Назад до блогу
ШІ-агенти8 хв читання

Оркестрація мультиагентних систем: як змусити різних агентів співпрацювати

Патерни оркестрації ШІ-агентів, типові причини збоїв координації, роль протоколів MCP та A2A і економіка мультиагентних систем — погляд практика.

O

Oleksandr Ivanchuk

Software Developer

Мультиагентна система — це не кілька мовних моделей, запущених одночасно, а організаційна структура з розподілом ролей, правилами передачі роботи та контролем результату. У цій статті ми розглядаємо, які патерни оркестрації справді працюють, чому агенти найчастіше «не домовляються» між собою, скільки коштує координація та за яких умов мультиагентний підхід виправданий для промислового підприємства.

Вступ

Протягом останніх двох років фокус корпоративного ШІ змістився від окремих асистентів до систем, у яких кілька агентів виконують спільне завдання: один збирає дані, другий аналізує, третій перевіряє, четвертий готує результат. Ідея інтуїтивно зрозуміла — так працюють і людські команди. Проте на практиці різниця між демонстрацією та стабільною експлуатацією тут більша, ніж у будь-якому іншому класі ШІ-рішень.

Gartner прогнозує, що понад 40% проєктів агентного ШІ буде скасовано до кінця 2027 року через зростання витрат, нечітку бізнес-цінність або недостатній контроль ризиків [8]. У нашій практиці причина таких результатів рідко полягає в якості самих моделей. Значно частіше вона полягає в тому, що координацію між агентами не спроєктовано: агенти існують, а системи немає.

Про те, чим агент відрізняється від чат-бота, ми писали в статті «ШІ-агент — це не чат-бот». Тут мова піде про наступний рівень: що відбувається, коли агентів стає кілька.

Коли одного агента вже недостатньо

Перше питання, яке варто поставити, — чи потрібна мультиагентна архітектура взагалі. Інженери Anthropic у своєму огляді агентних систем формулюють це прямо: починати слід із найпростішого рішення та ускладнювати його лише тоді, коли простіші варіанти вичерпано [1]. Команда Cognition іде далі й аргументує, що для багатьох завдань один агент із повним контекстом надійніший за кілька агентів, які бачать лише фрагменти задачі, оскільки рішення, прийняті незалежно, починають суперечити одне одному [4].

На основі наших спостережень, розподіл роботи між агентами виправданий у трьох ситуаціях:

  • Завдання розкладається на незалежні гілки. Наприклад, одночасний аналіз даних із різних цехів або різних систем, де результати зводяться лише на фінальному етапі.
  • Обсяг інформації перевищує можливості одного контексту. Кожен агент працює з власним вікном контексту й повертає стислий результат, а не весь масив сирих даних.
  • Потрібне розділення повноважень. Агент, що читає дані з ERP, і агент, що має право створювати документи, — це різні рівні доступу, і поєднувати їх в одному виконавці не завжди допустимо з погляду безпеки.

Якщо жодна з цих умов не виконується, мультиагентна архітектура додає складності без відчутної користі.

Патерни оркестрації: хто кому передає роботу

Оркестрація — це відповідь на три питання: хто вирішує, що робити далі; яку інформацію отримує кожен агент; хто перевіряє результат. Більшість промислових реалізацій зводиться до кількох базових патернів [1][7].

ПатернЯк організовано роботуКоли доречнийГоловний ризик
Послідовний конвеєрКожен агент обробляє результат попередньогоПроцеси з фіксованими етапами: вилучення → перевірка → оформленняПомилка на ранньому етапі поширюється до кінця
МаршрутизаціяАгент-диспетчер визначає тип запиту й передає його спеціалізованому виконавцюРізнорідні звернення: підтримка, довідкові запити, заявкиХибна класифікація спрямовує запит не тому виконавцю
Оркестратор і виконавціКерівний агент розбиває задачу, роздає підзадачі, зводить результатиДослідницькі й аналітичні задачі з непередбачуваною структуроюНечіткі доручення, дублювання роботи, висока вартість
Паралельне виконання з агрегацієюКілька агентів незалежно розв'язують ту саму або суміжні задачі, результати порівнюютьсяЗадачі, де важлива надійність висновкуКратне зростання витрат
Виконавець і рецензентОдин агент створює результат, інший оцінює його за заданими критеріямиДокументи, звіти, розрахунки з формальними вимогамиРецензент погоджується з правдоподібним, але хибним результатом
Рівноправна взаємодіяАгенти обмінюються повідомленнями без центрального координатораДослідницькі сценарії, моделюванняНескінченні діалоги, відсутність відповідального за результат

У нашій практиці для виробничих сценаріїв найчастіше застосовуються перші три патерни та їх комбінації. Рівноправна взаємодія без координатора добре виглядає в дослідницьких роботах, але в промисловій експлуатації вона ускладнює головне — можливість пояснити, чому система прийняла те чи інше рішення.

