Daugiaagentės DI sistemos (multi-agent)

Daugiaagentė DI sistema (angl. multi-agent system) – sistema, kurioje kelis žingsnius atlieka ne vienas, o keli DI agentai, kiekvienas su savo užduotimi, instrukcijomis, įrankiais ir konteksto langu, o juos koordinuoja orkestratorius arba iš anksto apibrėžta tvarka. Plačiau ši kryptis vadinama agentiniu DI (angl. agentic AI) – sistemomis, kurios ne tik atsako, bet ir savarankiškai planuoja bei atlieka veiksmus.

Kuo daugiaagentė sistema skiriasi nuo vieno DI agento

Vienas DI agentas – tai kalbos modelis cikle: jis gauna užduotį, kviečia įrankius, skaito rezultatus ir kartoja, kol užduotis atlikta. Visa istorija kaupiasi viename konteksto lange. Daugiaagentėje sistemoje darbas padalijamas: pagrindinis agentas suplanuoja, kelis pagalbinius (angl. subagents) paleidžia lygiagrečiai, kiekvienas jų dirba su švariu kontekstu ir grąžina tik trumpą išvadą. Taip galima apdoroti daugiau informacijos, nei telpa į vieną langą, ir sutrumpinti laiką, jei dalys nepriklauso viena nuo kitos.

Daugiaagenčių sistemų architektūros

• Orkestratorius ir vykdytojai (angl. orchestrator-workers). Pagrindinis agentas skaido užduotį dinamiškai ir paskirsto ją pagalbiniams. Taip veikia Anthropic tyrimų sistema „Research“: pagrindinis agentas paleidžia kelis paieškos agentus, kiekvienas tyrinėja savo kryptį.
• Grandinė (angl. pipeline). Agentai dirba paeiliui: vienas surenka duomenis, kitas rašo juodraštį, trečias tikrina. Paprasčiausia ir lengviausiai testuojama.
• Vertintojas ir tobulintojas (angl. evaluator-optimizer). Vienas agentas kuria, kitas vertina pagal kriterijus ir grąžina pastabas, kol rezultatas atitinka reikalavimus.
• Maršrutizatorius (angl. router). Pirmas modelis nustato užklausos tipą ir perduoda specializuotam agentui: pardavimų, grąžinimų ar techninės pagalbos.
• Hierarchija. Keli orkestratorių lygmenys – tinka tik labai didelėms užduotims ir sunkiausiai prižiūrima.

Ar daugiaagentė sistema geresnė: ką rodo duomenys

Anthropic 2025 m. birželio 13 d. aprašė savo tyrimų sistemą: daugiaagentė sistema su Claude Opus 4 kaip pagrindiniu agentu ir Claude Sonnet 4 pagalbiniais agentais vidiniame tyrimų vertinime pranoko vieną Claude Opus 4 agentą 90,2 %. Tačiau ta pati publikacija nurodo kainą: agentai sunaudoja apie 4 kartus, o daugiaagentės sistemos – apie 15 kartų daugiau žetonų nei įprastas pokalbis, o vien žetonų kiekis paaiškina 80 % rezultatų skirtumų. Anthropic taip pat rašo, kad sritys, kuriose visiems agentams reikia bendro konteksto arba yra daug priklausomybių tarp agentų, pavyzdžiui, dauguma programavimo užduočių, šiandien daugiaagentėms sistemoms netinka.

2025 m. Berklio universiteto tyrėjų straipsnis „Why Do Multi-Agent LLM Systems Fail?“ išanalizavo daugiau nei 1 600 darbo įrašų iš 7 populiarių daugiaagenčių karkasų ir išskyrė 14 gedimų tipų trijose grupėse: sistemos projektavimo klaidos, agentų tarpusavio nesusikalbėjimas ir užduoties patikrinimo spragos. Jų išvada – populiariuose testuose daugiaagenčių sistemų pranašumas dažnai minimalus.

Pasitikrinome patys. 2026-10-13 tą pačią užduotį – iš 6 mūsų žinyno įrašų (iš viso apie 46 000 simbolių lietuviško teksto) ištraukti po 3 svarbiausius skaičius ir parašyti palyginimą – atlikome su gpt-6.1-sol dviem būdais:

Abu atsakymai buvo tinkami, daugiaagentis – išsamesnis, bet 2,3 karto brangesnis ir 2 kartus lėtesnis, nes trys etapai vyksta paeiliui, o kiekvienas agentas rašo savo išvadą. Kai visa informacija telpa į vieną kontekstą, daugiaagentė architektūra pranašumo nesuteikia. Ji pateisinama, kai duomenų per daug vienam langui arba dalis darbų tikrai galima atlikti lygiagrečiai ir atskirai.

