ММООЗЗГГ.ru

Разбор

Мультиагентная система ИИ: когда команда агентов окупается

7 мин17 источников

Мультиагентная система ИИ — это команда агентов с ролями: один принимает заявку, второй считает цену, третий готовит договор. По замерам Anthropic, такая команда тратит около 15 раз больше токенов, чем обычный чат, поэтому ее строят только там, где один агент упирается в предел.

На странице · 5 разделов

Нужны команда и ИИ-директор

Роли и передача задач

У каждого агента в команде своя инструкция, свои инструменты и своя зона ответственности. Агент приема разбирает заявку, агент расчета берет цены из прайса, агент договора собирает документ по шаблону. Руководитель видит результат, а не переписку агентов.

Роль агента записывают в инструкцию простыми словами: что он делает, чего не делает и кому отдает результат. Чем уже роль, тем реже агент выходит за ее пределы и тем проще найти, кто ошибся.

Задачу между агентами передают двумя способами. Первый называется передачей (handoff): агент отдает задачу коллеге. В документации OpenAI Agents SDK пример такой: в поддержке отдельные агенты отвечают про статус заказа, возвраты и частые вопросы.

Второй способ похож на отдел с начальником. В CrewAI, открытом фреймворке для команд агентов на лицензии MIT, есть иерархический процесс: агент-менеджер планирует работу, раздает задачи по навыкам и проверяет результат. Фреймворк здесь значит готовый каркас программы, в который вписывают свои роли.

Для простых цепочек хватает последовательного процесса. Задачи идут по порядку, и результат одной становится исходными данными для следующей: заявка, затем расчет, затем договор.

Готовую команду агентов, которые видят одних и тех же клиентов и одни данные, мы строим как ИИ-отдел. Это продукт для компании, а не эксперимент на одном процессе.

На чем собирают

Команду агентов собирает программист. Конструкторы без кода хорошо держат одного агента, а роли, передачу задач и общую память описывают в библиотеках на Python или JavaScript.

CrewAI вышел в декабре 2023 года и распространяется по лицензии MIT. Команду в нем описывают как список сотрудников: роль, цель, задача и порядок работы. Пошаговая сборка на CrewAI разобрана в отдельной инструкции.

LangChain и LangGraph: открытые библиотеки для агентов и цепочек на Python и JavaScript, тоже MIT. В LangGraph собирают свою схему работы, где заранее заданные шаги сочетаются с решениями агента. Так удобно встраивать проверки между агентами.

OpenAI Agents SDK вышел 11 марта 2025 года: агенты, передача задачи между ними, ограничители и трассировка. Ограничители проверяют, что агент получает и что отдает, а трассировка записывает каждый его шаг.

Все три инструмента бесплатны как код. Платите вы за модели, сервер и работу людей, которые соберут команду и будут ее сопровождать.

AutoGen от Microsoft, еще одна известная основа для команд агентов, переведен в режим поддержки: новых функций в нем не будет, а новым пользователям Microsoft советует преемника, Microsoft Agent Framework. Перед выбором основы проверьте, развивается ли она и кто ее поддерживает.

Когда одного агента хватает

Anthropic в декабре 2024 года советовала начинать с простого решения и усложнять его, только когда это нужно. Иногда это значит вообще не строить агента, а записать шаги процесса в обычную автоматизацию.

Документация LangChain говорит то же про команды. Не каждой сложной задаче нужна команда: один агент с правильными инструментами и инструкцией часто дает похожий результат.

Команда оправдана в трех случаях. У одного агента слишком много инструментов, и он путается, какой выбрать. Задачи требуют разных знаний и больших объемов документов. Части работы можно делать параллельно.

Цена команды видна в расходах. Токен это кусок текста, за который платят модели. По замерам Anthropic, агент тратит около 4 раз больше токенов, чем чат, а команда агентов около 15 раз больше.

Взамен команда умеет то, что не умеет один агент. Исследовательская система Anthropic, где ведущий агент раздает поиск субагентам, в июне 2025 года показала на внутреннем тесте результат на 90,2% выше одиночного агента.

Плохо подходят задачи, где агенты постоянно ждут друг друга: Anthropic прямо пишет, что задачи с множеством зависимостей между агентами пока плохо ложатся на команды. Где стоит ваша задача, поможет понять разбор уровней сложности.

Управление командой агентов

Команде агентов нужен руководитель, как и команде людей. В иерархическом процессе CrewAI это агент-менеджер, и без него процесс не запустится: для этой роли указывают модель или отдельного агента.

Над агентом-менеджером стоит человек. Он задает метрику команды, принимает результат и решает, какой агент получит новую задачу или потеряет старую.

Метрику команды задают так же, как для одного агента: доля заявок, доведенных до договора без человека, время от заявки до счета, число ошибок в расчетах. Ее записывают до сборки и сравнивают с тем, как процесс работал без агентов.

Ошибки команды видны не сразу. В ранних версиях системы Anthropic ведущий агент запускал 50 субагентов на простой вопрос. Поэтому каждый шаг пишут в журнал: трассировка в OpenAI Agents SDK сделана как раз для этого.

