Ugrás a főtartalomra
Magyar— Nyelv kiválasztása
Menü

Deep Agent Chaining

15. lecke 18 közül Frissítve 2026. július 28. Fejlesztő
Ezen az oldalon
  1. Korlátlan láncolatú ügynökök
  2. Három topológia és következményeik
  3. Két produkciós pipeline
  4. Ésszerű mélység megtartása
  5. Főbb megállapítások

Korlátlan láncolatú ügynökök

A Mistral Agents API nem szab mélységi korlátot az ügynökláncokra. Egy ügynök átadhatja a feladatot egy másodiknak, az egy harmadiknak, és így tovább. Ez a szabadság lehetővé teszi a komplex, moduláris munkafolyamatokat, ugyanakkor a topológia meghatározásának felelőssége téged terhel: te döntöd el, ki hívhat meg kit. Ez a térkép ugyanolyan mértékben határozza meg a rendszer viselkedését, mint az egyes ügynökök utasításai.

Három topológia és következményeik

A lineáris lánc a legegyszerűbb minta: minden ügynök továbbadja a feladatot a következőnek elágazás nélkül.

A ügynök → B ügynök → C ügynök → Válasz

Ez olyan folyamatokhoz illik, ahol a sorrend előre ismert és sosem változik. Tipikus példa erre a keresés, majd az elemzés, végül az írás: nem írsz elemzés előtt, és nem elemzel keresés előtt.

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

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

# Író ügynök
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."
)

# Lánc: 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]
)

Minden ügynök csak a közvetlen utódját ismeri: a research nem is tud arról, hogy a writer egyáltalán létezik. A lánc kizárólag az update hívásokban jelenik meg, sehol máshol.

A csillag lánc az ellenkező igényt elégíti ki: egy központi útválasztó osztja szét a feladatokat a szakemberek között, akik nem kommunikálnak egymással.

          ┌→ Webes kereső ügynök
Útválasztó ──┼→ Számoló ügynök
          └→ Író ügynök
router = client.beta.agents.create(
    model="mistral-large-latest",
    name="router",
    description="Orchestrate requests.",
    handoffs=[research.id, analyst.id, writer.id]
)

Itt a sorrend nincs előre meghatározva – maga a kérés dönti el a célpontot. Ez a forma azokhoz a sokoldalú asszisztensekhez illik, ahol minden kérés egy adott kompetenciába esik.

A hibrid topológia mindkettőt ötvözi: az útválasztó szétosztja a feladatokat, a szakemberek pedig egymásnak is továbbadhatják azokat.

          ┌→ Kutató ügynök ──→ Elemző ügynök
Útválasztó ──┤                          │
          └→ Író ügynök ←───────────┘
# A kutató átadhatja az elemzőnek
research = client.beta.agents.update(
    agent_id=research.id,
    handoffs=[analyst.id]
)

# Az elemző átadhatja az írónak
analyst = client.beta.agents.update(
    agent_id=analyst.id,
    handoffs=[writer.id]
)

# Az útválasztó mindent elér
router = client.beta.agents.update(
    agent_id=router.id,
    handoffs=[research.id, analyst.id, writer.id]
)

Ez a leghatékonyabb forma, de egyben a legnehezebben hibakereshető is. Ugyanaz a kérés egyik futtatásról a másikra eltérő útvonalakat követhet, ezért a sandbox elhagyása után elengedhetetlen a handoff naplózás.

Két produkciós pipeline

Az adatfeldolgozás szemlélteti a lineáris lánc legtermészetesebb használati esetét: gyűjtés, tisztítás, vizualizáció. Az utolsó két lépés ugyanazt az eszközt használja, de szétválasztásuk tisztán tartja az egyes utasításkészleteket – a tisztítás és a megjelenítés különálló feladatok.

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

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

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

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

Egy akadémiai kutatási asszisztens hasonló struktúrát követ, de más típusú köztes láncszemmel. A szintetizálónak nincsenek eszközei: az értéke kizárólag az utasításaiban rejlik, amelyek arra kérik, hogy szembeállítsa a forrásokat – közös pontok, eltérések, hiányosságok –, ahelyett, hogy csak egymásra halmozná őket.

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

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

# Író
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."
)

# Pipeline: 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])

Ésszerű mélység megtartása

A technikai korlát hiánya nem felhívás a túlzásokra. A gyakorlatban a két-négy ügynök közötti láncolatok az igények túlnyomó többségét lefedik. Öt felett mind a késleltetés, mind a költség meredeken emelkedik. Ennek mechanikus oka van: minden ügynök hozzáadja a saját kontextus-tokenjeit, beleértve az utasításokat is, ahhoz a beszélgetési előzményhez, amely az első átadás óta csak nőtt. Egy ötödik ügynök nem a kezdeti kéréssel dolgozik, hanem mindazzal, amit az előző négy előállított.

Mielőtt meghosszabbítanál egy láncot, tedd fel magadnak a kérdést: megérdemli-e a plusz lépés a dedikált ügynököt, vagy belefér-e egy meglévő ügynök utasításaiba? Egy formázási direktíva például szinte sosem indokol plusz láncszemet.

Vedd figyelembe azt is, hogy egy ügynök nem korlátozódik egyetlen célpontra. Több célpontot is megadhat, és a kontextus alapján választhat közülük.

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

Ez az elemző az íróhoz irányít, ha az eredmény készen áll a közlésre, a vizualizálóhoz, ha az adatok diagramot igényelnek, vagy a számolóhoz, ha még hiányzik egy számadat. A döntés, mint mindig, a három célpont leírásain alapul – ez az egyetlen információ, amely rendelkezésre áll a választáshoz.

Főbb megállapítások

  • Nincs mélységi korlát az ügynökláncokra
  • Három minta: lineáris (A→B→C), csillag (útválasztó→szakemberek), hibrid (gráf)
  • Minden ügynöknek lehet több handoff célpontja is
  • Produkciós környezetben korlátozd a láncokat 2–4 ügynökre a késleltetés és a költségek kordában tartása érdekében
  • Az ügynökleírások döntő fontosságúak a hatékony útválasztáshoz