Komuniti pembangunan agen AI sedang mencapai konsensus yang mengejutkan: yang lebih mudah adalah lebih baik. Walaupun rangka kerja seperti AutoGPT dan Microsoft Autogen mempromosikan sistem multi-agen, pembina berpengalaman mendapati bahawa seni bina agen tunggal dengan pengurusan konteks yang betul memberikan hasil yang jauh lebih boleh dipercayai.
Masalah Perkongsian Konteks
Isu teras dengan sistem multi-agen terletak pada pemecahan konteks. Apabila beberapa agen bekerja pada bahagian tugas yang berbeza, mereka sering membuat keputusan yang bercanggah tanpa mengetahui apa yang dilakukan oleh rakan sejawat mereka. Perbincangan komuniti mendedahkan masalah ini melangkaui had teknikal sahaja - ia berkaitan dengan mengekalkan pembuatan keputusan yang koheren merentas keseluruhan sistem.
Seorang pembangun berkongsi pengalaman mereka membina agen resipi yang boleh diakses melalui SMS, di mana mereka mendapati bahawa masalah pengurusan konteks muncul jauh sebelum mencapai had token. Penyelesaian mereka melibatkan penggunaan sub-agen khusus semata-mata untuk mencegah beban maklumat berlebihan dalam konteks agen utama, menunjukkan bahawa penapisan konteks strategik boleh menjadi lebih berharga daripada sekadar berkongsi segala-galanya.
Prinsip Teknikal Utama untuk Agen AI yang Boleh Dipercayai:
- Prinsip 1: Kongsi konteks dan jejak agen penuh, bukan hanya mesej individu
- Prinsip 2: Tindakan membawa keputusan tersirat, dan keputusan yang bercanggah menghasilkan hasil yang lemah
- Had Tetingkap Konteks: Kebolehpercayaan agen merosot sekitar 50,000 token walaupun masih ada ruang yang tinggal
- Cadangan Seni Bina: Agen linear berbenang tunggal dengan pemampatan konteks untuk tugasan yang lebih panjang
Cabaran Kebolehpercayaan
Sistem multi-agen mengalami apa yang dipanggil oleh pembangun sebagai ralat berkompaun. Apabila satu agen salah tafsir tugas, ia mewujudkan kesan berantai masalah yang mesti diselesaikan oleh agen lain entah bagaimana. Komuniti telah memerhati bahawa walaupun salah faham kecil antara agen boleh membawa kepada hasil yang sama sekali tidak boleh digunakan.
Kami sedang membuat konteks secara manual seperti jurutulis zaman pertengahan sedangkan kita sepatutnya membina pengkompil konteks.
Pandangan dari komuniti ini menyerlahkan peralihan asas dalam pemikiran. Daripada menguruskan beberapa agen, pelaksanaan yang berjaya memberi tumpuan kepada membina enjin pengoptimuman konteks yang canggih yang melayani entiti pembuat keputusan tunggal.
Contoh Industri dan Aplikasi Dunia Sebenar
Claude Code menunjukkan pendekatan agen tunggal. Walaupun ia menjana sub-tugas, ia tidak pernah menjalankannya secara selari, dan sub-agen dihadkan kepada menjawab soalan daripada membuat keputusan. Reka bentuk ini menghalang konflik konteks yang melanda sistem multi-agen yang lebih kompleks.
Komuniti juga telah mencatatkan isu dengan model edit apply - sistem di mana satu model menjana arahan dan yang lain melaksanakannya. Seni bina ini kerap gagal disebabkan kekaburan dalam komunikasi antara agen, menyebabkan ramai pembangun menggabungkan kedua-dua pembuatan keputusan dan pelaksanaan ke dalam model tunggal.
Perbandingan Multi-Agent vs Single-Agent:
| Aspek | Sistem Multi-Agent | Sistem Single-Agent |
|---|---|---|
| Perkongsian Konteks | Berpecah-belah, terdedah kepada konflik | Berterusan, koheren |
| Penyebaran Ralat | Ralat bertambah merentasi agen | Terkandung dalam konteks tunggal |
| Kebolehpercayaan | Rendah disebabkan salah komunikasi | Lebih tinggi dengan pengurusan konteks yang betul |
| Kerumitan | Overhed orkestrasi yang tinggi | Seni bina yang lebih mudah |
| Paralelisme | Secara teori tetapi bermasalah | Berurutan tetapi boleh dipercayai |
Jalan Ke Hadapan
Pembangun berpengalaman sedang menumpu kepada falsafah agen tunggal ditambah alatan. Pendekatan ini menganggap fungsi khusus sebagai alatan daripada agen bebas, mengekalkan pembuatan keputusan berpusat sambil masih membolehkan kefungsian yang kompleks.
Perbincangan mendedahkan bahawa pembina agen yang berjaya memberi tumpuan kepada kejuruteraan konteks - seni menguruskan maklumat yang dilihat oleh agen secara dinamik dan bila. Ini termasuk membangunkan teknik mampatan konteks untuk tugas yang lebih panjang dan membina sistem yang boleh mengekalkan rantai penaakulan yang koheren walaupun perbualan melangkaui 50,000 token.
Walaupun janji sistem multi-agen kolaboratif kekal menarik, realiti semasa ialah mereka memperkenalkan lebih banyak masalah daripada yang mereka selesaikan. Konsensus komuniti mencadangkan bahawa sehingga kita menyelesaikan cabaran perkongsian konteks asas, seni bina agen tunggal dengan peralatan canggih mewakili laluan paling praktikal kepada sistem AI yang boleh dipercayai.
Rujukan: Don't Build Multi-Agents