AI agenti a multiagentné systémy: Kedy sa oplatí tím agentov a kedy stačí jeden

Programovanie sa posúva od písania kódu, ktorý presne vykonáva príkazy, k budovaniu systémov, ktoré si samy plánujú kroky a používajú nástroje. Najnovším trendom sú multiagentné systémy, v ktorých spolupracuje viac takýchto agentov. Zdroje však ukazujú, že tím agentov nie je automaticky lepší než jeden dobre navrhnutý agent. Pozrime sa, kedy sa viacerí agenti oplatia a kde zlyhávajú.

Čo je AI agent a čo multiagentný systém

Agent: model, ktorý používa nástroje v slučke

Firma Anthropic vo svojom technickom článku definuje agenta ako jazykový model, ktorý samostatne používa nástroje v slučke. Konkrétne môže ísť o vyhľadávanie na webe, spúšťanie príkazov alebo čítanie súborov. Agent po každom kroku vyhodnotí výsledok a rozhodne, čo urobí ďalej.

Multiagentný systém: viac agentov, jedna úloha

Multiagentný systém je zoskupenie viacerých agentov, ktoré spolupracujú prostredníctvom orchestrácie, teda riadenia toho, kto čo robí a ako sa výsledky spájajú. Výskumníci z Kalifornskej univerzity v Berkeley ho opisujú ako súbor agentov, ktoré komunikujú, aby spoločne splnili úlohu.

Najčastejšia architektúra: riadiaci agent a podriadení agenti

Veľmi rozšírený je vzor orchestrator-worker. Riadiaci agent rozloží úlohu na menšie časti a pridelí ich podriadeným agentom, ktorí pracujú paralelne. Na konci výsledky zhrnie. Anthropic tak postavil svoj systém na výskum: hlavný agent plánuje postup a vytvára podriadených agentov, ktorí súčasne hľadajú informácie.

Kedy viac agentov pomáha

Podľa Anthropicu sa multiagentné systémy osvedčili najmä pri úlohách, ktoré sa dajú rozdeliť na nezávislé smery, napríklad pri širokom prieskume témy. Vo vlastnom internom teste firma uviedla, že systém s hlavným agentom Claude Opus 4 a podriadenými agentmi Claude Sonnet 4 prekonal samotného agenta Opus 4 o 90,2 %. Ide o interný test výrobcu, nie o nezávislé meranie.

Cena je však vysoká: podľa Anthropicu spotrebúvajú agenti zhruba štyrikrát viac tokenov než bežný chat a multiagentné systémy približne pätnásťkrát viac. Tokeny sa dajú prirovnať k „palivu“ jazykových modelov, takže výkon sa platí výpočtovým výkonom aj peniazmi.

Kedy viac agentov nepomáha

Rovnaký zdroj uvádza, že multiagentné systémy sú menej účinné pri úlohách, v ktorých sú kroky úzko prepojené, ako je programovanie. To je dôležité upozornenie, pretože často opisovaný scenár tímu agentov (jeden píše kód, druhý ho kontroluje a tretí nasadzuje) patrí práve do tejto kategórie. Neznamená to, že takýto prístup nefunguje, ale že sa nedá predpokladať ako samozrejmé zlepšenie.

Prečo multiagentné systémy zlyhávajú

Štúdia Why Do Multi-Agent LLM Systems Fail? (prijatá na konferenciu NeurIPS 2025) uvádza, že výkonnostné zisky multiagentných systémov oproti jednému agentovi sú v bežných testoch často malé. Autori vytvorili taxonómiu zlyhaní MAST so 14 typmi chýb v troch skupinách: problémy so zadaním a návrhom systému, nesúlad medzi agentmi a overovanie úloh. Medzi konkrétnymi príkladmi sú ignorovanie vstupu od iného agenta alebo neopýtanie sa na spresnenie. Podľa zhrnutia štúdie pochádza väčšina zlyhaní z návrhu systému a komunikácie medzi agentmi, nie len z obmedzení samotného jazykového modelu.

Praktické zásady pre vývojárov

• Začnite jednoducho. Anthropic odporúča hľadať najjednoduchšie riešenie a pridávať zložitosť len vtedy, keď je to potrebné. Viac agentov pridajte až vtedy, keď viete pomenovať konkrétny limit jedného agenta.
• Presne zadávajte úlohy. V systéme Anthropicu vedie riadiaci agent podriadených podrobnými pokynmi. Nejasné delegovanie vedie k duplicitnej práci.
• Testujte a sledujte. Anthropic opisuje simulácie, pri ktorých sa sleduje práca agentov krok za krokom, aj ukladanie stavu, aby sa dlhá práca dala po chybe obnoviť.
• Počítajte s nákladmi. Viac agentov znamená viac tokenov a viac miest, kde môže niečo zlyhať.
• Obmedzte oprávnenia (moje odporúčanie, nie údaj zdroja). Agent, ktorý môže spúšťať príkazy alebo nasadzovať kód, by mal mať len nevyhnutné práva a dôležité kroky by mal schvaľovať človek.

Záver

Multiagentné systémy majú zmysel pri širokých, rozdeliteľných úlohách, napríklad pri výskume, no za cenu vyššej spotreby výpočtového výkonu a väčšej zložitosti. Výsledky závisia od návrhu, a nie len od toho, koľko agentov nasadíte. Predtým, než postavíte tím agentov, overte si, či na úlohu nestačí jeden dobre vybavený agent.