Sistem Multi-Agent: Cara AI Agent Bekerjasama

Sistem multi-agent ialah susunan di mana dua atau lebih AI agent, masing-masing dihadkan kepada peranan yang lebih sempit, mengerjakan bahagian tugas dan menyerahkan konteks sesama mereka, bukannya satu agent cuba melakukan segala-galanya. Seorang orchestrator, atau rantaian serahan yang ditetapkan, menentukan agent mana yang bertindak seterusnya, membawa ke hadapan apa yang telah dipelajari agent sebelumnya, dan menggabungkan keputusan menjadi satu hasil. Perniagaan beralih kepada sistem multi-agent apabila sesuatu tugas benar-benar mempunyai fasa berbeza yang memerlukan alat, peraturan, atau konteks yang berlainan, bukan semata-mata kerana lebih banyak agent kedengaran lebih canggih.

Satu Agent lwn Multi-Agent: Di Mana Garis Pemisahnya

Kebanyakan tugas yang terasa memerlukan beberapa agent sebenarnya ialah satu agent dengan lebih banyak alat yang menyamar. Satu agent yang boleh mencari di web, membaca CRM, dan menghantar e-mel boleh mengendalikan kepelbagaian yang mengejutkan banyaknya dengan sendirinya, kerana model membuat penaakulan atas semuanya dalam satu konteks yang dikongsi.

Panduan praktikal OpenAI untuk membina agent berterus terang tentang perkara ini: mulakan dengan satu agent dan tambah alat secara berperingkat, dan hanya berpecah kepada beberapa agent apabila arahan, alat, dan logik keputusan satu agent itu menjadi terlalu kusut untuk diuji dan diselenggara dengan boleh dipercayai. Rangka panduan itu sendiri ialah bahawa satu agent boleh pergi jauh dengan menambah alat secara berperingkat dan mengekalkan kerumitan dalam kawalan, sebelum anda terpaksa mengorkestrasi agent yang berasingan.

Taksonomi yang menarik garis ini dengan lebih mendalam dibincangkan dalam jenis-jenis AI agent, termasuk kedudukan reka bentuk satu agent dan multi-agent berbanding satu sama lain. Gelung yang dijalankan oleh setiap agent individu, sama ada ia bekerja bersendirian atau sebagai satu bahagian sistem yang lebih besar, ialah gelung yang sama seperti yang diterangkan dalam cara AI agent berfungsi.

Dua Cara Menyelaraskan Beberapa Agent

Apabila sesuatu tugas benar-benar memerlukan lebih daripada satu agent, terdapat dua cara lazim untuk menghubungkan mereka:

OpenAI menerangkan bentuk orchestrator-worker sebagai agent-sebagai-alat: agent pengurus yang menentukan pakar mana untuk dipanggil dan menjahit output bersama. Panduan Building Effective Agents daripada Anthropic, yang diambil daripada penggunaan pengeluaran, mendokumentasikan bentuk orchestrator-workers yang sama sebagai salah satu daripada segelintir corak yang merangkumi kebanyakan sistem agentic sebenar, bersama corak yang lebih mudah seperti penghalaan dan rantaian prompt yang sering ternyata mencukupi dengan sendirinya. Serahan peer melangkau penyelaras pusat sepenuhnya: setiap agent tahu apa yang perlu dilakukan dengan bahagian tugasnya dan menyerahkan hasil berstruktur ke hadapan apabila selesai, lebih menyerupai lari berganti daripada hab.

Contoh Berperingkat: Menskor Lead Hingga Panggilan Ditempah

Berikut ialah rantaian serahan peer yang dibina daripada tiga agent khusus, masing-masing memiliki satu fasa daripada tugas yang sama.

1. AI Lead Scoring Agent membaca lead masuk yang baharu, menyemaknya terhadap kriteria ICP dan isyarat tingkah laku, dan mengeluarkan skor kesesuaian beserta sebab di sebaliknya.
2. AI Lead Routing Agent mengambil skor itu dan menugaskan lead kepada baris gilir atau wakil jualan yang tepat, berdasarkan peraturan wilayah, barisan produk, atau saiz deal.
3. AI Follow-Up Agent mengambil lead yang telah dihalakan dan menjalankan kadens jangkauan, menggunakan konteks pemarkahan supaya mesej pertama mencerminkan sebab lead ini penting dan bukan terbaca seperti templat generik.

