Zum Hauptinhalt springen
Deutsch— Sprache auswählen
Menü

Der vollständige Ablauf einer Multi-Agenten-Anfrage

Lektion 4 von 14 Aktualisiert am 29. Juli 2026 Entwickler
Auf dieser Seite
  1. Vom Auftrag zur Antwort
  2. Schritt 1: Empfang und Analyse des Auftrags
  3. Schritt 2: Start der Unteragenten
  4. Schritt 3: Recherche und Diskussion
  5. Schritt 4: Synthese durch den leitenden Agenten
  6. Was Sie erhalten
  7. Streaming
  8. Auswirkungen auf die Latenz
  9. Kernaussagen

Vom Auftrag zur Antwort

Zwischen dem Zeitpunkt, an dem Sie Ihren Auftrag senden, und dem Moment, in dem die Antwort erscheint, laufen deutlich mehr Prozesse ab als bei einem Standard-Aufruf eines großen Sprachmodells (LLM). Wenn Sie ungewöhnliche Latenzzeiten, zu allgemeine Antworten oder unerwartete Token-Kosten interpretieren müssen, hilft es, diesen Pfad Schritt für Schritt zu verstehen.

Schritt 1: Empfang und Analyse des Auftrags

Wenn Ihr Auftrag beim Modell grok-4.20-multi-agent-0309 eingeht, beginnt der leitende Agent (Lead Agent) mit der Analyse. Er bestimmt die Art der Aufgabe – ob es sich um faktische Recherche, eine vergleichende Analyse oder eine Synthese handelt –, bewertet, wie viele Aspekte zu untersuchen sind, identifiziert die benötigten Werkzeuge und legt die Strategie für die Delegation an Unteragenten fest.

Diese initiale Analyse sehen Sie nicht: Sie ist Teil des vom Leitagenten abgerechneten Denkprozesses und erscheint niemals in der Antwort. Zudem ist dies der Punkt, an dem mehrdeutige Formulierungen den größten Schaden anrichten, da alles, was folgt, auf dieser ersten Lektüre aufbaut.

Schritt 2: Start der Unteragenten

Der leitende Agent delegiert dann die Teilaufgaben. Jeder Unteragent erhält eine spezifische Direktive und arbeitet parallel zu den anderen. Bei dem zuvor erwähnten Auftrag zur Recherche von europäischen Cloud-Strategien würde die Aufteilung wie folgt aussehen: Ein Agent recherchiert aktuelle Ankündigungen der Anbieter, ein zweiter analysiert regulatorische Aspekte (DSGVO, AI Act), ein dritter vergleicht Preistufen und ein vierter untersucht die technische Dokumentation.

Bei 16 Agenten wird die Aufteilung feiner und deckt mehr Perspektiven ab: Jeder Anbieter kann einen eigenen Forscher erhalten, und regulatorische Aspekte können auf mehrere Rechtsgebiete verteilt werden.

Schritt 3: Recherche und Diskussion

Die Unteragenten arbeiten nicht isoliert. Sie nutzen die integrierten Werkzeuge – web_search, x_search, code_execution und andere –, tauschen Informationen untereinander aus, um Doppelarbeit zu vermeiden und ihre Leads zu verfeinern, und markieren unerwartete Erkenntnisse für den leitenden Agenten, die einer weiteren Untersuchung bedürfen. Dieser interne Dialog unterscheidet Multi-Agenten-Systeme von einem einfachen parallelen Aufruf: Ein Agent, der Informationen findet, die der Aussage eines Kollegen widersprechen, kann die Recherche umlenken.

Dies ist auch die längste Phase und bei weitem die teuerste, da jeder Agent seine eigenen Eingabe-, Ausgabe- und Denktokens generiert. Wenn eine Anfrage eine Minute lang läuft, ohne dass Text erscheint, verbringt die Zeit genau hier.

Schritt 4: Synthese durch den leitenden Agenten

Sobald die Unteragenten fertig sind oder das Budget für den Denkprozess erschöpft ist, übernimmt der leitende Agent und führt immer dieselbe Sequenz durch. Zuerst sammelt er alle Ergebnisse, dann entfernt er Duplikate – bei der Cloud-Anfrage werden wahrscheinlich drei Agenten dieselbe Ankündigung zur regionalen Verfügbarkeit aufgedeckt, und diese sollte nur einmal erscheinen. Anschließend strukturiert er die Informationen im von Ihnen gewünschten Format, zitiert Quellen, wo dies relevant ist, und erstellt schließlich die endgültige Antwort.

Hier wird die wahrgenommene Qualität des Ergebnisses entschieden: Mit derselben Recherche erhalten Sie entweder einen allgemeinen Absatz oder eine lesbare Vergleichstabelle, je nachdem, wie präzise Sie das erwartete Ergebnis beschrieben haben.

Was Sie erhalten

Die Antwort enthält den vom leitenden Agenten verfassten Text – seine Synthese –, die von allen Agenten (einschließlich des Leitagenten) ausgeführten Werkzeugaufrufe und, sofern Sie use_encrypted_content=True aktiviert haben, einen verschlüsselten Inhaltsblock. Diese Werkzeugaufrufe sind Ihr einziger Einblick in die tatsächlich im Hintergrund durchgeführten Arbeiten.

Der Rest erreicht Sie nicht: weder der interne Denkprozess der Unteragenten in Klartext, noch ihre gegenseitigen Austausche, noch die Details der Delegationsstrategie, die der leitende Agent gewählt hat. Es macht daher keinen Sinn, eine Überwachungswerkzeug um diese Elemente herum zu bauen – sie verlassen das Modell nie.

Streaming

Im Streaming-Modus sehen Sie die Antwort des leitenden Agenten schrittweise aufgebaut. Der Parameter verbose_streaming geht einen Schritt weiter und übermittelt Ihnen auch die Werkzeugaufrufe, sobald sie eintreffen, was Ihnen einen direkten Einblick in die Agenten-Aktivität gibt.

Der Nutzen ist bei langen Anfragen real: Sie können beobachten, wie Websuchen nacheinander abgefeuert werden, während die Agenten arbeiten, und Ihrem Nutzer etwas anderes als einen statischen Ladebalken anzeigen.

Auswirkungen auf die Latenz

Multi-Agenten-Systeme sind inhärent langsamer als ein Standardaufruf aus drei kumulativen Gründen: Die Unteragenten arbeiten zwar parallel, aber Koordination verursacht Kosten, der leitende Agent muss auf alle Ergebnisse warten, bevor er synthetisiert, und die Latenz steigt mit der Anzahl der beteiligten Agenten.

Das ergibt eine einfache Designregel. Für interaktive Anwendungen – wie einen Chatbot oder eine Suchleiste – bleiben Sie bei 4 Agenten. Reservieren Sie die 16 Agenten für asynchrone Aufgaben: einen im Hintergrund generierten Bericht, eine nächtliche Überwachungsaufgabe oder eine Analyse, deren Ergebnis der Nutzer später überprüft.

Kernaussagen

  • Der Ablauf folgt 4 Schritten: Analyse → Delegation → Recherche → Synthese
  • Unteragenten arbeiten parallel und tauschen Informationen untereinander aus
  • Sie erhalten nur die Antwort des leitenden Agenten und die Werkzeugaufrufe
  • Streaming mit verbose_streaming ermöglicht es Ihnen, die Aktivität in Echtzeit zu verfolgen
  • Die Latenz ist höher als bei einem Standardaufruf, insbesondere bei 16 Agenten