Lähe põhisisu juurde
Eesti— Vali keel
Menüü

Sügav agentide aheldamine

Õppetund 15 / 18 Värskendatud 28. juuli 2026 Arendajatele
Sellel lehel
  1. Piiramatu agentide ahelad
  2. Kolm topoloogiat ja nende mõju
  3. Kaks tootmistorustikku
  4. Sügavuse mõistlikes piirides hoidmine
  5. Peamised punktid

Piiramatu agentide ahelad

Mistral Agents API ei kehti sügavuspiirangut agentide aheldamisele. Üks agent võib ülesande edasi anda teisele, see omakorda kolmandale ja nii edasi. See vabadus võimaldab luua keerukaid ja moodulseid töövooge, kuid paneb ka topoloogia eest vastutuse sinule: sina otsustad, kes keda kutsuda tohib. See kaart määrab süsteemi käitumise sama palju kui iga üksiku agendi juhised.

Kolm topoloogiat ja nende mõju

Lineaarne ahel on kõige lihtsam muster: iga agent annab ülesande järgmisele edasi ilma harudeta.

Agent A → Agent B → Agent C → Vastus

See sobib protsessidele, kus järjekord on ette teada ja ei muutu. Tüüpiline näide on otsing, seejärel analüüs ja lõpuks kirjutamine: sa ei kirjuta enne analüüsimist ega analüüsi enne otsimist.

# Uurimisagent
research = client.beta.agents.create(
    model="mistral-large-latest",
    name="research",
    description="Search for factual information.",
    tools=[{"type": "web_search"}]
)

# Analüütikuagent
analyst = client.beta.agents.create(
    model="mistral-large-latest",
    name="analyst",
    description="Analyze data and extract insights.",
    tools=[{"type": "code_interpreter"}]
)

# Kirjutajaagent
writer = client.beta.agents.create(
    model="mistral-large-latest",
    name="writer",
    description="Draft professional reports.",
    instructions="Write a structured report based on the analyzed data."
)

# Ahel: research → analyst → writer
research = client.beta.agents.update(
    agent_id=research.id,
    handoffs=[analyst.id]
)

analyst = client.beta.agents.update(
    agent_id=analyst.id,
    handoffs=[writer.id]
)

Iga agent teab ainult oma vahetut järglast: research ei tea isegi, et writer eksisteerib. Ahel eksisteerib ainult update väljakutsetes, mitte kusagil mujal.

Tähtahel lahendab vastupidist vajadust: keskne ruuter jaotab ülesanded spetsialistide vahel, kes omavahel ei suhtle.

          ┌→ Veebiotsingu agent
Ruuter ──┼→ Kalkulaatori agent
          └→ Kirjutaja agent
router = client.beta.agents.create(
    model="mistral-large-latest",
    name="router",
    description="Orchestrate requests.",
    handoffs=[research.id, analyst.id, writer.id]
)

Siin pole järjekord ette määratud – päring ise otsustab sihtkoha. See vorm sobib mitmekülgsetele assistentidele, kus iga päring kuulub ühe kindla pädevusvaldkonna alla.

Hübriidtopoloogia ühendab mõlemat: ruuter jaotab ülesanded ja spetsialistid saavad neid ka omavahel edasi anda.

          ┌→ Uurimisagent ──→ Analüütikuagent
Ruuter ──┤                          │
          └→ Kirjutajaagent ←───────────┘
# Uurimine võib edasi anda analüütikule
research = client.beta.agents.update(
    agent_id=research.id,
    handoffs=[analyst.id]
)

# Analüütik võib edasi anda kirjutajale
analyst = client.beta.agents.update(
    agent_id=analyst.id,
    handoffs=[writer.id]
)

# Ruuter pääseb juurde kõigile
router = client.beta.agents.update(
    agent_id=router.id,
    handoffs=[research.id, analyst.id, writer.id]
)

See on võimsaim vorm, kuid ka kõige raskemini silutav. Sama päring võib ühest täitmisest teise liikuda erinevaid radu pidi, mistõttu on üleandmiste logimine hädavajalik niipea, kui lahkud liivakastist.