Setiap serahan menghantar rekod berstruktur ke hadapan, bukan timbunan teks bebas: skor, sebab, keputusan penghalaan. Itulah yang menjadikan rantaian berfungsi. Jika Lead Scoring Agent menghasilkan perenggan tidak berstruktur dan Routing Agent menjangkakan medan tertentu, serahan itu akan gagal secara senyap atau Routing Agent terpaksa meneka. Pelan pembinaan AI SDR Agent menunjukkan bentuk yang berkaitan untuk outbound dan bukan inbound, di mana penyelidikan, penjujukan, dan pencatatan CRM berlaku dalam satu peranan yang lebih luas dan bukan tiga agent berasingan, satu alternatif yang munasabah apabila fasanya cukup mudah untuk kekal dalam skop satu agent.

Contoh Kedua: Daripada Triage Tiket kepada Eskalasi

Kerja sokongan menunjukkan corak yang sama dengan dua agent dan bukan tiga. AI Support Triage Agent membaca setiap tiket masuk, mengklasifikasikannya, dan sama ada menyelesaikan kes mudah secara langsung atau menandakan apa-apa yang bertahap keterukan tinggi atau sensitif kepada SLA. Tiket yang ditandakan diserahkan kepada AI Escalation Manager Agent, yang menjejak jam SLA, menghalakan kepada pasukan manusia yang tepat, dan memastikan semua orang dikemas kini apabila jam semakin suntuk.

Kedua-dua agent tidak perlu berkongsi setiap butiran tentang cara mereka berfungsi secara dalaman. Triage Agent tidak perlu tahu bagaimana dasar SLA dikonfigurasi, dan Escalation Manager tidak perlu tahu bagaimana tiket diklasifikasikan. Mereka hanya perlu bersetuju tentang apa yang diserahkan: sebuah tiket, klasifikasinya, dan tahap kecemasannya. Itulah prinsip reka bentuk di sebalik setiap sempadan multi-agent yang berfungsi, dan ia prinsip yang sama yang dibincangkan oleh cara AI agent menggunakan alat untuk skema alat satu agent, cuma diterapkan satu peringkat lebih tinggi, antara agent dan bukan antara agent dengan fungsi.

Mengapa Orkestrasi Bahagian yang Sukar

Memutuskan untuk membahagikan tugas kepada beberapa agent ialah keputusan yang mudah. Menjadikan penyelarasan boleh dipercayai ialah kerja yang sebenar: menyusun agent mana berjalan bila, mengendalikan kegagalan satu agent tanpa memecahkan keseluruhan rantaian, dan menghalakan kes pinggiran yang tidak sesuai dengan laluan yang dijangka. Lapisan penyelarasan itu mempunyai nama, dan ia dibincangkan secara mendalam dalam apa itu orkestrasi AI, termasuk corak berjujukan, selari, bersyarat, dan hibrid yang boleh diikuti oleh orkestrasi.

Minat terhadap lapisan ini telah berkembang pantas. Gartner telah melaporkan lonjakan 1,445% dalam pertanyaan pelanggan tentang sistem multi-agent antara S1 2024 dan S2 2025. Wajar membaca angka itu mengikut apa yang sebenarnya diukurnya: volum pertanyaan penganalisis, isyarat rasa ingin tahu dan penilaian, bukan bukti bahawa kebanyakan pertanyaan itu menjadi sistem pengeluaran yang berfungsi. Jurang antara "bertanya tentangnya" dengan "menjalankannya dengan boleh dipercayai" tepat di tempat reka bentuk orkestrasi berada.

Daripada Beberapa Agent kepada Satu Agent Peringkat Peranan

Sistem multi-agent dan satu agent dengan banyak keupayaan tidak selalunya perkara yang berbeza: kadangkala sistem multi-agent ialah rupa satu agent peringkat peranan apabila anda membukanya. AI Sales Operator atau AI Support Agent yang "memiliki" keseluruhan fungsi selalunya ialah beberapa corak terselaras yang bekerja bersama, bukan satu model monolitik yang melakukan segalanya.

Menyusun Corak untuk Membina AI Agent membincangkan perkara ini secara terperinci, termasuk mod kegagalan tepat yang muncul di sambungan antara corak, iaitu risiko peringkat sambungan yang sama yang muncul antara agent berasingan dalam sistem multi-agent: format data tidak sepadan, kependaman yang bertambah, dan ralat yang mengalir ke hilir tanpa sesiapa menangkapnya.