Чому агенти не співпрацюють

Найбільш системне дослідження цього питання провела група з Каліфорнійського університету в Берклі. Автори проаналізували понад 1600 анотованих трас виконання в семи популярних мультиагентних фреймворках і побудували таксономію з 14 типів збоїв, згрупованих у три категорії [3]:

  1. Проблеми проєктування системи. Нечітко визначені ролі, порушення агентом меж своєї ролі, втрата історії розмови, незнання умов завершення роботи.
  2. Неузгодженість між агентами. Агент не запитує уточнення, приховує або не передає важливу інформацію, ігнорує результат колеги, відхиляється від завдання.
  3. Перевірка та завершення задачі. Передчасне завершення, відсутня або поверхнева перевірка результату.

Висновок авторів узгоджується з тим, що ми бачимо у впровадженнях: значну частину збоїв неможливо усунути заміною моделі на потужнішу. Це вади організаційного проєктування, а не інтелекту окремого агента. Аналогія з людською командою тут доречна: група сильних фахівців без розподілу обов'язків і правил передачі роботи працює гірше, ніж посередня, але добре організована.

Вважаю важливим відзначити найпоширенішу помилку, яку ми спостерігаємо: доручення від одного агента іншому формулюється одним коротким реченням. Агент-виконавець не має контексту, який був в оркестратора, і добудовує відсутні деталі на власний розсуд. Anthropic описує ту саму проблему у власній дослідницькій системі: без докладного опису мети, очікуваного формату результату та меж задачі субагенти дублювали роботу один одного або залишали прогалини [2].

Контракти між агентами: протоколи та спільний стан

Співпраця агентів потребує тих самих речей, що й інтеграція будь-яких програмних систем: погодженого інтерфейсу та спільного розуміння стану задачі. Тут за останні два роки сформувалися два взаємодоповнювальні стандарти.

Model Context Protocol (MCP) описує, як агент підключається до інструментів і джерел даних — ERP, баз даних, файлових сховищ [5]. Він відповідає на питання «що агент може зробити в зовнішньому світі». Докладніше про його роль ми писали в матеріалі про стандартизацію інтеграції ШІ з бізнес-системами.

Agent2Agent (A2A) — відкритий протокол, що описує взаємодію між самими агентами: як агент повідомляє про свої можливості, як приймає задачу, як звітує про хід виконання та повертає результат [6]. Він важливий там, де агенти створені різними командами або постачальниками.

Проте протокол розв'язує лише транспортну частину. Не менш важливим є питання спільного стану: де зберігається план, хто має право його змінювати, як агент дізнається, що вже зроблено. У стабільних системах, які ми бачили, проміжні результати зберігаються поза контекстом агентів — у структурованому сховищі, — а між агентами передаються посилання та стислі підсумки, а не повні тексти. Це зменшує втрати інформації під час «переказування» і робить хід роботи придатним до перевірки.

Економіка координації

Мультиагентна система споживає суттєво більше обчислювальних ресурсів, ніж одиночний агент. За даними Anthropic, агенти зазвичай використовують приблизно в 4 рази більше токенів, ніж звичайна розмова з моделлю, а мультиагентні системи — приблизно в 15 разів більше [2].

Водночас ці витрати можуть окупатися. У внутрішньому оцінюванні тієї ж компанії система з керівним агентом і кількома субагентами перевершила одиночного агента на 90,2% на дослідницьких задачах, а обсяг використаних токенів сам по собі пояснював близько 80% різниці в результатах [2]. Інакше кажучи, мультиагентність — це спосіб «купити» якість за рахунок обчислень, і він має сенс лише там, де цінність результату перевищує вартість його отримання.

Для підприємства це означає просту перевірку перед стартом: скільки коштує одна розв'язана задача і скільки вона заощаджує. Структуру таких витрат ми докладно розглядали у статті про вартість володіння ШІ-агентом.

Особливості промислового контексту

У виробничому середовищі до загальних вимог додаються обмеження, яких немає в офісних сценаріях.

