Ķēžu veidošana ar dziļajiem aģentiem
Šajā lapā
Neierobežotas aģentu ķēdes
Mistral Agents API neuzliek nekādus dziļuma ierobežojumus aģentu ķēžu veidošanai. Viens aģents var nodot uzdevumu otrajam, tas — trešajam un tā tālāk. Šī brīvība ļauj izveidot sarežģītas, modulāras darbplūsmas, taču tā arī uzliek tev atbildību par sistēmas topoloģiju: tieši tu nosaki, kurš kuru var izsaukt. Šī karte nosaka sistēmas darbību tikpat lielā mērā kā katra atsevišķa aģenta instrukcijas.
Trīs topoloģijas un to nozīme
Lineārā ķēde ir vienkāršākais modelis: katrs aģents nodod uzdevumu nākamajam bez sazarojumiem.
Aģents A → Aģents B → Aģents C → Atbilde
Tas ir piemērots procesiem, kuru secība ir zināma iepriekš un nemainās. Tipisks piemērs ir meklēšana, tad analīze, tad rakstīšana: tu neraksti pirms analizēšanas un neanalizē pirms meklēšanas.
# Pētniecības aģents
research = client.beta.agents.create(
model="mistral-large-latest",
name="research",
description="Search for factual information.",
tools=[{"type": "web_search"}]
)
# Analītiķa aģents
analyst = client.beta.agents.create(
model="mistral-large-latest",
name="analyst",
description="Analyze data and extract insights.",
tools=[{"type": "code_interpreter"}]
)
# Rakstītāja aģents
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."
)
# Ķēde: pētniecība → analītiķis → rakstītājs
research = client.beta.agents.update(
agent_id=research.id,
handoffs=[analyst.id]
)
analyst = client.beta.agents.update(
agent_id=analyst.id,
handoffs=[writer.id]
)
Katrs aģents zina tikai savu tiešo pēcteci: research nezina, ka writer vispār eksistē. Ķēde pastāv tikai update izsaukumos, nekur citur.
Zvaigžņveida ķēde risina pretēju uzdevumu: centrālais maršrutētājs sadala uzdevumus specializētiem aģentiem, kas savā starpā nesazinās.
┌→ Tīmekļa meklēšanas aģents
Maršrutētājs ──┼→ Kalkulatora aģents
└→ Rakstītāja aģents
router = client.beta.agents.create(
model="mistral-large-latest",
name="router",
description="Orchestrate requests.",
handoffs=[research.id, analyst.id, writer.id]
)
Šeit secība nav iepriekš noteikta — pats pieprasījums nosaka galamērķi. Šī forma ir piemērota universāliem asistentiem, kur katrs pieprasījums ietilpst vienā konkrētā kompetences jomā.
Hibrīdā topoloģija apvieno abus iepriekšējos variantus: maršrutētājs sadala uzdevumus, un specializētie aģenti var arī nodot tos viens otram.
┌→ Pētniecības aģents ──→ Analītiķa aģents
Maršrutētājs ──┤ │
└→ Rakstītāja aģents ←───────────┘
# Pētniecība var nodot analītiķim
research = client.beta.agents.update(
agent_id=research.id,
handoffs=[analyst.id]
)
# Analītiķis var nodot rakstītājam
analyst = client.beta.agents.update(
agent_id=analyst.id,
handoffs=[writer.id]
)
# Maršrutētājs var piekļūt visiem
router = client.beta.agents.update(
agent_id=router.id,
handoffs=[research.id, analyst.id, writer.id]
)
Šī ir visspēcīgākā forma, taču arī visgrūtāk atkļūdojamā. Viens un tas pats pieprasījums dažādos izpildes gadījumos var iet pa dažādiem ceļiem, tāpēc, tiklīdz pamet smilškasti, nodošanas žurnālu reģistrēšana kļūst obligāta.
Divas ražošanas cauruļvadu līnijas
Datu apstrāde ilustrē lineārās ķēdes dabiskāko pielietojumu: vākšana, attīrīšana, vizualizācija. Divi pēdējie soļi izmanto vienu un to pašu rīku, taču to atdalīšana uztur katru instrukciju kopu tīru — attīrīšana un attēlošana ir atšķirīgi uzdevumi.
