Премини към основното съдържание
Български— Изберете език
Меню

Случаи на употреба с множество агенти

Урок 16 от 18 Обновен 2 ноември 2026 г. Програмист
На тази страница
  1. От концепция до реалност
  2. Случай 1: Многоуровнева клиентска поддръжка
  3. Случай 2: Конвейер за стратегическо разузнаване
  4. Случай 3: Универсалният асистент
  5. Какво отличава прототипа от системата
  6. Ключови изводи

От концепция до реалност

Сега разбирате механизмите на предаване (handoffs), режимите на изпълнение и верижната обработка. В този урок ще сглобите тези градивни елементи в три пълни системи, всяка базирана на различна топология: верига за ескалация, конвейер и насочващ модул (router). Докато четете, обърнете внимание как архитектурата произтича от проблема, а не обратното – естеството на нуждата диктува формата, а не технологията.

Случай 1: Многоуровнева клиентска поддръжка

Операциите по поддръжка функционират на нива: повечето заявки се решават при първия контакт, малцинството изисква техническа диагностика, а шепа случаи завършват при човек. Тази реалност се映射ва директно върху верига за ескалация, където всяко ниво предава задачата само на следващото.

from mistralai.client import Mistral
import os

client = Mistral(api_key=os.environ["MISTRAL_API_KEY"])

# Level 1: FAQ and simple questions
level1 = client.beta.agents.create(
    model="mistral-medium-latest",
    name="support-level1",
    description="Level 1 support: FAQ, common questions, basic information.",
    instructions="""You are the first level of support.
- Answer simple questions (hours, rates, FAQ)
- If the question is technical or complex, transfer to level 2
- Be polite and professional""",
    tools=[{"type": "document_library", "library_ids": ["faq-library-id"]}]
)

# Level 2: Technical support
level2 = client.beta.agents.create(
    model="mistral-large-latest",
    name="support-level2",
    description="Technical support: diagnosis, troubleshooting, configuration.",
    instructions="""You are technical support.
- Diagnose technical issues
- Propose step-by-step solutions
- If the problem requires manual intervention, transfer to level 3""",
    tools=[{"type": "web_search"}, {"type": "code_interpreter"}]
)

# Level 3: Human escalation (simulation)
level3 = client.beta.agents.create(
    model="mistral-large-latest",
    name="support-level3",
    description="Escalation: critical issues requiring human intervention.",
    instructions="""Prepare a summary of the issue for the technical team:
- Problem context
- Diagnostic steps performed
- Solutions attempted
- Recommendation"""
)

# Chain the escalations
level1 = client.beta.agents.update(agent_id=level1.id, handoffs=[level2.id])
level2 = client.beta.agents.update(agent_id=level2.id, handoffs=[level3.id])

Две решения се открояват. Ниво 1 работи с mistral-medium-latest, докато следващите нива използват mistral-large-latest. Ниво 1 поема най-големия обем заявки, затова възлагането му на най-скъпия модел би означавало да плащате за ненужна експертиза при въпроси относно работното време. Ниво 3 междувременно не решава нищо; то изготвя досие на случая. Това е точно това, което искате от човешка ескалация – инженерът, който поема задачата, получава контекста, вече извършените диагностични стъпки и опитаните решения, вместо да започне разпитването от нулата.

На практика клиентът пише: „Не мога да вляза в акаунта си.“ Ниво 1 проверява често задаваните въпроси (FAQ), не открива съвпадащ случай и предава задачата. Ниво 2 диагностицира проблем с базата данни, който е извън неговия обхват, и предава отново. Ниво 3 подготвя тикета с пълната история.

Случай 2: Конвейер за стратегическо разузнаване

Тук редът е фиксиран и известен предварително: не можете да анализирате това, което не е събрано, нито да пишете това, което не е анализирано. Следователно линейната верига е задължителна, а входната точка не е насочващ модул, а първата връзка.

# Collector — searches for raw information
collector = client.beta.agents.create(
    model="mistral-large-latest",
    name="intelligence-collector",
    description="Collects strategic information via web search.",
    instructions="""Search for information on the requested topic.
- Cover multiple sources
- Include numerical data
- Note publication dates""",
    tools=[{"type": "web_search"}]
)

# Analyst — extracts insights
analyst = client.beta.agents.create(
    model="mistral-large-latest",
    name="intelligence-analyst",
    description="Analyzes and extracts insights from raw data.",
    instructions="""Analyze the collected data:
- Identify trends
- Spot opportunities and threats
- Quantify when possible""",
    tools=[{"type": "code_interpreter"}]
)

