Multi-agent workflowk · Lecke 02

Orchestrator-worker architektúra

Az Anthropic saját kutatási rendszerének gerince egy koordináló ügynök, amely részfeladatokra bontja a munkát, és párhuzamosan futó subagenteket indít azok elvégzésére.

Vissza a tananyaghoz


A lead agent szerepe

Az orchestrator-worker mintában egy lead agent kapja meg a felhasználó eredeti kérdését. Ez az ügynök nem maga végzi el a keresést, hanem elemzi a kérdést, kialakít egy stratégiát, majd ez alapján párhuzamos subagenteket indít, mindegyiket egy jól körülhatárolt résztémával. A lead agent feladata a koordináció, a subagentek eredményeinek összegyűjtése, és a végső válasz összeállítása.


  1. Kérdés elemzéseA lead agent megkapja a felhasználó eredeti kérdését, és felméri a feladat szélességét.
  2. Stratégia kialakításaEldönti, milyen résztémákra érdemes bontani a kutatást.
  3. Subagentek indításaMinden subagent jól körülhatárolt résztémát kap, párhuzamosan dolgoznak.
  4. Eredmények összegyűjtéseA lead agent begyűjti a részeredményeket, és feloldja az átfedéseket.
  5. Végső válasz összeállításaA koordináló ügynök szintetizálja a részeket egyetlen válasszá.

Lead agent Subagent 1 saját téma, saját eszközök Subagent 2 saját téma, saját eszközök Subagent 3 saját téma, saját eszközök a subagentek egymástól függetlenül, egyidejűleg dolgoznak
A lead agent lebontja a kérdést, és párhuzamosan indítja el a subagenteket.

Elkülönített felelősségi körök

Minden subagent saját prompttal, saját keresési útvonallal és saját, elszigetelt kontextusablakkal dolgozik. Ez azt jelenti, hogy egy adott subagent nem látja a másik subagent köztes lépéseit, csak azt a résztémát, amit a lead agent kijelölt neki. Ez a szeparáció teszi lehetővé, hogy a rendszer nagy mennyiségű információt dolgozzon fel anélkül, hogy egyetlen kontextusablak megtelne.


Egy közös kontextus

  • Minden ügynök mindent lát
  • Az ablak hamar megtelik
  • A keresések összeakadnak

Elszigetelt kontextusok

  • Minden subagent csak a saját résztémáját látja
  • Saját prompt, saját keresési útvonal
  • Nagy mennyiségű információ is feldolgozható

Miért éri meg a párhuzamosítás

Amikor a subagentek egymástól függetlenül futnak, a teljes kutatás ideje nem az egyes résztémák idejének összege, hanem közelít a leghosszabb egyedi résztéma idejéhez. Az Anthropic saját méréseiben a párhuzamos végrehajtás akár 90%-kal csökkentette a komplex kutatási feladatok teljes idejét a szekvenciális megközelítéshez képest.


Szekvenciális kutatás teljes ideje100%
Párhuzamos kutatás teljes idejeakár 10%

Az Anthropic mérései szerint a párhuzamos végrehajtás akár 90%-kal csökkentette a komplex kutatási feladatok teljes idejét.


90%

Ennyi időt takarított meg a párhuzamos végrehajtás a komplex kutatásoknál, mert a teljes idő a leghosszabb résztéma idejéhez közelít, nem a résztémák összegéhez.


SZEKVENCIÁLIS hosszú teljes idő PÁRHUZAMOS egyidejűleg futnak a leghosszabb résztéma ideje számít akár 90%-kal rövidebb
Párhuzamos subagentek esetén a teljes idő a leghosszabb résztémához közelít.

← Előző lecke Következő lecke →

Workshop

AI Transformation Day

Egésznapos, vezetőknek szóló program. Feltérképezzük, hol tart a szervezet, mi az első reális lépés, és milyen belső feltételek szükségesek a sikerhez. A nap végén konkrét, prioritizált cselekvési lista.

Érdekel a program →