Di Mana Sistem Multi-Agent Gagal

Menambah agent menambah permukaan penyelarasan, dan permukaan penyelarasan ialah tempat perkara menjadi salah.

Kependaman bertambah. Setiap agent tambahan dalam rantaian menambah masa pemprosesannya sendiri, dan rantaian lima agent di mana setiap langkah mengambil beberapa saat boleh membuat pengguna menunggu jauh lebih lama daripada satu agent dengan lebih banyak alat.

Serahan gagal secara senyap. Jika format output Agent A menyimpang, walaupun sedikit, daripada apa yang dijangkakan Agent B, Agent B tidak semestinya menghasilkan ralat. Ia boleh meneruskan dengan input yang separa atau disalah baca dan menghasilkan keputusan yang salah dengan penuh keyakinan.

Ralat merebak merentasi sempadan agent. Klasifikasi yang salah daripada agent pertama dalam rantaian menjadi input yang dioptimumkan oleh setiap agent di hilir. Menjelang manusia perasan, beberapa agent telah bertindak atas maklumat yang buruk, bukan hanya satu. Corak Autonomous Agent membincangkan risiko pertambahan yang sama dalam gelung satu agent; sistem multi-agent membawa risiko yang serupa, cuma tersebar merentasi sempadan agent dan bukan lelaran gelung.

Tadbir urus menjadi lebih sukar dilihat. Agent individu masing-masing boleh ditadbir dengan baik sendiri-sendiri namun masih meninggalkan jurang di tempat serahan: siapa yang meluluskan data yang bergerak dari satu agent ke agent seterusnya, dan siapa yang bertanggungjawab apabila sistem gabungan itu tersilap. Gartner meramalkan bahawa lebih 40% projek agentic AI akan dibatalkan menjelang akhir 2027, dengan menyebut kos yang meningkat, nilai perniagaan yang tidak jelas, dan kawalan risiko yang tidak mencukupi, dan projek multi-agent membawa lebih banyak risiko tepat itu berbanding projek satu agent kerana terdapat lebih banyak permukaan untuk ditadbir.

Bila Menggunakan Multi-Agent lwn Satu Agent dengan Lebih Banyak Alat

Lalai yang jujur: cuba satu agent dengan set alat yang skopnya baik dahulu. Beralih kepada beberapa agent apabila bukti menunjukkan anda memerlukannya, bukan kerana seni bina multi-agent kedengaran lebih canggih pada slaid.

Fakta Utama

• Sistem multi-agent membahagikan satu tugas kepada agent khusus yang menyerahkan konteks berstruktur, diselaraskan sama ada oleh orchestrator pusat atau melalui rantaian serahan peer yang ditetapkan.
• Panduan OpenAI sendiri mengesyorkan bermula dengan satu agent dan hanya berpecah kepada beberapa agent apabila skop satu agent menjadi terlalu kusut untuk diselenggara.
• Gartner telah merekodkan lonjakan 1,445% dalam pertanyaan tentang sistem multi-agent, isyarat permintaan dan bukan bukti penggunaan yang berjaya pada skala itu.
• Titik kegagalan paling lazim terletak pada serahan antara agent: format data tidak sepadan, kependaman yang bertambah, dan ralat yang merebak secara senyap ke hilir.
• Gartner meramalkan lebih 40% projek agentic AI akan dibatalkan menjelang 2027 kerana kos, nilai yang tidak jelas, atau kawalan risiko yang lemah, risiko yang bertambah dengan setiap agent tambahan dalam rantaian.

Ke Mana Seterusnya

Sistem multi-agent dibina daripada dua bahan yang sama yang dibincangkan di tempat lain dalam pustaka ini: agent yang memanggil alat dengan baik, dibincangkan dalam cara AI agent menggunakan alat, dan agent yang bernalar dengan jelas tentang apa yang perlu dilakukan seterusnya, dibincangkan dalam cara AI agent bernalar. Jika anda bersedia untuk menentukan skop projek multi-agent pertama anda, cara membina AI agent membimbing anda melalui prosesnya, dan ringkasan alat sokongan serta panduan alat perkhidmatan pelanggan AI terbaik ialah titik permulaan yang berguna jika rantaian triage-ke-eskalasi seperti di atas ialah tugas yang anda sedang tentukan skopnya.