Розмежування читання та дії. Агенти, що аналізують дані SCADA або ERP, і агенти, що можуть змінювати записи чи ініціювати операції, мають бути розділені не лише логічно, а й на рівні прав доступу. Будь-яка дія з наслідками для виробництва проходить через підтвердження людиною. Підхід до поступового розширення автономії ми описували в матеріалі про межу довіри до ШІ-агентів.

Відтворюваність. Для кожного результату має існувати можливість відновити ланцюжок: який агент що отримав, що повернув і на якій підставі. Без цього неможливо ані розслідувати інцидент, ані пройти аудит.

Передбачуваність часу відповіді. Кожен додатковий агент — це додаткові виклики моделі. Сценарії, де відповідь потрібна за секунди, погано сумісні з глибокими ієрархіями агентів.

Типовий приклад із нашої практики: підготовка зведеного звіту про відхилення у виробництві. Один агент отримує показники з виробничих систем, другий зіставляє їх із плановими даними в ERP, третій формує пояснення для керівника зміни. Система стала стабільною не після заміни моделі, а після того, як для кожного агента було зафіксовано формат вхідних і вихідних даних та додано перевірку повноти перед передачею наступному виконавцю.

Авторська оцінка та висновки

На основі досвіду впроваджень сформулюю кілька положень, які вважаю ключовими.

Мультиагентність — це архітектурне рішення, а не ознака зрілості. Система з одного добре оснащеного агента часто надійніша й дешевша. Перехід до кількох агентів має бути відповіддю на конкретне обмеження: обсяг контексту, потреба в паралельності або розділення повноважень.

Якість співпраці визначається якістю доручень. Найбільший ефект у наших проєктах давали не зміни моделей, а чітко описані ролі, формати обміну та критерії завершення роботи. Це збігається з висновками дослідників [3].

Перевірка має бути окремою функцією. Агент, який виконав роботу, не повинен бути єдиним, хто оцінює її якість. Незалежна перевірка — автоматична або людська — закладається в архітектуру з самого початку.

Стандартні протоколи зменшують залежність від постачальника. MCP для доступу до інструментів і A2A для взаємодії агентів дозволяють замінювати окремі компоненти без перебудови всієї системи [5][6].

Рахувати економіку слід до початку розробки. Кратне зростання споживання ресурсів — властивість підходу, а не вада реалізації. Мультиагентна система виправдана для задач із високою цінністю результату.

Змусити агентів співпрацювати — це насамперед організаційна задача, яку розв'язують тими самими засобами, що й у людських командах: зрозумілі ролі, правила передачі роботи, контроль результату та відповідальність за нього.

Джерела

  1. Anthropic. "Building Effective Agents." 2024. https://www.anthropic.com/engineering/building-effective-agents
  2. Anthropic. "How We Built Our Multi-Agent Research System." 2025. https://www.anthropic.com/engineering/multi-agent-research-system
  3. Cemri M., Pan M. Z., Yang S. et al. "Why Do Multi-Agent LLM Systems Fail?" arXiv:2503.13657, 2025. https://arxiv.org/abs/2503.13657
  4. Cognition. "Don't Build Multi-Agents." 2025. https://cognition.ai/blog/dont-build-multi-agents
  5. Model Context Protocol. Офіційна документація. https://modelcontextprotocol.io/
  6. Agent2Agent (A2A) Protocol. Офіційна специфікація. https://a2a-protocol.org/latest/
  7. Wu Q., Bansal G., Zhang J. et al. "AutoGen: Enabling Next-Gen LLM Applications via Multi-Agent Conversation." arXiv:2308.08155, 2023. https://arxiv.org/abs/2308.08155
  8. Gartner. "Gartner Predicts Over 40% of Agentic AI Projects Will Be Canceled by End of 2027." 2025. https://www.gartner.com/en/newsroom/press-releases/2025-06-25-gartner-predicts-over-40-percent-of-agentic-ai-projects-will-be-canceled-by-end-of-2027
мультиагентні системиоркестрація агентівші-агентиагентний шіllm-агентиmcpmodel context protocola2aкорпоративний шілюдина в контурітокен-економіка

Рішення АКУТЕК за темою статті

Ми проєктуємо та впроваджуємо такі системи на промислових підприємствах України та ЄС.

Пов'язані статті

Потрібна консультація?

Зв'яжіться з нами для безкоштовної консультації.