Kaks tootmistorustikku

Andmetöötlus illustreerib lineaarset ahelat selle kõige loomulikumal kasutusjuhul: kogumine, puhastamine, visualiseerimine. Kaks viimast sammu kasutavad sama tööriista, kuid nende eraldamine hoiab iga juhiste komplekti puhtana – puhastamine ja esitamine on erinevad ülesanded.

# 1. samm: Kogumine
collector = client.beta.agents.create(
    model="mistral-large-latest",
    name="data-collector",
    description="Collect data from the internet.",
    tools=[{"type": "web_search"}]
)

# 2. samm: Puhastamine ja teisendamine
transformer = client.beta.agents.create(
    model="mistral-large-latest",
    name="data-transformer",
    description="Clean and transform raw data.",
    tools=[{"type": "code_interpreter"}]
)

# 3. samm: Analüüs ja visualiseerimine
visualizer = client.beta.agents.create(
    model="mistral-large-latest",
    name="data-visualizer",
    description="Create visualizations and charts.",
    tools=[{"type": "code_interpreter"}]
)

# Ahel
collector = client.beta.agents.update(agent_id=collector.id, handoffs=[transformer.id])
transformer = client.beta.agents.update(agent_id=transformer.id, handoffs=[visualizer.id])

Akadeemiline uurimisassistent järgib sama struktuuri, kuid kasutab teistsugust vaheastet. Süntesaatoril pole tööriistu: selle väärtus peitub täielikult selle juhistes, mis käsivad allikaid vastandada – leida ühiseid jooni, lahknevusi ja lünki – mitte lihtsalt neid virna laduda.

# Otsija
searcher = client.beta.agents.create(
    model="mistral-large-latest",
    name="academic-searcher",
    description="Search for academic articles and publications.",
    tools=[{"type": "web_search"}]
)

# Süntesaator
synthesizer = client.beta.agents.create(
    model="mistral-large-latest",
    name="synthesizer",
    description="Synthesize and compare multiple sources.",
    instructions="Identify common points, divergences, and gaps."
)

# Kirjutaja
academic_writer = client.beta.agents.create(
    model="mistral-large-latest",
    name="academic-writer",
    description="Structured academic writing with citations.",
    instructions="Write in academic format with introduction, methodology, results, discussion."
)

# Torustik: searcher → synthesizer → writer
searcher = client.beta.agents.update(agent_id=searcher.id, handoffs=[synthesizer.id])
synthesizer = client.beta.agents.update(agent_id=synthesizer.id, handoffs=[academic_writer.id])

Sügavuse mõistlikes piirides hoidmine

Tehnilise piirangu puudumine ei ole kutse hulluks minna. Praktikas katab kahe kuni nelja agendi aheldamine valdava osa vajadustest. Üle viie agendi kasvavad nii latentsus kui ka kulud järsult. Põhjus on mehaaniline: iga agent lisab oma kontekstitokenid, sealhulgas juhised, vestlusajaloole, mis on esimesest üleandmisest saadik ainult kasvanud. Viies agent ei tööta algse päringuga, vaid kõigega, mida eelmised neli on tootnud.

Enne ahela pikendamist küsi endalt, kas lisasamm väärib pühendunud agenti või sobib see olemasoleva agendi juhiste sisse. Vormindamiskäsklus ei õigusta näiteks peaaegu kunagi uut lüli.

Samuti pane tähele, et agent ei ole piiratud ühe sihtmärgiga. See võib deklareerida mitu sihtmärki ja valida konteksti põhjal.

analyst = client.beta.agents.update(
    agent_id=analyst.id,
    handoffs=[writer.id, visualizer.id, calculator.id]
)

See analüütik suunab ülesande kirjutajale, kui tulemus on valmis esitamiseks, visualiseerijale, kui andmed nõuavad diagrammi, või kalkulaatorile, kui mõni arv on veel puudu. Valik tugineb nagu alati kolme sihtmärgi kirjeldustele – see on ainus teave, mille põhjal otsust teha.

Peamised punktid

  • Agentide aheldamisel puudub sügavuspiirang
  • Kolm mustrit: lineaarne (A→B→C), täht (ruuter→spetsialistid), hübriid (graaf)
  • Igal agendil võib olla mitu üleandmise sihtmärki
  • Tootmises piira ahelad 2–4 agendiga, et kontrollida latentsust ja kulusid
  • Agentide kirjeldused on tõhusaks suunamiseks üliolulised