Anthropic zaleca ograniczanie liczby subagentów w systemach AI

Ostatnio Anthropic zaczęła zalecać firmom ograniczanie liczby subagentów, nawet do łączenia niektórych wyspecjalizowanych agentów z główną pętlą pracy.

Doświadczenie kilku projektów korporacyjnych pokazało, że architektura składająca się z jednego agenta i zestawu umiejętności często okazuje się skuteczniejsza niż złożone systemy wieloagentowe. U jednego z klientów po przejściu na pojedynczą pętlę prędkość wykonywania zadań wzrosła około dwukrotnie.

Przyczyny są łatwe do zrozumienia. Przy przekazywaniu zadań od jednego agenta do drugiego kontekst musi być za każdym razem przekazywany i podsumowywany. W rezultacie część informacji może zostać utracona, opóźnienia rosną, a koszty zwiększają się.

Teraz Anthropic zaleca powierzenie planowania i wykonywania zadań agentowi głównemu, który w razie potrzeby dynamicznie ładuje umiejętności i narzędzia. Procesy biznesowe i wiedza domenowa powinny być przechowywane jako komponenty wielokrotnego użytku.

W artykule przytoczono jednak jeden znaczący przypadek, który zasługuje na szczególną uwagę.

Kiedyś specjaliści Anthropic połączyli subagentów w systemie obsługi klienta. To rzeczywiście skróciło opóźnienia, ale zadanie, które wcześniej było wykonywane pomyślnie, niespodziewanie przestało działać. Przyczyną było to, że agent główny pominął etap uzgadniania czasu dostawy ze specjalistą od logistyki.

Dlatego autor podkreśla konieczność przeprowadzania testów end-to-end (end-to-end Eval) po każdym połączeniu subagentów, ze szczególną uwagą sprawdzając, które wcześniej udane zadania zaczęły kończyć się błędami.

Oczywiście subagenci nadal mają wartość tam, gdzie potrzebne są równoległe badania, niezależna weryfikacja wyników lub izolacja kontekstu.

Projektując przyszłe systemy wieloagentowe, warto więc najpierw zadać pytanie: czy każdy subagent naprawdę potrzebuje własnego niezależnego kontekstu i osobnej pętli wykonywania zadań?

Ponadto Anthropic opublikowała w otwartym dostępie zestaw narzędzi migracyjnych, który pozwala analizować istniejącą architekturę, stopniowo łączyć subagentów oraz porównywać jakość pracy, koszty i opóźnienia przed i po zmianach.

Osoby zajmujące się tworzeniem agentów AI powinny zapoznać się z tymi narzędziami i artykułem Anthropic.