „Actions carry implicit decisions, and conflicting decisions carry bad results“ - každá akce v sobě nese implicitní rozhodnutí, a konfliktní rozhodnutí vedou ke špatným výsledkům. Když dva agenti nezávisle zasahují do stejného kódu nebo sdíleného stavu, jeden se rozhodne jinak než druhý a výsledek se rozjede. Platí jednoduché pravidlo: čtení (research) je pro víc agentů v pořádku, psaní do sdíleného stavu (kód, dokument, databáze) ne.
Co si z toho jako majitel firmy odnést?
Představte si žebřík složitosti. Na první příčce je workflow - pevný postup, kde AI dělá přesně to, co jste jí naplánovali. Na druhé jeden AI agent, který si sám vybírá nástroje a postup u konkrétního úkolu. Multi-agent systém je až třetí, nejsložitější a nejdražší příčka. Většina firemních procesů - fakturace, e-maily, jednoduchá analýza dat - vystačí s prvním nebo druhým patrem. Multi-agent dává smysl jen u úloh, které jdou rozsekat na nezávislé kusy čtení a kde vysoká cena za tokeny stojí za rychlost a kvalitu výsledku.
Než sáhnete po multi-agentu, ověřte, jestli by nestačil jeden agent nebo obyčejné workflow. Ušetříte peníze i starosti s laděním, protože víc agentů znamená víc míst, kde se dá pokazit koordinace. Napište mi, probereme váš proces a najdu k němu nejjednodušší řešení, které bude spolehlivě fungovat.
Pavel Szabo
Programátor webů, eshopů a informačních systémů s více než 23 lety praxe. Pomáhám firmám i jednotlivcům s online podnikáním, automatizacemi a využitím AI v praxi.
