Spring til hovedindhold
Dansk— Vælg et sprog
Menu

Den fulde proces for en multi-agent-forespørgsel

Lektion 4 af 14 Opdateret 29. juli 2026 Udvikler
På denne side
  1. Fra forespørgsel til svar
  2. Trin 1: Modtagelse og analyse af forespørgslen
  3. Trin 2: Igangsætning af underagenterne
  4. Trin 3: Research og diskussion
  5. Trin 4: Syntese udført af hovedagenten
  6. Hvad du modtager
  7. Streaming
  8. Konsekvenser for ventetid
  9. Vigtige pointer

Fra forespørgsel til svar

Mellem det øjeblik, du sender din forespørgsel, og det øjeblik, svaret vises, sker der langt mere end ved et standard LLM-opkald. At følge denne proces trin for trin hjælper dig, når du skal fortolke usædvanlig ventetid, et alt for generelt svar eller en overraskende token-regning.

Trin 1: Modtagelse og analyse af forespørgslen

Når din forespørgsel når grok-4.20-multi-agent-0309-modellen, starter hovedagenten med at analysere den. Den bestemmer opgavens art – faktuel research, komparativ analyse, syntese – vurderer, hvor mange facetter der skal udforskes, identificerer de værktøjer, den kan få brug for, og fastlægger sin strategi for at delegere til underagenter.

Du ser ikke denne indledende analyse: Den er en del af hovedagentens fakturerede ræsonnement og vises aldrig i svaret. Det er også her, tvetydige formuleringer gør mest skade, fordi alt, der følger, bygger på denne første læsning.

Trin 2: Igangsætning af underagenterne

Hovedagenten delegerer derefter delopgaverne. Hver underagent modtager et specifikt direktiv og går i gang parallelt med de andre. For forespørgslen om europæiske cloud-strategier, som nævnt tidligere, ville opdelingen se således ud: Én agent researcher recente udbydermeddelelser, en anden analyserer regulatoriske aspekter (GDPR, AI Act), en tredje sammenligner prisniveauer, og en fjerde undersøger teknisk dokumentation.

Med 16 agenter bliver opdelingen finere og dækker flere vinkler: Hver udbyder kan få sin egen researcher, og regulatoriske aspekter kan opdeles på flere jurisdiktioner.

Trin 3: Research og diskussion

Underagenterne arbejder ikke isoleret. De bruger de indbyggede værktøjer – web_search, x_search, code_execution og andre – udveksler information med hinanden for at undgå dubletter og forfine deres spor og flagger uventede fund over for hovedagenten, der fortjener yderligere udforskning. Denne interne samtale er det, der adskiller multi-agent fra et simpelt parallelt opkald: En agent, der finder information, der modsiger en kollegas, kan omdirigere researchen.

Det er også den længste fase og langt den dyreste, fordi hver agent genererer sine egne input-, output- og ræsonnementstokens. Når en forespørgsel kører i et minut uden, at der vises tekst, er det her, tiden går.

Trin 4: Syntese udført af hovedagenten

Når underagenterne er færdige, eller når ræsonnementbudgettet er nået, overtager hovedagenten og kører altid den samme sekvens. Den indsamler først alle resultaterne og fjerner derefter dubletter – for cloud-forespørgslen vil tre agenter sandsynligvis have fundet den samme meddelelse om regional tilgængelighed, og den bør kun vises én gang. Den strukturerer derefter informationen i det format, du har anmodet om, citerer kilder, hvor det er relevant, og producerer til sidst det endelige svar.

Det er her, den oplevede kvalitet af resultatet afgøres: Med den samme research får du enten en altomfattende tekstblok eller en læsbar sammenligningstabel, afhængigt af hvor præcist du har beskrevet den leverance, du forventede.

Hvad du modtager

Svaret indeholder den tekst, hovedagenten har skrevet – dens syntese – de værktøjskald, som alle agenterne har foretaget, inklusive hovedagenten, og, hvis du har aktiveret use_encrypted_content=True, en blok med krypteret indhold. Disse værktøjskald er dit eneste vindue ind til det arbejde, der faktisk udføres bag kulisserne.

Resten når aldrig frem til dig: Hverken underagenternes interne ræsonnement i klartekst, de udvekslinger, de har haft med hinanden, eller detaljerne i den delegeringsstrategi, hovedagenten valgte. Så det giver ingen mening at bygge et overvågningsværktøj omkring disse elementer – de forlader aldrig modellen.

Streaming

I streaming-tilstand ser du hovedagentens svar blive bygget op gradvist. Parameteren verbose_streaming går endnu videre og sender dig også værktøjskald, efterhånden som de sker, hvilket giver dig et direkte indblik i agentaktiviteten.

Fordelen er reel ved lange forespørgsler: Du kan se websøgninger blive affyret én efter én, mens agenterne arbejder, og vise din bruger noget andet end en statisk indlæsnings-spinner.

Konsekvenser for ventetid

Multi-agent er iboende langsommere end et standardopkald af tre kumulative årsager: Underagenterne arbejder parallelt, men koordinering har en pris, hovedagenten skal vente på alle resultaterne, før den kan syntetisere, og ventetiden vokser med antallet af involverede agenter.

Det giver dig en simpel designregel. Til interaktiv brug – en chatbot, en søgebjælke – bør du holde dig til 4 agenter. Reserver de 16 agenter til asynkrone opgaver: En rapport genereret i baggrunden, et overvågningsjob om natten eller en analyse, hvis resultat brugeren gennemgår senere.

Vigtige pointer

  • Processen følger 4 trin: Analyse → Delegering → Research → Syntese
  • Underagenter arbejder parallelt og udveksler information med hinanden
  • Du modtager kun hovedagentens svar og værktøjskaldene
  • Streaming med verbose_streaming lader dig følge aktiviteten i realtid
  • Ventetiden er højere end ved et standardopkald, især med 16 agenter