# Reporter — produces the report
reporter = client.beta.agents.create(
    model="mistral-large-latest",
    name="intelligence-reporter",
    description="Writes structured intelligence reports.",
    instructions="""Write a professional intelligence report:
## Executive Summary (3 sentences)
## Key Facts (bullet points)
## Analysis (2-3 paragraphs)
## Recommendations (concrete actions)
## Sources"""
)

# Pipeline
collector = client.beta.agents.update(agent_id=collector.id, handoffs=[analyst.id])
analyst = client.beta.agents.update(agent_id=analyst.id, handoffs=[reporter.id])

# Launch
response = client.beta.conversations.start(
    agent_id=collector.id,
    inputs="Strategic intelligence: sovereign AI market in Europe, Q1 2026."
)

Структурата на доклада е изписана черно на бяло в инструкциите на агента за докладване, чак до броя на изреченията в изпълнителното резюме. Това ниво на прецизност е което прави разузнаването приложимо във времето: всеки доклад излиза в един и същи формат, което Ви позволява да правите сравнения седмица по седмица и да ги разпространявате без редакция. Също така обърнете внимание на инструкцията към събирача да записва датите на публикуване – без нея един разузнавателен доклад може да изглежда солиден, докато всъщност разчита на остарели източници.

Случай 3: Универсалният асистент

Когато заявките включват несвързани умения, няма нито ескалация, нито конвейер; има насочване. Централният насочващ модул прочита заявката и я изпраща на един от четиримата си специалисти, никой от които не трябва да знае за другите.

# Specialists
web_researcher = client.beta.agents.create(
    model="mistral-large-latest",
    name="web-researcher",
    description="Searches for current information on the internet.",
    tools=[{"type": "web_search"}]
)

data_analyst = client.beta.agents.create(
    model="mistral-large-latest",
    name="data-analyst",
    description="Data analysis, statistics, and visualizations.",
    tools=[{"type": "code_interpreter"}]
)

doc_expert = client.beta.agents.create(
    model="mistral-large-latest",
    name="doc-expert",
    description="Queries and synthesizes internal documents.",
    tools=[{"type": "document_library", "library_ids": ["docs-lib-id"]}]
)

creative = client.beta.agents.create(
    model="mistral-large-latest",
    name="creative-agent",
    description="Creates visual content and illustrations.",
    tools=[{"type": "image_generation"}]
)

# Central router
assistant = client.beta.agents.create(
    model="mistral-large-latest",
    name="research-assistant",
    description="Versatile research assistant.",
    instructions="""You are a research assistant. Analyze each request and transfer to the appropriate specialist:
- Current information → web-researcher
- Calculations and data → data-analyst
- Questions about our documents → doc-expert
- Need for illustrations → creative-agent""",
    handoffs=[web_researcher.id, data_analyst.id, doc_expert.id, creative.id]
)

Всеки специалист притежава точно един инструмент, а четирите описания не се припокриват никъде. Липсата на припокриване е това, което прави насочването стабилно: ако два агента биха могли правдоподобно да обработят една и съща заявка, изборът би варирал от едно изпълнение до друго и Вашите потребители биха изпитали непоследователно качество, без да разбират защо.

Какво отличава прототипа от системата

Тези три системи споделят едно и също правило за проектиране: един агент, една отговорност. Веднага щом един агент натрупа две роли, неговите инструкции си противоречат, а описанието му става твърде неясно, за да може насочващият модул да вземе правилното решение. Затова пишете всяко описание с мисълта за решението, което то трябва да позволи, и формулирайте всяка група инструкции така, че да посочват какво агентът не трябва да прави, както и какво трябва да прави.

Преминаването към производствена среда добавя четири изисквания, които прототипът игнорира. Първо, воденето на дневници (logging): режимът на клиента Ви позволява да проследявате всяко предаване със собствените си идентификатори, което ще бъде единственото Ви средство за действие в деня, в който потребител съобщи за абнормен отговор. Второ, таймаути, които са съществени при дълги вериги, където един заседнал звено immobilизира останалите. Трето, резервни механизми (fallbacks), защото въпросът „какво се случва, ако този агент се провали?“ трябва да има писмен отговор преди пускането в експлоатация, а не след първия инцидент. И накрая, проследяване на разходите: верига от три агента консумира токени при всяко предаване и само брояч на разговор ще Ви каже дали Вашият конвейер за разузнаване струва няколко цента или много повече.

Ключови изводи

  • Многоуровневата клиентска поддръжка е естествен случай на употреба за предаване на задачи (handoffs)
  • Конвейерите за разузнаване (събиране → анализ → писане) използват линейно верижно свързване
  • Универсалните асистенти използват централен насочващ модул към специалисти
  • В производствена среда: воденето на дневници, таймаутите, резервните механизми и мониторингът на разходите са съществени
  • Един агент = една отговорност, с точно описание за целите на насочването