Права выдают каждому агенту отдельно. Агент расчета читает прайс, но не меняет его. Агент договора готовит документ, но не отправляет клиенту без проверки юристом.

В компании за команду агентов отвечают люди и правила: кто ставит задачи, кто принимает работу, кто отключает агента при сбое. Без такого владельца команда агентов быстро становится набором скриптов, которыми никто не управляет.

С чего начать

Начните с одного агента на всем процессе и набора реальных заявок с известным результатом. Anthropic советует начинать проверку агента с 20–50 задач, взятых из реальных ошибок, а документация AutoGen прямо говорит: начинайте с одного агента и переходите к команде, когда одного не хватает.

Прогоните агента по набору и разберите, где он ошибается. Путает инструменты, теряет нужное в длинных документах, не успевает за объемом: при таких признаках LangChain советует делить работу между агентами. Ошибки в самих данных и правилах команда агентов не исправит.

Отделяйте сначала одну роль, на которой ошибок больше всего, и снова прогоните набор. Если доля верных результатов выросла, а расход токенов остался в пределах выгоды, отделяйте следующую роль.

Шаги, где ошибка стоит денег, оставляют человеку. В OpenAI Agents SDK для этого есть инструменты с подтверждением: агент ждет, пока человек одобрит или отклонит действие. В CrewAI у задачи есть проверка итога человеком и проверка результата перед следующей задачей, по умолчанию с 3 повторами.

Вопросы и ответы

Чем мультиагентная система отличается от одного агента с несколькими инструментами?

В команде у каждого агента своя инструкция, свои инструменты и своя роль, а задачи между ними передает менеджер или сами агенты. Один агент держит все в одной инструкции. По документации LangChain, один агент с правильными инструментами часто дает похожий результат, поэтому команда нужна, когда он начинает путаться.

Сколько стоит мультиагентная система?

Код CrewAI, LangGraph и OpenAI Agents SDK бесплатен по лицензии MIT, платят за модели, сервер и работу людей. По замерам Anthropic, команда агентов тратит около 15 раз больше токенов, чем чат, и эти расходы считают до сборки. Наш ИИ-отдел из 3–5 агентов на общих данных стоит от 390 000 ₽ и собирается за 4–6 недель.

Можно ли запустить команду агентов на своих серверах?

Да. CrewAI подключает локальные модели через Ollama: в настройке модели указывают префикс ollama/ и адрес локального сервера, и данные не покидают компанию. Документация AutoGen предупреждает, что небольшие локальные модели обычно слабее крупных облачных. Поэтому качество проверяют на том же наборе задач, что и в облаке.

Кто отвечает, если команда агентов ошиблась?

Компания. В феврале 2024 года трибунал Британской Колумбии признал Air Canada ответственной за неверный ответ чат-бота на сайте и отклонил довод, что бот сам отвечает за свои действия. Поэтому у команды агентов должен быть владелец: человек, который принимает результат и может отключить агентов при сбое.

Как не дать агентам сделать лишнее?

OWASP называет этот риск избыточной самостоятельностью: у агента лишние функции, лишние права или слишком много свободы. Защита из того же списка: только нужные инструменты, минимальные права и подтверждение человеком важных действий. В команде это настраивают для каждого агента отдельно.

Источники и проверка

Проверено редакцией 16 октября 2026.

  1. Anthropic, 19 декабря 2024 (anthropic.com)
  2. Wikipedia, декабрь 2023 (en.wikipedia.org)
  3. GitHub, репозитории langchain-ai/langchain и langchain-ai/langgraph, 2026 (github.com)
  4. OpenAI, 11 марта 2025 (openai.com)
  5. Anthropic Engineering, 13 июня 2025 (anthropic.com)
  6. CrewAI Docs, Processes, 2026 (docs.crewai.com)
  7. OpenAI Agents SDK Docs, Handoffs, 2026 (openai.github.io)
  8. LangChain Docs, Multi-agent, 2026 (docs.langchain.com)
  9. Anthropic Engineering, 9 января 2026 (anthropic.com)
  10. GitHub, microsoft/autogen, 2026 (github.com)
  11. AutoGen Docs, Teams, 2026 (microsoft.github.io)
  12. AutoGen Docs, Models, 2026 (microsoft.github.io)
  13. CrewAI Docs, Tasks, 2026 (docs.crewai.com)
  14. CrewAI Docs, LLMs, 2026 (docs.crewai.com)
  15. OpenAI Agents SDK Docs, Human-in-the-loop, 2026 (openai.github.io)
  16. OWASP Top 10 для LLM, Excessive Agency, 2025 (genai.owasp.org)
  17. Law360 Canada, 16 февраля 2024 (law360.ca)

Нашли ошибку? Напишите нам

Публикации

Как создать чат-бот в Максе: инструкция для компании

Чтобы создать чат-бот в Максе, компании нужно пройти четыре шага на платформе MAX для партнеров: проверить профиль организации через Госуслуги, заполнить карточку бота, дождаться модерации до 48 часов по рабочим дням и собрать сценарий в конструкторе или своим кодом. Ниже каждый шаг по документации MAX, проверенной 16 октября 2026 года, а также как связать бота с сайтом, CRM и командой и на чем бо

ИнструкцияИТСредний11 мин
Написать в Telegram