Preskoči na glavni sadržaj
Hrvatski— Odaberite jezik
Izbornik

Lančano povezivanje dubokih agenata

Lekcija 15 od 18 Ažurirano 28. srpnja 2026. Programer
Na ovoj stranici
  1. Neograničeni lanci agenata
  2. Tri topologije i njihove posljedice
  3. Dva produkcijska tijeka rada
  4. Održavanje razumne dubine
  5. Ključne točke

Neograničeni lanci agenata

Mistral Agents API ne nameće nikakvo ograničenje dubine za lančano povezivanje agenata. Jedan agent može predati zadatak drugome, ovaj trećemu i tako dalje. Ta sloboda omogućuje složene, modularne tijekove rada, ali i na tebe stavlja odgovornost za topologiju: ti odlučuješ tko koga smije pozvati. Ta mapa određuje ponašanje sustava jednako koliko i upute za svakog pojedinog agenta.

Tri topologije i njihove posljedice

Linearni lanac najjednostavniji je obrazac: svaki agent prosljeđuje zadatak sljedećem bez grananja.

Agent A → Agent B → Agent C → Odgovor

Ovo odgovara procesima gdje je redoslijed unaprijed poznat i nikada se ne mijenja. Tipičan primjer je pretraživanje, zatim analiza, pa pisanje: ne pišeš prije analize i ne analiziraš prije pretraživanja.

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

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

# Agent za pisanje
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."
)

# Lanac: 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]
)

Svaki agent poznaje samo svog neposrednog nasljednika: research ne zna da writer uopće postoji. Lanac postoji samo u pozivima update, nigdje drugdje.

Lanac u obliku zvijezde rješava suprotnu potrebu: središnji usmjerivač distribuira zadatke specijalistima koji međusobno ne komuniciraju.

          ┌→ Agent za web pretraživanje
Usmjerivač ──┼→ Agent za kalkulator
          └→ Agent za pisanje
router = client.beta.agents.create(
    model="mistral-large-latest",
    name="router",
    description="Orchestrate requests.",
    handoffs=[research.id, analyst.id, writer.id]
)

Ovdje redoslijed nije unaprijed određen – sam zahtjev odlučuje o odredištu. Ovaj oblik odgovara svestranim asistentima gdje svaki zahtjev spada pod jednu specifičnu kompetenciju.

Hibridna topologija kombinira obje: usmjerivač distribuira zadatke, a specijalisti se također mogu međusobno predavati zadatke.

          ┌→ Agent za istraživanje ──→ Agent za analizu
Usmjerivač ──┤                          │
          └→ Agent za pisanje ←───────────┘
# Istraživanje se može predati analitičaru
research = client.beta.agents.update(
    agent_id=research.id,
    handoffs=[analyst.id]
)

# Analitičar se može predati piscu
analyst = client.beta.agents.update(
    agent_id=analyst.id,
    handoffs=[writer.id]
)

# Usmjerivač ima pristup svima
router = client.beta.agents.update(
    agent_id=router.id,
    handoffs=[research.id, analyst.id, writer.id]
)

Ovo je najmoćniji oblik, ali i najteži za otklanjanje grešaka. Isti zahtjev može slijediti različite putove od jednog izvršenja do drugoga, što čini bilježenje predaje zadataka (handoff logging) nužnim čim izađeš iz sandbox okruženja.

Dva produkcijska tijeka rada

Obrada podataka ilustrira linearni lanac u njegovom najprirodnijem slučaju uporabe: prikupljanje, čišćenje, vizualizacija. Posljednja dva koraka koriste isti alat, ali njihovo razdvajanje održava svaki skup uputa čistim – čišćenje i prikazivanje su različiti zadaci.

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

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

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

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

Asistent za akademsko istraživanje slijedi istu strukturu, ali s drugačijom vrstom međulanca. Sintetizator nema alate: njegova vrijednost leži isključivo u njegovim uputama, koje od njega traže da suprotstavi izvore – zajedničke točke, razilaženja, praznine – umjesto da ih samo slaže jedne na druge.

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

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

# Pisac
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."
)

# Tijek rada: 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])

Održavanje razumne dubine

Nedostatak tehničkog ograničenja nije poziv na divljanje. U praksi, lančano povezivanje dva do četiri agenta pokriva veliku većinu potreba. Iznad pet, i latencija i troškovi naglo rastu. Razlog je mehanički: svaki agent dodaje svoje vlastite tokene konteksta, uključujući upute, povrh povijesti razgovora koja je od prve predaje zadatka samo rasla. Peti agent ne radi na početnom zahtjevu, već na svemu što su prethodna četiri proizvela.

Prije nego što produžiš lanac, zapitaj se zaslužuje li dodatni korak namjenskog agenta ili stane unutar uputa postojećeg agenta. Uputa za formatiranje, na primjer, gotovo nikada ne opravdava dodatnu kariku.

Također imaj na umu da agent nije ograničen na jedan cilj. Može deklarirati više ciljeva i birati ovisno o kontekstu.

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

Ovaj analitičar usmjerit će zadatak piscu ako je rezultat spreman za izlaganje, vizualizatoru ako podaci zahtijevaju grafikon ili kalkulatoru ako još nedostaje brojka. Izbor se, kao i uvijek, oslanja na opise triju ciljeva – jedine informacije dostupne za donošenje te odluke.

Ključne točke

  • Nema ograničenja dubine za lančano povezivanje agenata
  • Tri obrasca: linearni (A→B→C), zvijezda (usmjerivač→specijalisti), hibridni (graf)
  • Svaki agent može imati više ciljeva za predaju zadatka
  • U produkciji ograniči lance na 2–4 agenta kako bi kontrolirao/la latenciju i troškove
  • Opisi agenata ključni su za učinkovito usmjeravanje