# 1. solis: Vākšana
collector = client.beta.agents.create(
model="mistral-large-latest",
name="data-collector",
description="Collect data from the internet.",
tools=[{"type": "web_search"}]
)
# 2. solis: Attīrīšana un transformācija
transformer = client.beta.agents.create(
model="mistral-large-latest",
name="data-transformer",
description="Clean and transform raw data.",
tools=[{"type": "code_interpreter"}]
)
# 3. solis: Analīze un vizualizācija
visualizer = client.beta.agents.create(
model="mistral-large-latest",
name="data-visualizer",
description="Create visualizations and charts.",
tools=[{"type": "code_interpreter"}]
)
# Ķēde
collector = client.beta.agents.update(agent_id=collector.id, handoffs=[transformer.id])
transformer = client.beta.agents.update(agent_id=transformer.id, handoffs=[visualizer.id])
Akadēmiskais pētniecības asistents seko līdzīgai struktūrai, taču ar cita veida starpsaiti. Sintezatoram nav rīku: tā vērtība slēpjas vienīgi instrukcijās, kas liek tam salīdzināt avotus — kopīgos punktus, atšķirības, trūkumus — nevis vienkārši tos sakraut vien uz otra.
# Meklētājs
searcher = client.beta.agents.create(
model="mistral-large-latest",
name="academic-searcher",
description="Search for academic articles and publications.",
tools=[{"type": "web_search"}]
)
# Sintezators
synthesizer = client.beta.agents.create(
model="mistral-large-latest",
name="synthesizer",
description="Synthesize and compare multiple sources.",
instructions="Identify common points, divergences, and gaps."
)
# Rakstītājs
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."
)
# Cauruļvads: meklētājs → sintezators → rakstītājs
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])
Saprotama dziļuma uzturēšana
Tehniska ierobežojuma neesamība nav aicinājums doties ekstrēmās garumā. Praksē divu līdz četru aģentu ķēdes sedz lielāko daļu vajadzību. Pārsniedzot piecus aģentus, gan latentums, gan izmaksas strauji pieaug. Iemesls ir mehānisks: katrs aģents pievieno savus konteksta tokenus, ieskaitot instrukcijas, virs sarunas vēstures, kas kopš pirmās nodošanas ir tikai augusi. Piektajam aģentam jāstrādā nevis ar sākotnējo pieprasījumu, bet gan ar visu, ko saražojuši iepriekšējie četri.
Pirms ķēdes pagarināšanas pajautā sev, vai papildu solis ir pelnījis atsevišķu aģentu vai vai tas ietilpst esoša aģenta instrukcijās. Formatēšanas norāde, piemēram, gandrīz nekad neattaisno papildu saites izveidi.
Ņem vērā arī to, ka aģents nav ierobežots ar vienu mērķi. Tas var deklarēt vairākus mērķus un izvēlēties, balstoties uz kontekstu.
analyst = client.beta.agents.update(
agent_id=analyst.id,
handoffs=[writer.id, visualizer.id, calculator.id]
)
Šis analītiķis nodos uzdevumu rakstītājam, ja rezultāts būs gatavs paziņošanai, vizualizatoram, ja dati prasīs diagrammu, vai kalkulatoram, ja vēl trūks kāda skaitļa. Izvēle, kā vienmēr, balstās uz trīs mērķu aprakstiem — tā ir vienīgā informācija, kas pieejama lēmuma pieņemšanai.
Galvenās atziņas
- Nav dziļuma ierobežojuma aģentu ķēžu veidošanai
- Trīs modeļi: lineārs (A→B→C), zvaigžņveida (maršrutētājs→specialisti), hibrīds (grafiks)
- Katram aģentam var būt vairāki nodošanas mērķi
- Ražošanas vidē ierobežo ķēdes līdz 2–4 aģentiem, lai kontrolētu latentumu un izmaksas
- Aģentu apraksti ir izšķiroši efektīvai maršrutēšanai