Przejdź do głównej treści
Polski— Wybierz język
Menu

Pełny przepływ żądania wieloagentowego

Lekcja 4 z 14 Zaktualizowano 29 lipca 2026 Programista
Na tej stronie
  1. Od żądania do odpowiedzi
  2. Krok 1: Odbiór i analiza żądania
  3. Krok 2: Uruchamianie agentów podrzędnych
  4. Krok 3: Badania i dyskusja
  5. Krok 4: Synteza przez agenta prowadzącego
  6. Co otrzymujesz
  7. Strumieniowanie
  8. Konsekwencje dla opóźnień
  9. Kluczowe wnioski

Od żądania do odpowiedzi

Między momentem wysłania żądania a pojawieniem się odpowiedzi dzieje się znacznie więcej niż w przypadku standardowego wywołania LLM. Prześledzenie tej ścieżki krok po kroku pomoże Ci zinterpretować nietypowe opóźnienia, zbyt ogólne odpowiedzi lub zaskakujące rachunki za tokeny.

Krok 1: Odbiór i analiza żądania

Gdy Twoje żądanie dotrze do modelu grok-4.20-multi-agent-0309, agent prowadzący rozpoczyna od jego analizy. Określa charakter zadania – badania faktograficzne, analiza porównawcza, synteza – ocenia, ile aspektów należy zgłębić, identyfikuje narzędzia, których może potrzebować, i ustala strategię delegowania zadań do agentów podrzędnych.

Nie widzisz tej wstępnej analizy: jest ona częścią rozważań agenta prowadzącego objętych opłatami i nigdy nie pojawia się w odpowiedzi. To właśnie na tym etapie niejasne sformułowania wyrządzają najwięcej szkód, ponieważ wszystko, co następuje później, budowane jest na podstawie tego pierwszego odczytu.

Krok 2: Uruchamianie agentów podrzędnych

Następnie agent prowadzący deleguje podzadania. Każdy agent podrzędny otrzymuje konkretną dyrektywę i rozpoczyna pracę równolegle z pozostałymi. W przypadku wspomnianego wcześniej żądania dotyczącego europejskich strategii chmurowych, podział wyglądałby następująco: jeden agent bada najnowsze ogłoszenia dostawców, drugi analizuje aspekty regulacyjne (RODO, AI Act), trzeci porównuje pakiety cenowe, a czwarty przegląda dokumentację techniczną.

Przy 16 agentach podział jest jeszcze drobniejszy i obejmuje więcej perspektyw: każdy dostawca może mieć własnego badacza, a aspekty regulacyjne można rozdzielić między kilka jurysdykcji.

Krok 3: Badania i dyskusja

Agenci podrzędni nie pracują w izolacji. Korzystają z wbudowanych narzędzi – web_search, x_search, code_execution i innych – wymieniają się informacjami, aby uniknąć duplikatów i doprecyzować tropy, oraz sygnalizują agentowi prowadzącemu nieoczekiwane ustalenia, które zasługują na dalsze zbadanie. Ta wewnętrzna konwersacja odróżnia podejście wieloagentowe od prostego wywołania równoległego: agent, który znajdzie informacje sprzeczne z ustaleniami kolegi, może przekierować badania.

Jest to również najdłuższa faza i zdecydowanie najdroższa, ponieważ każdy agent generuje własne tokeny wejścia, wyjścia i rozważań. Gdy żądanie trwa minutę, a żaden tekst się nie pojawia, czas ten jest zużywany właśnie tutaj.

Krok 4: Synteza przez agenta prowadzącego

Gdy agenci podrzędni zakończą pracę lub zostanie osiągnięty budżet rozważań, agent prowadzący przejmuje inicjatywę i zawsze wykonuje tę samą sekwencję. Najpierw zbiera wszystkie wyniki, a następnie usuwa duplikaty – w przypadku żądania dotyczącego chmury, trzech agentów prawdopodobnie natrafi na to samo ogłoszenie o dostępności regionalnej, które powinno pojawić się tylko raz. Następnie strukturyzuje informacje w żądanym przez Ciebie formacie, cytuje źródła tam, gdzie jest to istotne, i na końcu generuje ostateczną odpowiedź.

To tutaj decyduje się postrzegana jakość wyniku: przy tych samych badaniach otrzymasz albo ogólnikowy akapit, albo czytelną tabelę porównawczą, w zależności od tego, jak precyzyjnie opisałeś oczekiwany rezultat.

Co otrzymujesz

Odpowiedź zawiera tekst napisany przez agenta prowadzącego – jego syntezę – wywołania narzędzi dokonane przez wszystkie agenty, w tym agenta prowadzącego, oraz, jeśli włączyłeś opcję use_encrypted_content=True, zaszyfrowany blok treści. Te wywołania narzędzi są Twoim jedynym oknem na pracę faktycznie wykonaną „za kulisami“.

Reszta nigdy do Ciebie nie dotrze: ani wewnętrzne rozważania agentów podrzędnych w postaci zwykłego tekstu, ani wymiany informacji między nimi, ani szczegóły strategii delegowania wybranej przez agenta prowadzącego. Nie ma więc sensu budować narzędzia monitorującego wokół tych elementów – nigdy nie opuszczają one modelu.

Strumieniowanie

W trybie strumieniowania widzisz, jak odpowiedź agenta prowadzącego jest stopniowo budowana. Parametr verbose_streaming idzie o krok dalej i wysyła Ci również wywołania narzędzi w miarę ich występowania, co daje Ci bezpośredni wgląd w aktywność agentów.

Korzyść jest realna w przypadku długich żądań: możesz obserwować, jak wyszukiwania w sieci uruchamiają się jedno po drugim, podczas gdy agenci pracują, i pokazać użytkownikowi coś więcej niż statyczny wskaźnik ładowania.

Konsekwencje dla opóźnień

Podejście wieloagentowe jest z natury wolniejsze niż standardowe wywołanie z trzech kumulujących się powodów: agenci podrzędni pracują równolegle, ale koordynacja niesie ze sobą koszt; agent prowadzący musi poczekać na wszystkie wyniki przed syntezą; a opóźnienie rośnie wraz z liczbą zaangażowanych agentów.

Daje to prostą zasadę projektową. Do zastosowań interaktywnych – czatbot, pasek wyszukiwania – pozostań przy 4 agentach. Rezerwuj 16 agentów do zadań asynchronicznych: raportu generowanego w tle, nocnego zadania monitorującego czy analizy, której wynik użytkownik przejrzy później.

Kluczowe wnioski

  • Przepływ składa się z 4 kroków: analiza → delegowanie → badania → synteza
  • Agenci podrzędni pracują równolegle i wymieniają się między sobą informacjami
  • Otrzymujesz tylko odpowiedź agenta prowadzącego i wywołania narzędzi
  • Strumieniowanie z parametrem verbose_streaming pozwala śledzić aktywność w czasie rzeczywistym
  • Opóźnienie jest większe niż w przypadku standardowego wywołania, zwłaszcza przy użyciu 16 agentów