Protokolai: MCP ir A2A

Agentams reikia dviejų rūšių jungčių. MCP (Model Context Protocol) standartizuoja, kaip agentas jungiasi prie įrankių ir duomenų: CRM, el. parduotuvės, failų, paieškos. A2A (Agent2Agent) standartizuoja, kaip agentai bendrauja tarpusavyje, net jei sukurti skirtingų tiekėjų. A2A Google paskelbė 2025 m. balandžio 9 d., o 2025 m. birželio 23 d. jis tapo Linux Foundation projektu; specifikacija platinama Apache 2.0 licencija. Praktiškai daugumai įmonių pirmiausia reikia MCP, nes jų agentai jungiasi prie savo sistemų, o ne prie svetimų agentų.

Kaip valdyti daugiaagentės sistemos kainą ir riziką

Kiekvienas papildomas agentas – tai papildomas modelio kvietimas su savo instrukcijomis, įrankių aprašais ir rezultatu, todėl sąnaudos auga greičiau nei agentų skaičius. Praktikoje padeda keli principai. Orkestratoriui naudokite stipresnį modelį, o paprastoms dalims – pigesnį: Anthropic sistemoje pagrindinis agentas buvo Opus, pagalbiniai – Sonnet. Pastovias instrukcijas ir įrankių aprašus laikykite podėlyje, kad jų pakartotinis skaitymas kainuotų dešimtadalį. Pagalbiniams agentams nustatykite aiškų grąžinamo rezultato formatą ir ilgį, kad orkestratoriaus kontekstas neužsipildytų. Kiekvienai užduočiai nustatykite didžiausią žingsnių ir žetonų biudžetą bei laiką, po kurio užduotis perduodama žmogui. Galiausiai, registruokite kiekvieno agento įvestį, įrankių kvietimus ir išvestį – be žurnalo neįmanoma suprasti, kuris iš agentų suklydo, ir pataisyti instrukcijų.

Kur daugiaagentės sistemos naudojamos versle

• Rinkos ir konkurentų tyrimai. Keli agentai lygiagrečiai renka informaciją apie skirtingus konkurentus ar rinkas, orkestratorius sujungia į ataskaitą su šaltiniais.
• Turinio gamyba keliomis kalbomis. Vienas agentas rašo prekių aprašymus, kitas verčia, trečias tikrina terminus ir ilgius pagal parduotuvės taisykles.
• Klientų užklausų apdorojimas. Maršrutizatorius perduoda laišką grąžinimų, pristatymo ar sąskaitų agentui; kiekvienas turi tik jam reikalingus įrankius ir teises.
• Dokumentų patikra. Vienas agentas ištraukia sutarties sąlygas, kitas palygina su įmonės taisyklėmis, vertintojas pažymi neatitikimus žmogui.
• Programinės įrangos kūrimas. Atskiri agentai rašo kodą, testus ir peržiūri pakeitimus, bet, kaip pažymi Anthropic, programavimo užduotys mažiau tinka lygiagretinimui nei tyrimai.

Kaip pradėti: nuo paprasčiausio sprendimo

1. Pradėkite nuo vieno modelio kvietimo su geru promptu ir reikalingais duomenimis kontekste. Daugeliui užduočių to užtenka.
2. Jei reikia kelių žingsnių – darbo eiga, kurią valdo kodas arba n8n. Ją lengviausia testuoti ir nuspėti kainą.
3. Jei žingsnių neįmanoma numatyti – vienas agentas su ribotu įrankių rinkiniu ir patvirtinimu rizikingiems veiksmams.
4. Tik tada – keli agentai, kai užduotis natūraliai skaidosi į nepriklausomas dalis arba nebetelpa į vieną kontekstą.
5. Matuokite. Paruoškite 20–50 tikrų užduočių rinkinį ir lyginkite kokybę, laiką ir kainą su paprastesne versija.

Daugiaagenčių ir agentinių sistemų projektavimą, įskaitant MCP jungtis su jūsų sistemomis, aprašome paslaugos puslapyje DI integracijos. Modelių kainas palyginsite įrankyje DI modelių API kainos.

Pagal Eurostat, 2025 m. bent vieną DI technologiją naudojo 21,3 % Lietuvos įmonių, turinčių 10 ir daugiau darbuotojų (ES – 19,95 %), o DI darbo eigoms automatizuoti ar sprendimams padėti – 8,69 % (ES – 5,35 %). Agentinės sistemos dažniausiai yra kitas šių automatizavimų žingsnis, todėl Lietuvos įmonėms aktualu ne tiek „daugiau agentų“, kiek patikimas jų sujungimas su esamomis sistemomis.

Teisinė atsakomybė už agentų veiksmus tenka juos naudojančiai įmonei. Nuo 2026 m. rugpjūčio 2 d. ES DI akto 50 straipsnis reikalauja informuoti žmogų, kad jis bendrauja su DI sistema, jei tai nėra akivaizdu. Jei agentai tvarko klientų ar darbuotojų asmens duomenis, taikomas BDAR, o automatizuoti sprendimai, turintys teisinių pasekmių žmogui, be žmogaus įsikišimo galimi tik išimtiniais atvejais (BDAR 22 straipsnis). Lietuvoje BDAR priežiūrą vykdo Valstybinė duomenų apsaugos inspekcija (VDAI), DI akto rinkos priežiūrą – Ryšių reguliavimo tarnyba (RRT).